新颖的无刷直流电机模糊神经网络PI控制器的制作方法

本发明属于无刷直流电机调速技术领域，具体涉及一种新颖的无刷直流电机模糊神经网络pi控制器。

背景技术：

无刷直流电机因其具有结构简单、高效区域大、低电压特性好等优点，已广泛应用于工业控制领域，但对于电机转速的精准度、稳定性、鲁棒性控制还有待提高。pid（比例（proportion）、积分（integral）、微分（differential））控制器作为最早实用化的控制器已有近百年历史，现在仍然是应用最广泛的工业控制器。pid控制器简单易懂，使用中不依赖于精确的系统模型，因而也在无刷直流电机控制系统中广泛应用。应用于无刷直流电机的pi控制器，通过调节kp增益，提高了速度控制器的灵敏度，降低了速度超调。然而传统的pid控制器又过分的依赖于增益的选择，造成电机的控制性能下降，具有各种不确定性和非线性。近年来，随着现代智能控制理论的飞速发展，产生了很多新型的控制系统，模糊控制就是其中之一。学者们将模糊控制技术和pid控制技术相结合，克服了传统pid参数无法实时调整的缺点，实现了pid参数的实时最优整定。但是模糊pid控制的模糊规则大多来源于专家经验，缺少理论依据，且控制的超调现象明显，鲁棒性仍有待提高。针对永磁同步电机速度控制学者提出了利用4层神经网络调整模糊逻辑控制器隶属度函数和模糊规则的神经网络模糊控制器，降低了模糊逻辑控制对经验的依赖性，取得了较好的控制效果。为了进一步提高无刷直流电机的各项调速性能指标，本文提出了一种新颖的模糊神经网络pi控制器（nfnn-pi），以提高无刷直流电机的转速跟踪性能和对外界负载扰动和参数变化的鲁棒性。

技术实现要素：

本发明设计的新颖的无刷直流电机模糊神经网络pi控制器（nfnn-pi）对无刷直流电机的稳态状态和瞬态状态进行调速控制，nfnn-pi控制器由新型模糊神经网络和传统pi控制器两部分组成。新型模糊神经网络结合了模糊控制与神经网络的优点，利用有限的模糊规则信息进行逻辑推理，对无刷直流电机的非线性特点有很好的逼近效果，并采用一种自适应动量调谐方法对nfnn-pi的网络权值、隶属度函数的中心和宽度进行调整，利用边缘稳定性来获得较高的跟踪性能和对外界负载扰动和参数变化的鲁棒性。最终，pi控制器对无刷直流电机进行闭环控制，确保在不同操作条件下(空载、负载干扰和速度变化)的期望控制响应。

本发明提出的一种新颖的无刷直流电机模糊神经网络pi控制器，具体包括如下控制步骤：

s1：设p是一个线性系统，确定系统的稳定裕度为bp,c，其中c是p的稳定控制器。bp,c被用来表示对非结构扰动的鲁棒性，值大于0.3的控制器通常表明具有良好的鲁棒性裕度;

s2:模糊逻辑设计，nfnn-pi控制器将电机的实际转速测量值wm(t)和参考转速值wr(t)的误差值e和误差变化率ec作为系统输入变量，系统输出变量为将pi控制器比例系数kp和积分系数ki。模糊控制根据系统的输入与输出变量关系建立一个模糊条件语句构成的模糊规则库。模糊规则库的建立既参考了专家的经验，也通过多次仿真进行了修改;

s3:新型模糊神经网络设计，其结构为5层前馈网络，具体包括输入层、隶属度函数生成层、推理层、归一化层和输出层。将无刷直流端机控制系统的转速误差e和误差变化率ec作为输入神经元，输出神经元为kp和ki，即为pi控制器的增益。文中将对归一化层与输出层之间的权值进行了修正，其他连接层权值均定义为1。

新型模糊神经网络5层结构具体包括：

(ⅰ)层为输入层，将输入转速误差e和误差变化率ec对应该层节点；

(ⅱ)层为隶属度函数层，该层是新型模糊神经网络的第1隐层，其中每个神经元均代表模糊集中的语言变量。误差e和误差变化率ec分别定义为5个模糊变量，因此该层有10个神经元。该层的主要作用是是计算各输入量相对于各个语言变量值模糊集合的隶属度函数。该层的隶属度函数通常选为高斯函数，定义隶属度函数hj；

(ⅲ)层为模糊推理层，该层是新型模糊神经网络的第2隐层，其中每个神经元均代表已知模糊规则库中的一条模糊规则，根据模糊规则数确定该层含有神经元个数。该层主要作用是确定模糊规则的相关匹配，并计算出各个模糊规则的适应度；

(ⅳ)层为归一化层，该层的神经元数与第(ⅲ)层相同，该层主要作用是实现归一化运算；

(ⅴ)层为输出层，该层主要作用是进行清晰化运算。

s4：新型模糊神经网络的结构确定之后，可以由模糊规则确定输入量对应的语言变量，确定第(ⅱ)层中隶属度函数的参数以及第(ⅴ)层中的权值。定义误差函数的性能指标为j。

确定(ⅴ)层网络权值的修正算法：

ɷj(k)=ɷj(k-1)+α[wm(k)-wr(k)]hj+β(k)[ɷj(k-1)-ɷj(k-2)]

式中：ɷj为(ⅴ)层网络权值，j为(ⅳ)层神经元个数，α为学习速率。

确定β(k)动量调谐函数：

β(k)=β0exp(-bp,c)

式中：β0为初始系数。提出这种自适应动量调谐方法，是为了在控制器鲁棒性较好的情况下，降低自适应速度；在控制器鲁棒性较差时，加速控制器参数的自适应。修正权值后，利用误差反向传播法计算隶属度函数的中心和宽度的调整变化量，再利用梯度寻优算法来调整中心和宽度。

s5:将最终新型模糊控制神经网络输出的kp和ki输入到pi控制器中，用以实现无刷直流电机的转速控制。

本发明将新型模糊神经网络和传统pi控制器两部分组成。新型模糊神经网络结合了模糊控制与神经网络的优点，利用有限的模糊规则信息进行逻辑推理，对无刷直流电机的非线性特点有很好的逼近效果，并采用一种自适应动量调谐方法对nfnn-pi的网络权值、隶属度函数的中心和宽度进行调整进行调整，利用边缘稳定性来获得较高的跟踪性能和对外界负载扰动和参数变化的鲁棒性。在控制过程中，新颖的无刷直流电机模糊神经网络pi控制器可以不断地监控参数的变化以及参数的实时反馈，使控制效果达到理想化。

附图说明

图1所示为本发明新颖的无刷直流电机模糊神经网络pi控制器示意图。

图2所示为本发明新颖的无刷直流电机模糊神经网络pi控制器具体流程图。

图3所示为本发明新颖的无刷直流电机模糊神经网络pi控制器新型模糊神经网络结构示意图。

具体实施方式

下面结合附图对本发明的实施例作进一步的详细说明。

如图1所示，本发明提出的一种新颖的无刷直流电机模糊神经网络pi控制器具体架构包括新型模糊神经网络模块、pi控制器，无刷直流电机，具体控制方法如下。

首先对电机实际转速wm(k)与参考转速wr(k)进行比较计算，得出最终转速误差e(k)=wr(k)-wm(k)，根据速度误差e(k)和误差变化率ec(k)作为新型模糊神经网络输入神经元，输出神经元为kp和ki，即为pi控制器的增益。新型模糊神经网络结合了模糊控制与神经网络的优点，利用有限的模糊规则信息进行逻辑推理，对无刷直流电机的非线性特点有很好的逼近效果，并采用一种自适应动量调谐方法对nfnn-pi的网络权值、隶属度函数的中心和宽度进行调整进行调整，利用边缘稳定性来获得较高的跟踪性能和对外界负载扰动和参数变化的鲁棒性。最终，pi控制器对无刷直流电机进行闭环控制。

如图2所述，本发明提出的一种新颖的无刷直流电机模糊神经网络pi控制器，具体包括如下控制步骤：

s1：设p是一个线性系统，确定系统的稳定裕度为bp,c，其中c是p的稳定控制器。bp,c被用来表示对非结构扰动的鲁棒性，值大于0.3的控制器通常表明具有良好的鲁棒性裕度;

s2:模糊逻辑设计，nfnn-pi控制器将电机的实际转速测量值wm(t)和参考转速值wr(t)的误差值e和误差变化率ec作为系统输入变量，系统输出变量为将pi控制器比例系数kp和积分系数ki。模糊控制根据系统的输入与输出变量关系建立一个模糊条件语句构成的模糊规则库。模糊规则库的建立既参考了专家的经验，也通过多次仿真进行了修改;

s3:新型模糊神经网络设计，其结构为5层前馈网络，具体包括输入层、隶属度函数生成层、推理层、归一化层和输出层。将无刷直流端机控制系统的转速误差e和误差变化率ec作为输入神经元，输出神经元为kp和ki，即为pi控制器的增益。文中将对归一化层与输出层之间的权值进行了修正，其他连接层权值均定义为1。

新型模糊神经网络5层结构具体包括：

(ⅰ)层为输入层，将输入转速误差e和误差变化率ec对应该层节点；

(ⅱ)层为隶属度函数层，该层是新型模糊神经网络的第1隐层，其中每个神经元均代表模糊集中的语言变量。误差e和误差变化率ec分别定义为5个模糊变量，因此该层有10个神经元。该层的主要作用是是计算各输入量相对于各个语言变量值模糊集合的隶属度函数。该层的隶属度函数通常选为高斯函数，定义隶属度函数hj；

(ⅲ)层为模糊推理层，该层是新型模糊神经网络的第2隐层，其中每个神经元均代表已知模糊规则库中的一条模糊规则，根据模糊规则数确定该层含有神经元个数。该层主要作用是确定模糊规则的相关匹配，并计算出各个模糊规则的适应度；

(ⅳ)层为归一化层，该层的神经元数与第(ⅲ)层相同，该层主要作用是实现归一化运算；

(ⅴ)层为输出层，该层主要作用是进行清晰化运算。

s4：新型模糊神经网络的结构确定之后，可以由模糊规则确定输入量对应的语言变量，确定第(ⅱ)层中隶属度函数的参数以及第(ⅴ)层中的权值。定义误差函数的性能指标为j。

(ⅴ)层网络权值的修正算法如下：

ɷj(k)=ɷj(k-1)+α[wm(k)-wr(k)]hj+β(k)[ɷj(k-1)-ɷj(k-2)]

式中：ɷj为(ⅴ)层网络权值，j为(ⅳ)层神经元个数，α为学习速率。

确定β(k)动量调谐函数：

β(k)=β0exp(-bp,c)

式中：β0为初始系数。提出这种自适应动量调谐方法，是为了在控制器鲁棒性较好的情况下，降低自适应速度；在制器鲁棒性较差时，加速控制器参数的自适应。修正权值后，利用误差反向传播法计算隶属度函数的中心和宽度的调整变化量，再利用梯度寻优算法来调整中心和宽度。

s5:将最终新型模糊控制神经网络输出的kp和ki输入到pi控制器中，用以实现无刷直流电机的转速控制。经过新型模糊神经网络在线学习获得输出参数kp和ki，将两个参数输入到pi控制器中，最后将pi控制器的控制输出值输入到无刷直流电机中，达到电机的转速控制。新颖的无刷直流电机模糊神经网络pi控制器可以不断地监控参数的变化以及参数的实时反馈，使控制效果达到理想化。

本发明由新型模糊神经网络和传统pi控制器两部分组成。新型模糊神经网络结合了模糊控制与神经网络的优点，利用有限的模糊规则信息进行逻辑推理，对无刷直流电机的非线性特点有很好的逼近效果，并采用一种自适应动量调谐方法对nfnn-pi的网络权值、隶属度函数的中心和宽度进行调整，利用边缘稳定性来获得较高的跟踪性能和对外界负载扰动和参数变化的鲁棒性。最终，pi控制器对无刷直流电机进行闭环控制。同时采用新颖的无刷直流电机模糊神经网络pi控制器可以不断地监控参数的变化以及参数的实时反馈，使控制效果达到理想化。