英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
模糊PID的设计与实现无刷直流电机控制系统控制器
魏凡1，a，陶辰2，b
1桂林电子科技大学，桂林541004
2西安电子科技大学机电工程学院，西安710071
关键词：模糊控制，比例积分微分（PID）控制，数字信号处理器（DSP），无刷直流电机（BLDCM）
摘要：本文提出了一种鲁棒的模糊比例积分微分（PID）控制器无刷直流电机（BLDCM）控制系统。 BLDCM控制系统的硬件电路是使用数字信号处理器（DSP）TMS320LF2407A和单片机进行设计和实现BLDCM控制器MC33035为核心。 此外，一个模糊PID控制器，结合了模糊控制器鲁棒性好，传统PID控制器精度高，用于硬件系统，从而产生数字智能BLDCM控制系统。实验结果表明，控制系统可以稳定运行，准确控制令人信服地证明了所提出的模糊PID控制器在BLDCM中的有用性控制系统。
背景介绍:随着电力电子技术和微控制器技术的飞速发展近年来，BLDCM已被广泛应用于各个工业控制领域，因为它有很多性能好，体积小，效率高，运行可靠，维修方便。由于现代工业的发展，对BLDCM控制性能的要求系统越来越高[1]。所以开发这样一个控制系统是非常重要的响应强大，调节能力强，精度高。许多研究人员进行了研究BLDCM控制系统的控制方案，以及一些良好的控制算法提出。 Wang等[2]提出了部分内部模型控制（PIMC）控制方案能够控制稳定和不稳定的过程。在[3]中，Baek和Kuc提出了一种适应性PID学习控制器，由一组用于PID增益调节和学习的学习规则组成辅助输入。本文以DSP芯片TMS320LF2407A和BLDCM为特色集成电路MC33035为核心设计BLDCM系统硬件电路。基本上来说对PID控制和模糊控制进行了深入的研究，形成了一种模糊PID算法结合传统的PID控制和模糊控制在硬件系统中采用的良好BLDCM控制系统获得控制性能。提出的模糊控制器模糊PID控制器的结构模糊PID控制器由两个元件组成：传统的PID控制器和模糊的控制器[4]。模糊PID控制器的结构如图1所示。
图.1 模糊PID控制器的结构
其中e是错误在设定速度值r（k）和实际输出y（k）之间，即e（k）= r（k）-y（k），ec是误差的变化，即ec（k）= e（k）-e（k-1）。
在实际控制过程中，模糊PID控制器首先计算当前的转速误差，e（k）和第k个采样周期的误差变化率ec（k）。那么e（k）和ec（k）乘以量化因子Ke和Kec。第三，根据定量投入和通过查找模糊控制表，可以得到模糊控制器的输出常规PID控制器的控制参数。最后，根据调整的控制参数，PID控制器将计算控制值以控制BLDCM。PID控制模块设计BLDCM控制系统中的PID控制器采用增量PID算法，控制器的输入是转速误差，输出参数是控制增量。
算法描述如下[5]：
Delta;u（k）=u(k)-u(k-1)
=kp[e(k)-e(k-1)] ki*e(k) kd[e(k)-2e(k-1) e(k-2)] (1)
其中e（k），e（k-1）和e（k-2）分别是控制器的第k，（k-1）和（k-2）个输入;
u（k）和u（k-1）分别是控制器的第k和第（k-1）输出; Delta;u（k）表示
输出增量。
模糊控制模块设计
模糊控制器设计的第一步是确定BLDCM的哪些状态变量控制系统可以作为控制器的输入变量。旋转速度误差e（k），差分转速误差ec（k）用作模糊控制器的输入。模糊PID控制器采用三个输出：Delta;Kp，Delta;Ki和Delta;Kd，定义为经典线性PID控制器的等效比例，积分和微分调谐参数，分别与旋转速度误差“e（k）”相关联的语言模糊变量有七个模糊集：负大（NB），负媒（NM），负小（NS），零（O），正小（PS），正中（PM）和正大（PB），每组具有其自己的成员功能。这样，对于任意给定值的转速误差，隶属度mu;，to它属于这些集合中的每一个，可以确定，并且基于此进行控制决策可以获得信息。类似地，语言模糊变量“ec（k）”可以由a描述一组部分重叠的模糊集作为NB，NM，NS，O，PS，PM和PB，每组具有其
自己的会员功能。此外，这三个输出Delta;Kp，Delta;Ki和Delta;Kd也有七组：NB，NM，NS，O，PS，PM和PB。指定模糊集后，需要确定这些集合的隶属函数。典型的三角隶属函数被用于
两个输入和三个输出。图2和3显示了模糊输入的隶属函数。
图.2 速度的会员功能误差和差速误差图.3 Delta;Kp，Delta;Ki和Delta;Kd的成员函数
设计模糊控制器的下一步是确定模糊控制规则。双输入和单输出系统中模糊控制器的控制规则是“如果E和EC，然后是C”。所需的模糊控制规则的数量等于模糊集数的乘积这组成了两个模糊输入变量。对于这里描述的模糊控制器，输入变量表示转速误差和相应的转速差错误由7个模糊集组成。因此，这三个要求共有49个模糊规则调整参数。这些模糊控制规则已经根据理解来确定经典PID控制理论，BLDCM控制系统的响应[6]。获得模糊控制规则后，设计模糊控制器的最终关键步骤是模糊控制表的创建是模糊控制算法的核心。如果是的话句子“如果E和EC，那么C”意味着（Etimes;EC）→C。根据Mamdani推论规则[7]，模糊向量矩阵组合关系R表示如下：
R=E*Ec*C (2)
因此，模糊输出C可以表示如下：
C=(E*Ec)*R (3)
为了加快计算速度并简化程序，模糊向量矩阵通过使用组合关系R在设计期间计算并形成到表格中模糊逻辑工具箱包含在MATLAB环境中。比例，积分和微分控制参数Kp，Ki和Kd可以确定为如下：
Kp=kp0 ∆Kp
Ki=ki0 ∆Ki (4)
Kd=kd0 ∆Kd
其中Kp0，Ki0和Kd0是初始比例，积分和微分控制参数。当控制系统运行时，三个输出的值Delta;Kp，Delta;Ki和Delta;Kd被更新在线查看模糊控制表。 这样，这三个PID控制参数就可以
由模糊控制器实时调整，并通过e和ec调整PID参数的请求不同的时间满足，在实际的BLDCM控制系统中，对模糊PID控制器的实现进行了编程到一个子程序。 显示模糊PID子程序的功能框图如图1所示。
图.4 显示模糊PID子程序的功能框图
硬件系统说明
整体控制系统的硬件框图如图1所示。 硬件设备由四个主要元素组成：个人计算机（PC），TMS320LF2407A DSP控制板，电机驱动板和检测模块[8]。
图.5 BLDC控制系统的硬件框图
DSP控制板
TMS320LF2407A DSP控制板构成闭环系统的核心。 DSP控制板由以下几个模块组成：TI生产的TMS320LF2407A DSP芯片公司及相关必备外围电路，包括电源转换电路，时钟和复位电路，通信电路和存储器扩展电路。 除了控制的职责外，操作界面，实现与PC，DSP控制板的实时通信执行从PC的控制信号的采集和来自旋转的反馈信号编码器，计算错误信号，将误差信号传递给控制算法，并执行控制算法来确定控制信号。
电机驱动板
驱动板是为BLDC电机驱动开发的，它通过PC与PC连接DSP控制板。电机驱动板由三个主要电路单元组成：MC33035控制器电路单元，IR2130驱动电路单元和三相逆变电路单元。 MC33035摩托罗拉生产的是高性能第二代单片BLDC电机控制器包含实现全功能三相或四相电动机所需的所有主动功能应用力学与材料Vol。 432 475控制系统。国际整流器生产的IR2130是高电压，高速电源MOSFET和IGBT驱动器，具有三个独立的高低参考输出通道。的BLDC电动机控制包括在电动机阶段产生直流电流。这个控制是细分为两个独立的操作：第一，定子和转子磁通同步，然后进行控制的当前值。两种操作均通过三相逆变电路单元
检测模块
检测模块由定子电流检测，转子位置检测和转速组成检测BLDCM。 运行控制系统后，实际电流，实际位置和可以监控实际速度，并作为系统控制的反馈信号源保护。 定子电流检测通过采样标准电阻来实现。 转子位置通过使用BLDCM的三个内置霍尔效应位置传感器来实现检测。 旋转速度检测采用每转1000线的增量旋转编码器。
实验结果与讨论
测试台采用自主研发的电机驱动板和DSP控制板构成几个测试样品在实验室完成，以说明提出的有效性模糊PID控制器，并评估整体控制系统的性能,图.6显示一张照片的实验装置。
图.6 实验装置的照片
在实验中使用三相BLDC电机60ZWN24-35，额定电压为24V直流，额定电流0.8A，额定功率35W，额定转速3500rpm，额定功率扭矩120mN.m，3极对。可变自耦变压器用于提供驱动电路交流电压为220V。开关模式电源也用于提供三相4V DC驱动电路的逆变器组件。其他仪器用于实验包括DSP仿真器，数字示波器和数字万用表。图。图7示出了开发的BLDCM控制系统的BLDCM启动示例。横坐标单位为毫秒，纵坐标为r / min。电机目标速度设定为1500 rpm。当系统稳定时，转速在1494〜1507 rpm之间波动，因此稳态误差小于0.5％。如图所示，系统动态响应较小，体积小超调，调节时间短，稳态误差小，所以动态性能和控制系统的静态性能优越。
图.7 BLDC启动的速度响应曲线
结论：
混合模糊PID控制器将模糊控制与经典PID控制相结合在本文中开发和描述。 测试台采用自主研发的电机构成驱动板和DSP控制板，并在实验室中完成了几个测试用例证明了所提出的模糊PID控制器的有效性。
实验结果表明所提出的混合模糊PID控制器具有良好的控制性能和BLDCM控制系统可以稳定运行，准确控制，值得引进和应用无刷直流电机控制系统中的模糊PID控制器。
参考文献
[1] X.L. Yao, W.M. Tong, G.H. Yin, et al. Study on sensorless brushless DC motor fuzzy
self-tuning-PID control system. Chinese Journal of Scientific Instrument, 2009, 30(1): 187-192.
[2] Q.G. Wang, Q. Bi, Y. Zhang. Partial internal model control. IEEE Transactions on Industrial
Electronics, 2001, 48(5): 976-982.
[3] S.M. Baek, T.Y Kuc. An adaptive PID learning control of DC motors. IEEE International
Conference on Systems Man and Cybernetics, 1997, 3:2877-2882.
[4] K.S. Tang, K.F. Man, G.R Chen, et al. An optimal fuzzy PID controller. IEEE Transactions on
Industrial Electronics, 2001, 48(4): 757-765.
[5] F.M. Li. The research of controlling arithmetic forfigure PID. Journal of Liaoning University,
2005, 32(4): 367-370.
[6] L.Y. Zhou, G.S. Zhao. Application of fuzzy-PID control algorithm in uniform velocity
temperature control system of resistance furnace. Chinese Journal of Scientific Instrument, 2008,
29(2): 405-409.
[7] E.H. Mamdani, S. Assilian. An experiment in linguistic synthesis with a fuzzy logic controller.
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[25623]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
