第9卷第3期2009年9月温州职业技术学院学报JournalofWenzhouVocationalTechnicalCollegeVol.9No.3Sep.20092009-03-05乔维德(1967—,男,江苏宝应人,常州市广播电视大学科研处,教授.[收稿日期][作者简介]乔维德(常州市广播电视大学科研处,江苏常州213001[摘要]针对多变量、非线性、时变的无刷直流电机位置伺服控制系统的特点,提出一种基于免疫遗传算法的递归模糊神经网络控制器的设计方法,并应用于无刷直流电机三闭环控制系统的位置调节器中,实现系统精确的位置控制。仿真结果表明,递归模糊神经网络控制器明显优于PID控制器。[关键词]无刷直流电机;RFNN;伺服系统;位置控制[]TP273+.4[文献标识码]A[]1671-4326(200903-0054-03无刷直流电机位置伺服智能控制方法研究0引言无刷直流电机(BLDCM具有性能优异、运行可靠和良好的调速性能。近年来,随着新材料的出现和电力电子器件的发展,无刷直流电机已广泛应用于工业控制的各个领域[1]。设计高性能的无刷直流电机位置伺服控制系统已成为当今电力传动与控制领域的重要研究课题之一。伺服系统一般是按误差控制的系统,传统的方法是采用PID控制。常规PID控制原理简单,容易实现,稳态无静差。因此,长期以来广泛应用于工业过程控制,并取得了一定的控制效果。然而,传统的PID控制主要是控制具有确定模型的线性过程,而实际上无刷直流电机伺服控制系统是多变量、非线性、强耦合的时变系统,常规PID调节器在其高精度的伺服控制要求场合很难达到规定的性能指标[2]。模糊神经网络结合模糊控制的逻辑推理以及神经网络的自学习能力,既具备强大的结构性知识表达能力,又具备自身参数调整优化的能力,从而在许多时变、不确定的复杂系统控制中被广泛采用。针对多变量、非线性、时变的无刷直流电机伺服控制系统的特点,设计一种递归模糊神经网络(RFNN控制器,用来替代无刷直流电机伺服控制系统三环中位置环的PID控制器,并应用免疫遗传算法(IGA在线优化RFNN控制器的结构参数,使整个网络实现良好的跟踪响应。仿真结果表明,与固定参数的PID控制算法相比,该无刷直流电机的位置伺服系统能实现精确的位置控制,跟踪性能好,输出精度高,动态和静态性能明显优于传统PID控制器。1基于IGA优化的RFNN控制的无刷直流电机位置伺服系统ResearchonServoIntelligenceControlMethodofBLDCMPositionQIAOWeide(ScientificResearchSection,ChangzhouRadioandTelevisionCollege,Changzhou,213001,ChinaAbstract:Inviewofthecharacteristicofbeingmultivariable,non-linearity,time-variableforBLDCMpositionservocontrolsystem,anoveldesignmethodoftherecursivefuzzy-neuralnetwork(RFNNcontrollerbasedonImmune-GeneticAlgorithm(IGAisproposedforapplyinginpositioncontrollerofBLDCMthree-closedloopvectorcontrolsystemtorealizetheaccuratepositioncontrol.Thesimulationresultindicatesthattherecursionfuzzy-neuralnetworkcontrollersurpassesthePIDcontrollerobviously.Keywords:BLDCM;RFNN;Servosystem;Positioncontrol第9卷第3期551.1系统原理与结构永磁无刷直流电机位置伺服系统包含速度环、电流环和位置环等三个闭环控制结构,电流环采用比例P控制器,速度环采用比例积分PI控制器,而位置环处于最外环,系统各种扰动给内环造成的误差可以由位置环通过控制进行补偿或抑制[3]。在无刷直流电机位置伺服系统结构中,采用RFNN控制器取代传统的PID控制器,作为无刷直流电机位置伺服系统的位置调节器,并采用IGA在线优化RFNN参数,如图1所示。结果表明,极大地提高了系统的跟踪响应速度、控制精度及鲁棒性能。图1基于IGA优化的RFNN控制的无刷直流电机位置伺服系统结构1.2RFNN控制器RFNN控制器结构由4层BP网络组成,即输入层、模糊化及递归层、模糊规则层、去模糊化及输出层,如图2所示。其中在第2层引入递归神经元,递归神经元有内部反馈连接,并以反馈连接的形式存储内部信息,使网络输出不仅取决于当前输入,而且还取决于过去的输入和输出,从而形成局部或全局递归的网络结构,能够有效地处理动态系统的非线性映射问题,具有较快的收敛速度和较少的神经元数目,并进一步简化了网络模型。图2RFNN控制器结构...