基于遗传算法的无刷直流电机模糊控制系统及控制方法
【专利摘要】本发明公开了一种基于遗传算法的无刷直流电机模糊控制系统及控制方法，其中，控制系统包括：驱动系统，用于驱动无刷直流电机；速度观测器，用于采集无刷直流电机转速；转速参考模型，提供电机转速的参考数据，并与采集到的电机转速相比较以获得转速误差和误差变化率；参数模糊化模块，接收所述转速误差和误差变化率，并进行量化，映射到模糊集合论域，遗传算法优化模块，采用遗传算法对模块控制规则进行优化，并调节模糊论域中的相关参数，作出模糊决策；反模糊化模块，将模糊决策的输出量映射到基本论域。本发明采用遗传算法对模糊控制器的参数进行在线调节，使控制器在不同的运行环境下都能够有较好的静态和动态性能。
【专利说明】基于遗传算法的无刷直流电机模糊控制系统及控制方法
【技术领域】
[0001] 本发明属于电机的控制或调节领域，尤其是一种基于遗传算法的无刷直流电机模 糊控制系统及控制方法。
【背景技术】
[0002] 无刷直流电机（brushless DC motor)在工业领域中得到了日益广泛的应用，其控 制系统是典型的非线性、多变量耦合系统。传统的PID控制算法不易满足高精度伺服控制 系统的控制要求，很难实现电机的高精度运行。
[0003] 基于现代控制理论和智能控制理论的非线性控制方法为实现被控系统高质量的 动态和稳态性能奠定了基础，在无刷直流电机控制上得到充分的利用。模糊控制、神经网络 控制、变结构控制、鲁棒控制、参数自适应控制等多种先进控制策略已被用于无刷直流电机 的控制。
[0004] 虽然许多自适应控制算法在无刷直流电机的控制中得到了广泛的应用，但这些算 法对于电机状态的估计是基于线性模型的，对无刷直流电机这种非线性模型的控制存在一 定的不足。神经网络技术对无刷直流电机这种非线性系统的控制获得了较好的效果，但控 制算法相对复杂。模糊控制技术在电机控制中得到广泛的应用，是模仿人类思维的一种智 能化控制技术。但在实际应用中，对于时变参数的非线性系统，其模糊控制系统的控制规则 难以确定，即使在一定条件下获得了模糊控制规则，随着系统的变化，原来的模糊控制规则 很可能已经不够理想了。
[0005] 现有的将模糊控制与PID控制相结合来控制无刷直流电机的方法对于无刷直流 电机这种时变参数的非线性系统控制存在一定的不足：模糊PID控制所依赖的控制规则存 在着一定不足，控制系统参数缺乏自调整能力，模糊PID控制规则的优化和模糊控制系统 参数在线调节等方面还存在不足。
【发明内容】
[0006] 发明目的：一个目的是提供一种基于遗传算法的无刷直流电机模糊控制系统，以 解决现有技术的上述问题，实现模糊控制系统参数的在线调节，克服传统模糊控制系统在 线调节效果不佳的弱点，改善控制系统的性能。进一步的目的是提供一种控制方法。
[0007] 技术方案：一种基于遗传算法的无刷直流电机模糊控制系统，它包括用以限制最 大电流的电流环和用以无刷直流电机转速的速度闭环。
[0008] 在进一步的实施例中，进一步为：
[0009] 驱动系统，用于驱动无刷直流电机；
[0010] 速度观测器，用于采集无刷直流电机转速；
[0011] 转速参考模型，提供电机转速的参考数据，并与采集到的电机转速相比较
[0012] 获得转速误差和误差变化率；
[0013] 参数模糊化模块，接收所述转速误差和误差变化率，并进行量化，映射到模糊集合 论域，
[0014] 遗传算法优化模块，采用遗传算法对模块控制规则进行优化，并调节模糊论
[0015] 域中的相关参数，作出模糊决策；
[0016] 反模糊化模块，将模糊决策的输出量映射到基本论域；
[0017] 以及采集无刷直流电机的电流并调节电机功率的电流环。
[0018] 所述遗传算法优化模块进一步用于：
[0019] 确定决策变量及其约束条件和编码、解码方法：
[0020] 在参数优化中，以基准值Kf K^，Ku(l以及微调参数Κρ K2, K3为决策变量，决策变量 的约束条件以及系统稳定性能指标的要求为参考，若要求系统稳态误差小于S，一般有：
[0021]
【权利要求】
1. 一种基于遗传算法的无刷直流电机模糊控制系统，其特征在于，它包括用以限制最 大电流的电流环和用以无刷直流电机转速的速度闭环。
2. 如权利要求1所述的基于遗传算法的无刷直流电机模糊控制系统，其特征在于：进 一步为： 驱动系统（102)，用于驱动无刷直流电机（107); 速度观测器（103)，用于采集无刷直流电机转速； 转速参考模型（101)，提供电机转速的参考数据，并与采集到的电机转速相比较获得转 速误差和误差变化率； 参数模糊化模块（106)，接收所述转速误差和误差变化率，并进行量化，映射到模糊集 合论域， 遗传算法优化模块（105)，采用遗传算法对模块控制规则进行优化，并调节模糊论域中 的相关参数，作出模糊决策； 反模糊化模块（104)，将模糊决策的输出量映射到基本论域； 以及采集无刷直流电机的电流并调节电机功率的电流环。
3. 如权利要求2所述的基于遗传算法的无刷直流电机模糊控制系统，其特征在于：所 述遗传算法优化模块（105)进一步用于： 确定决策变量及其约束条件和编码、解码方法： 在参数优化中，以基准值K&，K^，Ku(l以及微调参数I，K2, K3为决策变量，决策变量的 约束条件以及系统稳定性能指标的要求为参考，若要求系统稳态误差小于S，一般有：
建立优化模型和确定个体评价方法： 以系统最大超调量Μρ调整时间ts和稳态误差为基础，采用权重系数组合法，构造适 应度函数为： f = a exp [- (Mp/Mp0)2] + β exp [- (ts/ts0)2] + y exp [- (esr/esr0)2] 式中，Mp(l，ts(l和，esrfl分别为系统的响应指标期望值；α，β，γ为权重系数，M p(l为 系统最大超调量的期望值；esrfl为系统稳态误差的期望值；ts(l为系统调整时间的期望值； α +β + y = 1 ； 进行遗传操作：设计3个遗传算子、确定遗传算法中的运行参数：
式中，A为第i个个体的适应度，Psi为第i个个体被选择的概率，η为种群大小； 运行参数的确定，遗传算法种需要确定的参数主要有群体大小Μ，终止代数Τ、交叉概 率Ρ。和变异概率Pm，计算公式分别为：
式中，为群体中最大的适应度，favg二为每代群体的平均适应度，f'为2个个体中 较大的适应度，f为变异个体的适应度，Pm为最小适应度个体的变异概率，Ρπ2是最大适应度 个体的变异概率， Pc;1为为最小适应度个体的交叉概率，Pc;2为最大适应度个体的交叉概率。
4. 一种基于遗传算法的无刷直流电机模糊控制方法，其特征在于，包括如下步骤： 步骤一：计算模糊控制器的输入：包括转速误差e和转速误差变化ec ; 步骤二：分别用量化因子ke和ke。对转速误差e和转速误差变化ec的值进行量化，并 将其映射到模糊集合论域； 步骤三：选择三角形分布函数作为模糊控制器的成员函数； 步骤四：制定模糊控制决策表； 步骤五：利用遗传算法对模糊控制决策表中的模糊控制规则进行优化，得出优化过的 模糊决策表； 步骤六：基于遗传算法的模糊控制器参数的寻优以及在线调整； 步骤七：模糊决策的输出量用比例因子Ku从模糊论域映射到基本论域，作用于控制系 统系统来控制电机速度。
5. 如权利要求4所述的基于遗传算法的无刷直流电机模糊控制方法，其特征在于，进 一步为： 步骤1 :采集电机的转速，并与速度参考模型中的数据比较，获得速度偏差及误差变化 率； 步骤2 :判断速度偏差处于第一状态或第二状态；若处于第一状态，执行步骤3,若处于 第二状态，执行步骤4 ; 步骤3 :定义动态信号：模糊控制系统的速度偏差及误差变化在无刷直流电机的速度 控制中分别为转速误差e和误差变化ec ;
式中，e(k)由参考模型和实际测量的转速信号比较得到；ec(k)为连续两个采样周期e 值之差；n#(k)为第k次采样周期参考模型响应；n (k)为第k次采样周期电机的转速响应； 用量化因子和ke。量化速度偏差及其误差变化率的实际值，映射到模糊集合论域X = {-m，-m+Ι，…，0,…，m-1，m}，需要把比例因子ku来把输出的变量丛模糊论域转化到实际输 出的基本论域，进入步骤5; 步骤4 :确定决策变量及其约束条件和编码、解码方法： 在参数优化中，以基准值K&，K^，Ku(l以及微调参数Kp K2, K3为决策变量，决策变量的 约束条件以及系统稳定性能指标的要求为参考，若要求系统稳态误差小于S，一般有：
建立优化模型和确定个体评价方法： 以系统最大超调量Mp调整时间ts和稳态误差为基础，采用权重系数组合法，构造适 应度函数为： f = a exp [- (Mp/Mp0)2] + β exp [- (ts/ts0)2] + y exp [- (esr/esr0)2] 式中，Mp(l, ts(l和，esKI分别为系统的响应指标期望值；α，β，γ为权重系数，α + β + γ =1 ; 进行遗传操作：设计3个遗传算子、确定遗传算法中的运行参数：
式中，A为第i个个体的适应度，Psi为第i个个体被选择的概率，η为种群大小； 运行参数的确定，遗传算法种需要确定的参数主要有群体大小Μ，终止代数Τ、交叉概 率Ρ。和变异概率Pm，计算公式分别为：
式中，为群体中最大的适应度，favg二为每代群体的平均适应度，f'为2个个体中 较大的适应度，f为变异个体的适应度，Pm为最小适应度个体的变异概率，Ρπ2是最大适应度 个体的变异概率， Pc;1为为最小适应度个体的交叉概率，Pc;2为最大适应度个体的交叉概率。 步骤5 :输出控制信号至驱动系统，调整电机的状态。
【文档编号】G05B13/04GK104155877SQ201410410227
【公开日】2014年11月19日 申请日期:2014年8月19日 优先权日:2014年8月19日
【发明者】冯友兵, 王黎明, 窦金生, 赵强, 马建荣, 杨官校, 陈瑞, 秦海亭, 刘国固, 张之亮, 宋杰, 王学楠 申请人:江苏科技大学