CN113141138A - 一种用于异步电机驱动的自整定模糊控制方法 - Google Patents

一种用于异步电机驱动的自整定模糊控制方法 Download PDF

Info

Publication number
CN113141138A
CN113141138A CN202110485429.4A CN202110485429A CN113141138A CN 113141138 A CN113141138 A CN 113141138A CN 202110485429 A CN202110485429 A CN 202110485429A CN 113141138 A CN113141138 A CN 113141138A
Authority
CN
China
Prior art keywords
controller
self
fuzzy
tuning
gdu
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110485429.4A
Other languages
English (en)
Other versions
CN113141138B (zh
Inventor
张春艳
张汉年
徐开军
黄云华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Vocational College Of Information Technology
Original Assignee
Nanjing Vocational College Of Information Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Vocational College Of Information Technology filed Critical Nanjing Vocational College Of Information Technology
Priority to CN202110485429.4A priority Critical patent/CN113141138B/zh
Publication of CN113141138A publication Critical patent/CN113141138A/zh
Application granted granted Critical
Publication of CN113141138B publication Critical patent/CN113141138B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P21/001—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using fuzzy control
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H02P21/18—Estimation of position or speed
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H02P21/20—Estimation of torque
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P2205/00—Indexing scheme relating to controlling arrangements characterised by the control loops
    • H02P2205/07—Speed loop, i.e. comparison of the motor speed with a speed reference
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P2207/00—Indexing scheme relating to controlling arrangements characterised by the type of motor
    • H02P2207/01—Asynchronous machines

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • Control Of Electric Motors In General (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种用于异步电机驱动的自整定模糊控制方法，其特征在于，基于自整定调优算法来优化调整PI模糊控制器的比例因子GE、PI模糊控制器的比例因子GC、PI模糊控制器的比例因子Gdu、PI控制器的参数KP和PI控制器的参数KI。该控制方法可自适应地改善***的稳态响应。

Description

一种用于异步电机驱动的自整定模糊控制方法
技术领域
本发明涉及一种用于异步电机驱动的自整定模糊控制方法，属于电力传动控制技术领域。
背景技术
用于运动控制的电机驱动器必须具有快速的转矩响应、转矩的可控性以及一个宽范围操作条件下的速度响应。众所周知，矢量控制能够解决交流电机驱动的控制问题。在已知转子时间常数的情况下，间接矢量控制法通过估计转差速度来解耦电机电流分量的磁通和转矩。该方法的精度很大程度上取决于电机参数的精度，尤其是转子时间常数Tr。然而转子时间常数Tr的变化往往会导致磁场方向失调并降低***性能，对于大型高效异步电机***来说尤其如此。虽然间接磁场定向法对电机参数的变化非常敏感，但通常比直接磁场定向法更受欢迎。这是因为直接法需要对机器进行修改或特别设计。此外，磁通传感器的脆弱性往往会降低异步电动机驱动固有的鲁棒性。
传统的PI控制器是工业电气驱动中最常用的速度控制方法之一。由于大多数工业过程通常是复杂时变的、模型不确定的非线性***，这给建模过程带来了额外的复杂性。众所周知，PI控制器可能不足以处理受到严重干扰的***。实际上，PI控制器的主要缺点是在间接转子磁链导向的情况下，对***参数变化的敏感性、对外界扰动和负载变化的抑制能力不足、对惯性增加和转子电阻变化的鲁棒性。因此，控制器的参数必须根据***的当前趋势不断进行调整。
PI控制器的系数整定有多种自适应控制技术，如模型参考自适应控制MRAC、滑模控制SMC、变结构控制VSC和自整定PI控制等。上述控制器的设计取决于***的精确数学模型。然而，由于***饱和、温度变化和***扰动，往往难以建立精确的***数学模型。
模糊逻辑控制是模糊逻辑技术与自动控制***相结合的产物。由于PI控制器和PID控制器在工业应用中的普及，在过去的十年中，模糊控制器的发展大多围绕着模糊PID控制器、PI控制器或PD控制器。在标准的模糊控制***中，模糊控制器的比例因子是在标称条件下确定和选择的，而标称条件下不能同时兼顾大转速范围驱动***的动态和稳态性能。
为了实现对间接磁场定向控制IFOC异步电机大转速范围驱动***的控制，并获得良好的动态和稳态性能，需采用一些新的控制方法和控制技术。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷，提供一种用于异步电机驱动的自整定模糊控制方法，用于一种间接磁场定向控制IFOC异步电机大转速范围驱动***的控制方法，以期获得良好的动态和稳态性能，快速的转矩响应、转矩的可控性以及一个宽范围操作条件下的速度响应。
为达到上述目的，本发明提供一种用于异步电机驱动的自整定模糊控制方法，包括：
基于自整定调优算法来优化调整PI模糊控制器的比例因子GE、PI模糊控制器的比例因子GC、PI模糊控制器的比例因子Gdu、PI控制器的参数KP和PI控制器的参数KI。
优先地，基于自整定调优算法来优化调整PI模糊控制器的比例因子GE，包括：
GE(k)＝(1/GE(k-1))×α(k)，
其中，GE(k)是第k个采样实例的PI模糊控制器的比例因子GE，GE(k-1)是第k-1个采样实例的PI模糊控制器的比例因子GE，α(k)为预先设定的增益更新系数。
优先地，基于自整定调优算法来优化调整PI模糊控制器的比例因子GC，包括：
速度控制器结构表示为:
u(k)＝u(k-1)+du(k)，
iqs *＝Gdu(k)×u(k)，
式中，k为采样实例，u(k)为PI模糊控制器的输出，du(k)为PI模糊控制器输出的增量变化；
iqs *为速度控制器的输出；
GC(k)＝(1/GC(k-1))/α(k),
其中，GC(k)是第k个采样实例的PI模糊控制器的比例因子GC，GC(k-1)是第k-1个采样实例的PI模糊控制器的比例因子GC，α(k)为预先设定的增益更新系数。
优先地，基于自整定调优算法来优化调整PI模糊控制器的比例因子Gdu，包括：
Gdu(k)＝Gdu(k-1)×α(k)，
其中，Gdu(k)是第k个采样实例的PI模糊控制器的比例因子Gdu，Gdu(k-1)是第k-1个采样实例的PI模糊控制器的比例因子Gdu，α(k)为预先设定的增益更新系数。
优先地，基于自整定调优算法来优化PI控制器的参数KP，包括：
KP(k)＝KP(k-1)/α(k)，
KP(k)是第k个采样实例的PI控制器的参数KP，KP(k-1)是第k-1个采样实例的PI控制器的参数KP，α(k)为预先设定的增益更新系数。
优先地，基于自整定调优算法来优化PI控制器的参数KI，包括：
KI(k)＝KP(k-1)×α(k),
其中，KI(k)是第k个采样实例的PI控制器的参数KI，KP(k-1)是第k-1个采样实例的PI控制器的参数KP，α(k)为预先设定的增益更新系数。
本发明所达到的有益效果：
本发明提供一种用于异步电机驱动的自整定模糊控制方法，用于一种间接磁场定向控制IFOC异步电机大转速范围驱动***的控制方法，以期获得良好的动态和稳态性能，快速的转矩响应、转矩的可控性以及一个宽范围操作条件下的速度响应。根据异步电机被控过程的当前状态，通过自整定装置在线调整PI模糊控制器的比例因子GE、GC和Gdu以及PI控制器的参数KP和KI，最终目标是通过增益更新系数α以获得对IFOC异步电机更好的控制性能。
附图说明
图1是自整定模糊控制器框图；
图2是IFOC感应电动机的速度控制器结构。
具体实施方式
以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
自整定模糊控制器采用基于区域中心法(center of area,COA)的去模糊化方法，采用Mamdani型模糊推理方法计算增益更新系数α，以提高整体控制性能。并使用下列步骤对自整定模糊控制器进行调优。***是指所述控制方法对应的***，超调量即最大偏差值。包括以下步骤：
开关机构的定义为
Figure BDA0003050067560000031
公式(1)中的e为输入的误差信号，阈值w的值取决于PI模糊控制器的采样频率，选择开关控制的阈值w大于PI模糊控制器稳态误差的最大值。随着PI模糊控制器的采样频率的增加，由于PI模糊控制器的稳态误差随着采样频率增加而减小，阈值w也随之减小；而在模糊***输出速度误差绝对值大于w时，PI模糊控制器使输出响应更快超调量更低。
第一步：对PI模糊控制器的比例因子GE、GC和Gdu进行调优；
首先，通过用输入的误差信号e及其变化率Δe除以各自的比例因子GE和GC，对PI模糊控制器的输入进行归一化，使误差e覆盖整个域[-1,1]，从而有效地利用规则库；
然后对GE和GC进行优化，使***的瞬态响应尽可能好。
第二步：在没有增益调谐机制和PI模糊控制器的情况下，仅对PI控制器的参数KP和KI进行整定；利用公式和KI(k)＝KP(k-1)×α(k)对KP和KI进行调整，使***的稳态响应尽可能好。
第三步：确定开关机构的w值，使PI控制器处于稳态，PI模糊控制器处于暂态，使自整定模糊控制器处于调优状态，通过获得增益更新系数α(k)以获得对IFOC异步电机更好的控制性能。
一种用于异步电机驱动的自整定模糊控制方法，包括：
基于自整定调优算法来优化调整PI模糊控制器的比例因子GE、PI模糊控制器的比例因子GC、PI模糊控制器的比例因子Gdu、PI控制器的参数KP和PI控制器的参数KI。
优先地，基于自整定调优算法来优化调整PI模糊控制器的比例因子GE，包括：
GE(k)＝(1/GE(k-1))×α(k)，
其中，GE(k)是第k个采样实例的PI模糊控制器的比例因子GE，GE(k-1)是第k-1个采样实例的PI模糊控制器的比例因子GE，α(k)为预先设定的增益更新系数。
优先地，基于自整定调优算法来优化调整PI模糊控制器的比例因子GC，包括：
为了保持异步电机的驱动器的预期性能，需要对PI模糊控制器的比例因子GE、PI模糊控制器的比例因子GC和PI模糊控制器的比例因子Gdu进行实时调优,
速度控制器结构表示为:
u(k)＝u(k-1)+du(k)，
iqs *＝Gdu(k)×u(k)，
式中，k为采样实例，u(k)为PI模糊控制器的输出，du(k)为PI模糊控制器输出的增量变化；
iqs *为速度控制器的输出；
GC(k)＝(1/GC(k-1))/α(k),
其中，GC(k)是第k个采样实例的PI模糊控制器的比例因子GC，GC(k-1)是第k-1个采样实例的PI模糊控制器的比例因子GC，α(k)为预先设定的增益更新系数。
优先地，基于自整定调优算法来优化调整PI模糊控制器的比例因子Gdu，包括：
Gdu(k)＝Gdu(k-1)×α(k)，
其中，Gdu(k)是第k个采样实例的PI模糊控制器的比例因子Gdu，Gdu(k-1)是第k-1个采样实例的PI模糊控制器的比例因子Gdu，α(k)为预先设定的增益更新系数。
优先地，基于自整定调优算法来优化PI控制器的参数KP，包括：
KP(k)＝KP(k-1)/α(k)，
KP(k)是第k个采样实例的PI控制器的参数KP，KP(k-1)是第k-1个采样实例的PI控制器的参数KP，α(k)为预先设定的增益更新系数。
优先地，基于自整定调优算法来优化PI控制器的参数KI，包括：
KI(k)＝KP(k-1)×α(k),
其中，KI(k)是第k个采样实例的PI控制器的参数KI，KP(k-1)是第k-1个采样实例的PI控制器的参数KP，α(k)为预先设定的增益更新系数。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (6)

1.一种用于异步电机驱动的自整定模糊控制方法，其特征在于，包括：
基于自整定调优算法来优化调整PI模糊控制器的比例因子GE、PI模糊控制器的比例因子GC、PI模糊控制器的比例因子Gdu、PI控制器的参数KP和PI控制器的参数KI。
2.根据权利要求1所述的一种用于异步电机驱动的自整定模糊控制方法，其特征在于，基于自整定调优算法来优化调整PI模糊控制器的比例因子GE，包括：
GE(k)＝(1/GE(k-1))×α(k)，
其中，GE(k)是第k个采样实例的PI模糊控制器的比例因子GE，GE(k-1)是第k-1个采样实例的PI模糊控制器的比例因子GE，α(k)为预先设定的增益更新系数。
3.根据权利要求1所述的一种用于异步电机驱动的自整定模糊控制方法，其特征在于，基于自整定调优算法来优化调整PI模糊控制器的比例因子GC，包括：
速度控制器结构表示为:
u(k)＝u(k-1)+du(k)，
iqs *＝Gdu(k)×u(k)，
式中，k为采样实例，u(k)为PI模糊控制器的输出，du(k)为PI模糊控制器输出的增量变化；iqs *为速度控制器的输出；
GC(k)＝(1/GC(k-1))/α(k),
其中，GC(k)是第k个采样实例的PI模糊控制器的比例因子GC，GC(k-1)是第k-1个采样实例的PI模糊控制器的比例因子GC，α(k)为预先设定的增益更新系数。
4.根据权利要求1所述的一种用于异步电机驱动的自整定模糊控制方法，其特征在于，基于自整定调优算法来优化调整PI模糊控制器的比例因子Gdu，包括：
Gdu(k)＝Gdu(k-1)×α(k)，
其中，Gdu(k)是第k个采样实例的PI模糊控制器的比例因子Gdu，Gdu(k-1)是第k-1个采样实例的PI模糊控制器的比例因子Gdu，α(k)为预先设定的增益更新系数。
5.根据权利要求1所述的一种用于异步电机驱动的自整定模糊控制方法，其特征在于，基于自整定调优算法来优化PI控制器的参数KP，包括：
KP(k)＝KP(k-1)/α(k)，
KP(k)是第k个采样实例的PI控制器的参数KP，KP(k-1)是第k-1个采样实例的PI控制器的参数KP，α(k)为预先设定的增益更新系数。
6.根据权利要求1所述的一种用于异步电机驱动的自整定模糊控制方法，其特征在于，基于自整定调优算法来优化PI控制器的参数KI，包括：
KI(k)＝KP(k-1)×α(k),
其中，KI(k)是第k个采样实例的PI控制器的参数KI，KP(k-1)是第k-1个采样实例的PI控制器的参数KP，α(k)为预先设定的增益更新系数。
CN202110485429.4A 2021-04-30 2021-04-30 一种用于异步电机驱动的自整定模糊控制方法 Active CN113141138B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110485429.4A CN113141138B (zh) 2021-04-30 2021-04-30 一种用于异步电机驱动的自整定模糊控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110485429.4A CN113141138B (zh) 2021-04-30 2021-04-30 一种用于异步电机驱动的自整定模糊控制方法

Publications (2)

Publication Number Publication Date
CN113141138A true CN113141138A (zh) 2021-07-20
CN113141138B CN113141138B (zh) 2022-09-20

Family

ID=76816569

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110485429.4A Active CN113141138B (zh) 2021-04-30 2021-04-30 一种用于异步电机驱动的自整定模糊控制方法

Country Status (1)

Country Link
CN (1) CN113141138B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103414415A (zh) * 2013-07-05 2013-11-27 石成富 一种基于pi参数自整定的电机控制方法
CN110138299A (zh) * 2019-05-22 2019-08-16 河南科技大学 基于转子电阻在线辨识的无轴承异步电机逆解耦控制***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103414415A (zh) * 2013-07-05 2013-11-27 石成富 一种基于pi参数自整定的电机控制方法
CN110138299A (zh) * 2019-05-22 2019-08-16 河南科技大学 基于转子电阻在线辨识的无轴承异步电机逆解耦控制***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
何永勃等: "基于模糊自适应算法的异步电机矢量控制***", 《中国民航大学学报》 *

Also Published As

Publication number Publication date
CN113141138B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
Demirtas Off-line tuning of a PI speed controller for a permanent magnet brushless DC motor using DSP
Han et al. Improved online maximum-torque-per-ampere algorithm for speed controlled interior permanent magnet synchronous machine
CN110165953B (zh) 一种基于趋近律的pmsm调速控制方法
CN109510541A (zh) 基于分段式永磁同步电机滑模伺服控制的方法
Wang et al. Fuzzy self-adapting PID control of PMSM servo system
Wang et al. An improved predictive functional control with minimum-order observer for speed control of permanent magnet synchronous motor
Lin Retracted: Adaptive nonlinear backstepping control using mended recurrent Romanovski polynomials neural network and mended particle swarm optimization for switched reluctance motor drive system
Zou et al. Adaptive sliding mode based position tracking control for PMSM drive system with desired nonlinear friction compensation
CN113141138B (zh) 一种用于异步电机驱动的自整定模糊控制方法
Yu et al. Application of off-policy integral reinforcement learning for H∞, input constrained control of permanent magnet synchronous machine
CN113992098A (zh) 一种永磁同步电机稳态性能的提升方法、***
Rif'an et al. Adaptive PID controller based on additional error of an inversed-control signal for improved performance of brushless DC motor
CN114294461B (zh) 一种智能阀门电动执行机构的控制***构建方法
CN114977928A (zh) 一种永磁同步伺服***速度环和位置环参数自整定方法
Salem et al. Model predictive control for deadbeat performance of induction motor drives
Wang et al. A high performance permanent magnet synchronous motor servo system using predictive functional control and Kalman filter
Cheng et al. On-line auto-tuning of a DSP-controlled BLDC servo drive
Ezzaldean Design of speed-controller for brushless dc-motor based on grey predictor-pid controller
Tang et al. Direct torque control of induction motor based on self-adaptive PI controller
Al-Manfi Implementation of remote self-tuning fuzzy PID controller for induction motor through ethernet
Rashed Simulation of speed control for separately excited dc motor utilizing fuzzy logic controller
Feng et al. A new robust control to improve the dynamic performance of induction motors
Hassan et al. Block diagram analysis of speed time characteristics of a simple DC motor and modeling of a PID controller in fuzzy systems engineering
Rif’an et al. Design of extended kalman filter speed estimator and single neuron-fuzzy speed controller for sensorless brushless DC motor
Workineh et al. Evaluation of intelligent PPI controller for the performance enhancement of speed control of induction motor

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant