高性能智能控制器

1、适用于感应电机速度控制的高性能智能控制器美国senthilkumara，和美国vijayanb系电气和电子工程技术研究所，联合，哥印拜陀，泰米尔纳德邦，印度摘要：本文提出了一种应用于感应电机（IM）驱动器的实时实现情绪改进的控制器。我们用模糊技术通过计算传感器输入改进了基于大脑情感学习智能控制器（BELBIC）设计。该控制器被称为基于模糊的大脑情感学习智能控制器（BELFBIC）。这是第一次，大脑情感学习和基于模糊智能控制器用于空间矢量脉宽调制逆变器供电异步电机的V / F速度控制。V / F控制简单，比较容易实现。它提供了足够大多数应用的电动机性能。还进行PID控制器和模糊控制器的比较分析，

2、并在MATLAB/SIMULINK环境中进行了仿真。该控制器顺利实现了实时使用基于三相0.5 HP实验室鼠笼式IM数字信号控制器（dsPIC30F2010）。关键词：情感学习，感应电机（IM），智能控制器，BELFBIC，PID，模糊控制，V / F速度控制1.简介异步电动机（IMS）已成为现代社会的工业主力。由于它们价格便宜，结构坚固且简单，维护成本低，产量高，可靠性好，输出功率大，体积比和低工作噪音，在百余年前，这些电机已经投入使用。尽管优点很多，完善感应电机控制参数的滑爽性和功率损耗却是充满挑战的1，2。在直流（DC）电动机驱动器上3，间接矢量控制技术能够得到良好的动态响应。将矢量控制应

3、用于异步电机变频调速。矢量控制方案无法保持当基准磁通在弱磁通区域被改变时转矩和通量之间的去耦的特性。运用许多方法已经开发出了异步电机变频调速1,4，正如直接转矩控制（DTC）方法的开发，它测试感应电机的驱动系统5,6。但用DTC方法，很难控制在低速的转矩和噪音，为了解决上述问题，已开发出各种智能系统7-23。人工智能（AI）技术，诸如专家系统（ES），模糊逻辑（FL），神经网络（神经网络）（NN），或生物激励（BI）的遗传算法（GA），最近已经施加在在马达驱动器中。 AI系统已经开发出了控制与自我学习能力的驱动器。 AI系统智力是用来解决控制问题7。基于规则的ES，被应用FL和NN技术驱动系统

4、7-9。 L·栋和E·伊斯基耶多分析了BI系统10。 NN技术被应用于控制交变电流驱动系统9,11-16。根据遗传学的猜测，已经被应用到驱动器17。另外，强大的智能控制和估计技术可混合AI系统如神经模糊使用，对神经遗传与神经模糊遗传系统7等进行开发。研究人员试图基于人类大脑的行为25-27发展的典范对模糊神经网络和滑模控制方法的比较进行解释18，19。 J·莫兰和C·保科纳斯开发的不用于任何执业领域的杏仁核和上下文处理的计算模型叫做脑情感学习（BEL）模型27。 2004年，卢卡斯开发的基于BEL的智能控制器28被命名为脑情感学习型智能控制器（BELBI

5、C），该控制器已应用于许多工业驱动系统29-36。情绪改进控制器适用于采暖，空调，洗衣机和微换热器29-31。该控制器被应用于汽车悬挂控制系统与天车33，34。首次，M.A拉赫曼，R.M 米拉斯，已经将这种情感控制应用于永磁同步电机36的速度控制。 Markadeh GRA和Daryabeigi E将这个控制器应用于异步电机40的速度和流量控制。在本文中，我们运用模糊技术通过计算传感输入对BELBIC设计进行了改善，正因为如此，控制器的性能得到改善。本文所提出的智能控制器叫做BELFBIC。第一次，我们提出，一个用于三相异步电机驱动的V / f速度控制的新BELFBIC。我们提出的控制方法在M

6、atlab / Simulink环境中进行了仿真。所提出的异步电机的情绪控制器已经在实验室内实验实现，它展现了利基工业规模的利用的良好前景。2、 异步电动机的数学模型正如任何电力电子驱动系统的控制，场的数学模型是需要进行设计的，异步电机的模型是根据旋转（D,Q）域引用（不饱和）的概念确立的。 （1） （2） （3） （4）式中，和为定子直接与定子正交的轴分电压。和是转子直接与转子正交的轴分电压。电流的磁链是由公式（5）给出（5）异步电机的电气部分可有一个四阶状态空间模型（4×4）进行说明，通过联立等式（1）-（5）得到等式（6）为其中A是由下式给定产生的瞬时转矩由下式给出电感表示的电

7、磁转矩由下式给出马达的机械部分模型是由以下方程建立这个异步电机模型通过比例积分微分（PID）控制被进行进一步的设计。模糊与BELFBIC的控制策略。3. 基于异步电机V / F控制常规PID系统PID控制器旨在为IGBT提供控制信号的。逆变器的输出是V / F控制，它被给定为三相异步电动机输入。其速度被取为反馈，并将其与设定速度进行比较。该误差信号被给定为PID控制器的输入。空间矢量调制（SVM）最初是作为三相逆变器脉宽调制（PWM）的载体。以较低的总谐波失真提供了一个用于电动机的的较高电压的正弦波是较复杂的技术。空间矢量脉宽调制（SVPWM）方法是所有变频驱动应用PWM技术中较先进的PWM方

8、法，可能是最好的。比例-积分-微分控制器（PID控制器）是一个广泛应用于工业控制系统的通用控制回路反馈机制。 PID是最常用的反馈控制器。定义U（t）为控制器输出时，PID算法的最终形式是 式中 ：比例增益， ：积分增益，   积分限为从0到t。 ：微分增益 E：误差 T：时间或瞬时时间（当前）齐格勒-尼库斯整定方法被用于调节PID控制器。比例，积分和导数项是为了计算PID控制器输出的。PID控制器计算一个测量的过程变量与所需的设定点之间的“误差”值。我们已经完成基于绝对值积分的的误差（IAE）的控制器的调节。 积分的的限是从0到42。我们从产生的参考频率输出正比于绝对误差

9、在IAE基础上对Kp，Ki和Kd的值进行调整和计算。 =0.01，=1.5750和=11.52。控制器试图通过调节过程控制输入，以最小化误差。 PID控制器计算一个“误差”值作为测量的过程变量和所需的点之间的差异。控制器试图通过调节过程控制输入，以最小化误差。 4.基于模糊V / F控制系统感应电动机的速度控制是通过维持电压频率比恒定进行以避免气隙磁通变化。模糊系统算法根据语言规则处理数据库中的输入，并将基本频率的变化作为它的输出24。因此，该信号被加到产生的实际基频基准的最后一个频率值。工作的IGBT产生PWM信号。三相感应电机通过一个基频和等效电压PWM逆变器，使得保持恒定V / f比值供

10、给。模糊化是最小-最大型，去模糊化是中央型。有2个输入变量和1个输出变量。我们使用7输入隶属函数和9个输出隶属函数。模糊规则库如表1所示，语言描述如下：“NB”是“负大”，“NM”，是“负中”，“NS”是“负小”，“Z”是“零”，“PS”为“正小”，“PM”，是“正中”，“PB”为“正大”，“NVB”是负的非常大“和”PVB“是”积极正和非常大的。“前两个规则的描述如下在“速度误差”语言变量的话语宇宙被设计为-30，30转速区间。因此，有人1-1由模糊化过程之前除以速度误差信号归为一。 “速度误差变化”语言变量调整为-30，30转，这是除以30取信号到1,1区间的话语世界。以类似的方式，将“频

11、率变化”输出用1,1区间赫兹语言变量乘以30把它带到了-30，30。模糊控制器的表面视图显示在图8.当应用于异步电机调速的Mamdani型模糊系统的控制策略，相比于其他类型的产生极好的效果。表1 模糊规则库如果（速度误差为NB）和（速度误差变化NB）然后（频率变化NVB）如果（速度误差为NB）和（速度误差变化NM）然后（频率变化为NB）“速度误差”的论域被设计为-30，30转速区间。因此，通过除以模糊化过程之前速度误差信号得-1,1。“速度误差变化”的裕量调整为-30，30转，这是除以30取信号到-1,1区间的论域。以类似的方式，用“频变”输出裕量-1,1赫兹区间乘以30把它带到了-30，30

12、。模糊控制器的表面视图显示如图8。相比于其他类型，异步电机的调速采用马丹尼型模糊系统的控制策略能产生极好的效果。5. 提议大脑情感学习和基于异步电机V / F控制结构基于模糊智能控制器（BELFBIC）大脑情感学习和基于模糊智能控制器（BELFBIC）是用于三相感应电机的V / F速度控制的。在哺乳动物中，边缘系统用于处理的情绪反应。边缘系统存在于是大脑皮质38中。边缘系统的主要组成部分是杏仁核，轨道额叶皮质，丘脑和感觉皮层。杏仁核可以与边缘系统40中的所有其他皮质沟通。该系统的主要情感调节发生在杏仁核内。即，刺激和其情绪结果的关联发生在这个区域中。刺激和其情感结果的关联发生在杏仁核。杏仁核的

13、任务是将一个初级情感值分配给与初级加固配对的每个刺激。这个任务是由前额皮层提供帮助。在学习理论方面，杏仁核出现处理初级加固的呈现，而前额皮层参与了检测加固40的遗漏。的BEL处理（BELBIC）的开发的网络模型的图形描绘示于图。 9 40。模拟的哺乳动物脑的某些部分的计算模型结构如图10所示40。该BELBIC背后的机制是基于感觉输入和情绪线索。在感应电动机中，反馈信号被作为感觉输入。情感线索取决于性能目标。情感的学习过程发生在杏仁核。现有BELBIC控制器通过施加模糊技术通过计算感觉输入进行修改。因此，BELBIC是为了提高控制参数，如超调量，稳态误差，稳定时间和感应电机速度控制上升时间改名

14、为BELFBIC。BELFBIC模型如图1所示。杏仁核和前额皮层形成与每个感觉输入相连的网状结构。此外，还有的杏仁核内对于丘脑输入另一个连接。此输入的值等于感觉输入40的最大值。BELFBIC基于控制系统的结构如图2所示。三相交流电源经过一个转换器转换成直流电。直流由逆变器转换成交流控制。逆变器的IGBT开关脉冲通过BELBIC控制器控制。 BELBIC控制器获取速度和频率从异步电机中反馈，它产生对逆变器IGBT开关的时间脉冲的。基于这些脉冲，逆变器输出变化能保持恒定的V / F37。通过这个方法能有效地实现三相异步电机的速度控制。 BELFBIC模型可作如下说明。情感线索可由等式13来计算。

15、误差信号，传感器输入，情感规则，图1 BELFBIC模型图2 BELFBIC基本控制系统结构感觉输入（SI）可以通过等式14来计算。式中EC，MO，SI和e是情感线索，控制模式输出，感觉输入和输出误差。 J1和J2是要调整以获得所需的控制器输出的增益。£=£1，£2。 。£N是集合x的一个模糊子集，由£F（X）来表示;=1，2。 。 。 N是集合y的模糊子集，由F（Y）表示;R =RIJ n×m个F（X，Y）;。N，M=7，R是规则。杏仁核输出由等式15给出。前额皮层输出由公式16给出。是前额的连接增益。 是扁桃体连接的增益。模型的输

16、出是由等式17给出。 基于三相感应电机的V / f速度控制BELBIC控制器如图3所示。将感应电动机的实际速度与参考速度进行比较，可以提供带有速度误差和速度误差的变化的BELFBIC的输入。该BELFBIC系统处理输入的同时提供其模型输出（MO）的基准频率。此后，该信号被与VSI的实际频率相比较的结果是频率误差。SVPWM发生器产生基于频率误差的16进制桥型逆变器的脉冲。三相异步电动机驱动器的BELFBIC的提出，是用原型数字信号控制器(dsPIC30F2010)实验实现的。图3 基于三相异步电机V/f速度控制的BELFBIC仿真模型图4 试验装置系统实验装置的系统如4所示。BELBIC控制器

17、产生用于开启六个IGBT的PWM信号。三相感应电动机用的PWM逆变器具有一个基本频率和等效电压，如将V / f比值保持恒定。异步电动机的输入由三相0.5千瓦电压型逆变器使用dsPIC与PIC单片机的20 kHz的开关频率供给。电动机的动力为0.5马力。电动机的速度是由光学传感器感测到，并且它的输入被提供给的PIC微控制器。PIC微处理器将数据发送到数字信号控制器（dsPIC30F2010）。 BELFBIC控制器可通过dsPIC控制器实现，并产生开关频率来控制IGBT。逆变器是专门为这个实验设计，用装有25A的IGBT-1200V六个功率开关，驱动系统已经用快速和智能IGBT驱动器设计，保证了

18、逆变器和控制系统39之间的距离。除了这一点，有用来显示电机速度和键盘设置的LCD，并且监视的参数通过该电平转换器（MAX232）发送到PC端。 BELBIC控制器用于低，中测试和额定转速下的各种载荷。 6、结果与讨论6.1、仿真结果感应电机的参数在表2中给出。在这一部分中，分析整个控制器在设定为2000转每分空载下的速度响应。表2 电机参数图5 基于PID控制器的速度响应图6 基于模糊控制器的速度响应设定为2000转每分的PID控制器模拟结果如图5所示。设定为2000转每分的模糊控制器模拟结果如图6所示。在本节中，对常规PID控制器和模糊控制器进行比较分析，以验证所提出BELBIC控制器。图7

19、显示了BELBIC控制器在2000rpm的设定速度下的速度响应。图8显示出带有BELBIC控制器的异步电动机满载时三相定子电流。图9显示出具有BELFBIC控制器异步电动机满载时转矩波形。图10示出了具有BELFBIC控制器的异步电机从空载到半载的负荷转矩的变化波形。负荷在0.27秒时从空载变化到半载。PID，模糊和BELFBIC控制器的性能比较结果列于表3。根据模拟结果，BELBIC控制器在输出稳定时间和上升时间相比PID控制器和模糊控制器具有较少的过冲。6.2、 实验结果在本节中，对BELBIC控制器实时速度响应进行了讨论。空载情况下，速度为800转、1000转和1440转的硬件测试结果如图11、12、13。图7 基于BELFBIC控制器的速度响应图8 三相负载电流图9 转矩波形图10 改变负载得到的转矩波形表4 空载时BELFBIC控制器实验结果BELFBIC controller performances under no load results are given in Table 4.空载时BELFBIC控制器实验结果如表4.图11 空载定速800转的BELFBIC响应图12 空载定速1000转的BELFBIC响应图13 空载定速1440转的BELF