基于自适应模糊PID方法的轮毂无刷直流电机控制与仿真

针对轮毂式电动车用永磁无刷直流电机转速PID控制精度低、控制不稳定和响应滞后等特点,根据轮毂电机参数的变化,利用模糊控制对PID参数进行在线自适应调整,提出了一种基于自适应模糊PID的转速控制方法,获得了高精度的转速控制。首先分析永磁无刷直流电机的动态数学模型,在MATALB/Simulink平台下,将模型按功能进行子模块建模,并通过与S函数相结合构建无刷直流电机的转速自适应模糊PID的双闭环控制系统模型,最后考虑车辆实际行驶情况,进行了电机系统运行工况的仿真分析。结果表明,采用自适应模糊PID控制无刷直流电机,能够实现控制精度高、响应速度快、无超调,且系统对干扰和参数变化具有较强的鲁棒性,明显改善对电动车用轮毂驱动电机的控制效果,提高电动车辆行驶的操纵性和稳定性。     

模糊自适应PID控制器在无刷直流电机控制系统中的应用研究

对于具有多变量、时变性、非线性、强耦合等特性的无刷直流电机(BLDCM)控制系统,传统的PID控制很难实现良好的控制效果.基于无刷直流电机(BLDCM)的数学模型,提出一种基于模糊自适应PID控制的速度控制方案.该算法根据电机转速变化,采用模糊控制原理对PID的参数进行在线整定,实现优化控制.仿真结果表明,模糊自适应PID控制具有转速响应快,超调量小等优点,使系统对扰动和参数变化都具有较强的鲁棒性,控制效果优于传统的PID控制.     

基于单神经元自适应PID的PLC直流电机控制系统

针对微型计算机和单片机进行直流电机控制时,抗干扰能力和可靠性差等缺点,提出了一种基于单神经元PID(Proportional-Integral-Derivative)算法的PLC(Programmable Logic Controler)控制直流电机的调速系统,设计了PLC控制D/A(Digital/Analog)转换电路、直流电机驱动电路、转速脉冲反馈电路,研究了单神经元自适应PID控制算法。将有监督单神经元控制算法应用于直流电机调速系统,通过调整神经元控制器的加权系数,实现自适应PID的最优控制。单神经元PID调节在大范围调速和抑制超调方面都有明显的改善,进而提高了直流调速系统的精度。通过系统动态测试,实现了PLC控制直流电机正反转自动调速,直流电机在稳态运行时,转速误差小于1 rad/s。     

基于模糊PID模型的无刷直流电机转速控制

摘要：无刷直流电机（BLDCM）是一种多变量、强耦合、非线性、时变的复杂控制系统,采用传统的PID控制很难实现无静差控制。本文针对无刷直流电机（BLDCM）提出了一种基于PID模型的转速控制方案,利用无刷直流电机的电压与转矩转速方程,通过调节PID参数来实现转速控制,采用模糊原理对PID参数进行模糊化,根据电机参数的变化,对PID参数进行在线调整,取得了高精度的转速控制。仿真和实验结果表明,采用本文提出的模糊PID控制方法控制无刷直流电机,能够实现响应速度快、无超调、控制精度高,且系统对干扰和参数变化具有较强的鲁棒性,动、静态性能均优于传统的PID控制和单纯的模糊控制。     

基于PSO算法的无刷直流电机自适应PID控制研究

无刷直流电机(BLDCM)是一种多变量、非线性系统,传统PID控制器的参数具有难以整定的缺点,导致其难以满足BLDCM系统的控制要求。针对这一现状,提出了一种基于微粒群优化算法(PSO)的BLDCM自适应PID速度控制算法,该算法利用PSO具有的灵活、均衡的全局和局部寻优能力,对PID控制器的参数进行在线整定,提高了PID控制器的自适应能力。仿真实验表明,系统超调量小、转速响应快、转速波动小,比传统PID速度控制具有更好的动态特性和鲁棒性。     

基于混沌精英黏菌算法的无刷直流电机转速控制

针对传统比例-积分-微分(proportional integral differential, PID)在无刷直流电机转速控制中存在响应速度慢、稳定性差等缺点,提出了一种基于混沌精英黏菌算法的自适应控制方法。首先,分析并建立了无刷直流电机数学模型。其次,为进一步提高标准黏菌算法的收敛速度和求解精度,采用Tent混沌映射丰富种群多样性,同时引入精英反向学习策略扩大搜索范围。最后,将上述改进算法应用于无刷直流电机的速度环PID参数自整定。通过在不同运行条件下进行MATLAB仿真以及实验,结果表明:对比传统PID以及模糊PID,所提方法能够使得控制精度得到显著提高,并且具有响应速度快,抗干扰能力强等优势。     

基于DSP直流无刷电机控制系统的设计与实现

介绍了有位置传感器的无刷直流电机的工作原理和控制系统组成,设计了基于TMS320F28335控制器和IR21366功率驱动芯片的控制驱动系统,详细介绍了系统各部分接口电路设计方案和实现功能.根据无刷直流电机转速控制的特点,设计了转速和电流两个调节器,采用积分分离PID控制算法有效减小了超调量.实验结果表明,该系统可靠、响应速度快,达到了良好的控制效果.     

基于模糊PID的无刷直流电机电流跟踪控制

为了改善传统的转速PID不能根据无刷直流电机参数变化自适应调整的缺点,同时使其具有良好的动态电流响应,本文将模糊转速PID控制和固定频率的电流跟踪控制相结合用于无刷直流电机的控制系统中.首先介绍了模糊PID的概念及算法模型,然后分析了固定频率的电流跟踪控制技术,最后利用在MATLAB/simu link基础上建立的控制系统仿真模型对本文提出的算法进行了验证并与采用传统PID的系统进行了比较,仿真结果证明了采用模糊PID和固定频率的电流跟踪控制相结合的系统的高效性和合理性.     

基于自适应模糊PID无刷直流电机控制研究

无刷直流电机具有高度的非线性特性,为了提高电机转速控制的稳态和动态特性。设计了无刷直流电机自适应模糊PID控制系统,并在MATLAB/Simulink平台上与传统PID控制系统进行了对比仿真实验。仿真结果表明：在突变负载干扰下该控制方法能有效提高转速的响应能力,降低了转速超调量和转矩脉动,大大增强了系统的鲁棒性。     

免疫单神经元PID控制在永磁交流伺服系统中的应用

针对传统PID调节不易在线实时调整参数,难以有效控制复杂和时变系统的不足,以及单神经元PID控制不能实时调整增益、响应慢的缺点,介绍了一种通过免疫反馈机理实现增益自调整的单神经元自适应PID,并将其应用于永磁交流伺服系统.系统转速环控制器采用基于单神经元的自适应PID控制算法,实现PID参数的在线实时调整.在单神经元中引入免疫反馈机理,实现增益自调整,提高其响应速度.仿真和实验结果表明,该算法可以在一定程度上增强系统的抗扰动能力,改善系统的速度控制效果,使转速的超调更小、振荡减弱、响应速度加快、稳态误差减小,提高了系统的动态和稳态性能.     

无刷直流电机的变论域模糊自适应PID控制系统设计

为了改善无刷直流电机的调速性能,针对普通模糊PID速度控制器的缺陷,研究了基于变论域思想的自适应模糊PID控制器及其在BLDCM控制系统中的应用.在Matlab仿真平台下,建立了BLDCM的模型,构建了BLDCM的电流、转速双闭环控制系统,其中转速环采用了变论域自适应模糊PID控制器,电流环采用普通PID控制器.仿真结果表明,与常规PID控制器和普通模糊PID相比,采用变论域自适应模糊PID控制器的优势在于:转速输出无超调、响应速度快、控制精度高,具有较强的鲁棒性和自适应能力.     

基于神经网络的永磁同步电机的鲁棒控制

提出一种基于神经网络的永磁同步电机的鲁棒控制策略·基于此策略设计了神经网络PID速度控制器,使速度控制器能实时在线调整,由一种混合型神经网络作为辨识器,利用神经网络的学习特性实现对永磁同步电机系统不确定性的鲁棒控制·为了加快响应速度,提高响应性能,采用多步预测性能指标函数下的反传算法·仿真和实验结果表明,所提出的控制方法明显优于一般永磁同步电机系统的控制方法,具有较强的鲁棒性·     

基于补偿模糊神经网络的BLDCM伺服控制

为了实现无刷直流电机(BLDCM)位置伺服系统的高精度位置跟踪控制,针对系统多变量、非线性、强耦合、时变的特点,提出了一种基于补偿模糊神经网络控制器(CFNNC)的设计方法.该控制器将补偿模糊逻辑和神经网络相结合,引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度.仿真和在DSP控制系统上的实验结果表明,采用补偿模糊神经网络控制器,系统响应快、精度高、鲁棒性强,动态特性明显优于传统PID控制.     

LQR优化的BP神经网络PID控制器设计

针对传统神经网络PID(比例 积分 微分)控制器和传统线性二次调节器(LQR)优化型PID控制器对无刷直流电机转速控制恢复时间长及抗干扰性较差等问题, 提出一种LQR优化的BP神经网络PID控制器, 用于无刷直流电机的转速控制. 首先, 利用BP神经网络对PID增益进行调节, 提高控制器的动态适应性和鲁棒性； 然后, 采用LQR优化BP神经网络最优输出, 使其更接近目标PID增益. 仿真结果表明, 该控制器有效提高了响应速度, 减小了稳态误差并增强了抗干扰能力.     

无刷直流电机免疫反馈自适应学习人工神经网络控制

针对BP神经网络收敛速度较慢、学习时间较长的缺陷，提出了基于免疫反馈规则的神经网络控制器用于无刷直流电机的转速控制中．该规则根据免疫系统中的T细胞的生物免疫反馈机理而总结出来，包括决定应答速度的激活环节和决定稳定效果的抑制环节．将免疫反馈规则应用于BP神经网络训练中学习速率的自适应调节，加快了神经网络的收敛速度，缩短了学习时间．无刷直流电机控制系统采用双闭环控制，内环为电流环，外环为速度环．MATLAB仿真和实验表明，采用该方法的系统超调量小、速度响应快，而且速度响应受电机参数变化影响小，各种外界干扰也得到了很好的抑制，具有较高的控制精度和较好的动、静态性能．     

基于改进模糊PID的轮式机器人速度控制器设计

针对轮式机器人在行走过程中存在速度平衡超调较大与调节时间较长、速度平衡效果较差的问题,采用Matlab/Simulink与Carsim仿真软件建立轮式机器人四轮差速运动模型,对于无刷直流电机(BLDCM)系统,在原有模糊PID的基础上,结合抗积分饱和算法与变速积分算法,提出一种改进模糊PID控制的调速方法。仿真结果表明,通过抗积分饱和与变速积分算法改进后的模糊PID控制器与传统模糊PID控制器相比,在机器人速度平衡控制过程中,超调降低30%,调节时间降低33%,具有速度响应时间短、速度响应曲线波动小的优点。搭建了轮式机器人实验验证平台,实验结果表明,改进后的模糊PID控制调速方法的速度响应快,满足轮式机器人速度控制需求。所提设计可为轮式机器人速度稳定系统调试提供理论指导,并可应用于以速度调控为主导的控制系统。     

静液传动履带车辆转向神经元自适应PID控制

为实现静液传动履带车辆快速稳定转向,且转向轨迹可控,基于双侧轮边液压驱动结构特点,提出了转向时外侧马达排量采用压力、发动机转速双参数控制,内侧采用神经元自适应PID控制以跟随外侧的转向控制策略. 在Matlab/Simulink中建立了包含基于S函数的神经元PID控制器和综合控制策略Stateflow模块的整车模型,对转向控制进行仿真分析,阶跃输入时,神经元PID比传统PID控制能有效抑制系统超调量,加快系统响应速度;不同转向工况仿真结果表明:神经元PID控制具有较好的目标跟随能力,提高了系统的实时性和鲁棒性,使得静液传动履带车辆具有良好的转向性能.