基于模糊神經網絡的無刷直流電動機調速系統
范虎，呂永健，鄒強
(空軍工程大學，陜西西安710038)
摘要：無刷直流電動機是一種多變量、非線陛的控制系統，采用經典的pid控制難以得到滿意的控制效果。在分析無刷直流電動機數學模型基礎上，提出了一種把高斯基函數作為隸屬麗數設計無刷直流電動機模糊神經網絡控制器的新方法。仿真表明，系統響應速度快，抗干擾能力強，具有較高的控制精度和較好的魯棒性：
關鍵詞：高斯基函數；無刷直流電動機；模糊神經網絡；學習算法
中圖分類號：tm33 文獻標識碼：a 文章編號：1004—7018(2010)01-0037—03
0引言
近年來，隨著電力電子技術、微電子技術、控制理論及永磁材料的快速發展，無刷直流電動機(以下簡稱bldcm)得以迅速推廣。傳統的bldcm起動轉速控制系統常采用pi控制，該控制算法簡單，參數調整方便，有一定的控制精度[1]，但本質上是一種線性控制，需要控制系統精確的數學模型，而bldcm是一個多變量、強耦合、非線性、時變的復雜系統，當系統負載或參數發生變化時，pi控制很難達到預期的設計效果。
在bldcm這類高度非線性系統中，采用神經網絡和模糊控制[2]是極有前景的，它具有提高系統快速性、穩定性和魯棒性的潛力。模糊神經控制是一種將模糊邏輯和神經網絡相結合形成的一種智能控制技術。神經網絡具有高度并行處理、分布存儲信息的網絡結構，具有很強的自學習和自組織能力[3]。在此，將神經網絡的學習能力和模糊控制規則的表達記憶能力相結合，設計出了神經模糊控制器。將這種控制器用于bldcm的轉速控制系統，其運行效果良好[4]。
本文將模糊神經網絡引入bldcm的轉速控制系統中，研究了模糊神經網絡在其中的應用。并給出了仿真結果.仿真結果表明,該控制方法的控制效果明顯優于常規的pid控制.
1 bldcm數學模型
以二相導通星形三相六狀態為例,可得bldcm的數學模型[5],三相繞組的電壓平衡方程式可表示為:
式中：ua,ub,uc為定子三相繞組相電壓；ia、ib、ic為定子三相繞組相電流;ea,eb,ec為定子三相繞組反電
式中:tem為電磁轉矩;tl為負載轉矩;b為阻尼系數;ω為電機機械轉速;j為電機轉動慣量.
該模型簡單實用，在下述的控制系統中，用該模型建立的bldcm作為被控對象進行控制。
2模糊神經網絡控制器的設計
系統結構如圖1所示.ω為bldcm期望轉速,ω為bldcm實際轉速,x1,x2和u分別是模糊高期基函數神經網絡的輸入和輸出,其論均設為[0,1],誤差e和誤差變化率en.通過x映射轉換為神經網絡的輸入x1,x2,u映射的作用是將網絡輸出u轉換為bldcm的控制電流i(t).jn為誤差目標函數1/2(ω-ω)2,根據jn由在線學習算法可在線調節模糊神經網絡的權值,使系統具有自學習的功能.
2.2模糊高期基函數神經網絡結構
模糊高斯基函數神經網絡結構如圖2所示[6].圖2中,第i層將x1,x2引入網絡;第ii層將x1,x2模
糊化,采用的隸屬函數為高斯函數  (其中a,b為變量x的高斯函數均值中心和標準偏差); 第3層對應模糊推理這里用x乘積操作代替模糊操作;第5層對應去模糊化操作.網絡的輸入輸出關系如下:
轉速環采用模糊神經網絡調節器，電流環采用電流滯環控制器。電機給定負載轉矩tl=5 n·m，對電機運行在高低速情況下分別 |
