【技术实现步骤摘要】
一种无刷直流电机基于神经网络前馈补偿的控制方法
[0001]本专利技术涉及无刷直流电机控制方法,更具体地,涉及一种无刷直流电机基于神经网络前馈补偿的控制方法。
技术介绍
[0002]相比传统有刷直流电机,无刷直流电机有更好的速度与转矩特性、高动态响应、高效率和可靠性、长使用寿命(无刷腐蚀)、无噪音运行、更高的速度范围和减少电磁干扰 (EMI)。消除了需要机械换向,容易在工作中产生火花,并且换向使用的碳刷等部件容易磨损,需要经常更换等问题的影响。其传递的扭矩与电机尺寸的比率更高,在空间和重量是关键因素的应用中非常有用。但是在实际应用中存在着许多不确定性以及扰动所带来的影响,其不确定性按其来源通常可以分为两类:一类是系统外部的不确定性,即外部环境对系统的影响,这些影响可以等效地用许多扰动来表示,这些扰动通常是不可预测的。另一类是系统内部的不确定性,又可以分为未建模动态和参数不确定性两个方面。在研究控制系统时,一般依据的是已经建立的数学模型,但无论是利用理论分析还是利用实验分析所得到的都是简化的数学模型,使用这种模型不可能得到被控对象的全部动态特性。在实际系统中,系统模型的参数,如摩擦系数、电阻等会发生变化,这种参数的扰动为参数的不确定性。因此,在无刷直流电机控制中,能否处理好系统中的不确定性直接关系到系统控制性能的好坏。
技术实现思路
[0003]针对现有技术的以上缺陷或改进需求,本专利技术目的在于解决无刷直流电机控制系统研究中利用理论分析还是利用实验分析所得到的都是简化的数学模型,使用这种模型不可能得到 ...
【技术保护点】
【技术特征摘要】
1.一种无刷直流电机基于神经网络前馈补偿的控制方法,其特征在于,包括如下步骤:步骤1:建立2阶非线性的无刷直流电机模型;步骤2:通过控制对象的期望与当前电机的转速或电流之差计算位置误差;步骤3:通过将系统的输入u设计为基于前馈加补偿的PD控制率,并将其与步骤1中无刷直流电机模型结合,得到闭环控制系统的方程;步骤4:建立三层径向基函数神经网络,对环境境因素对电机的扰动的表达式用该三层径向基函数神经网络进行逼近;步骤5:将RBF神经网络的输出作为无刷直流电机的扰动的补偿;步骤6: 将系统的输入u设计为无刷直流电机RBF基于神经网络前馈补偿的PD自适应控制律;步骤7: 确定估计的权值向量的更新规则,包括如下步骤:步骤7.1:通过变换系统的闭环动态方程,得到反映位置误差E和RBF神经网络权值W根据自适应率而变化迭代产生的矩阵之间的关系的方程模型;步骤7.2:利用Lyapunov稳定判据结合步骤7.1中得到的方程模型求解权值,得到权值更新规则。2.根据权利要求1所述的无刷直流电机基于神经网络前馈补偿的控制方法,其特征在于,所述步骤1建立2阶非线性的无刷直流电机模型的方法包括:将无刷直流电机作为一个2阶非线性系统:式中,x为系统的输出,根据闭环控制的对象选择,该输出为电机的转速r或者经坐标变换后的D轴电流i
d
或Q轴电流i
q
;为系统的输出的一阶导数;为系统的输出的二阶导数;为环境因素对电机的扰动,将其定义为未知非线性函数;为已知非线性函数,是无扰动的理想情况下系统的数学模型;u为系统的输入,对电机系统的控制律进行调节。3.根据权利要求2所述的无刷直流电机基于神经网络前馈补偿的控制方法,其特征在于,所述步骤2具体包括:设位置指令为y
d
,y
d
代表控制对象的期望,该期望包括电机转速r
ref
或者所期望的D轴电流i
dref
或所期望的Q轴电流i
qref
;令位置误差为e,位置误差的一阶导数为;则e=y
d –ꢀ
x,位置误差e的矩阵方程E为:
ꢀꢀꢀꢀꢀ
(2)。4.根据权利要求3所述的无刷直流电机基于神经网络前馈补偿的控制方法,其特征在于,所述步骤3具体包括:步骤3.1:选择K=(K
p
, K
d
)
T
,K为PD控制中的参数矩阵,K
p
为比例系数,K
d
为积分系数,使多项式s2+K
d
s+K
p
=0的所有根部都在复平面左半开平面上使得系统稳定,其中s为系统的输出x经拉氏变换在复频域的表示;将此时系统的输入u设计为基于前馈加补偿的PD控制率:其中为已知非线性函数,为环境因素对电机的扰动,将其定义为未知非线性函数,为步骤2中位置指令的二阶导函数,E为误差的矩阵方程;步骤3.2:将式(3)代入式(1),得到闭环控制系统的方程:
式中e为位置误差,为位置误差的一阶导数, 为位置误差的二阶导数,K
p
为比例系数, K
d
为积分系数;由K的选取,可得当时间调t
→
∞时关于位置误差的函数e(t)
...
【专利技术属性】
技术研发人员:钱翰宁,孙兆龙,黄垂兵,刘振田,庄哲鑫,周炜昶,卯寅浩,郑伟,丁安敏,
申请(专利权)人:中国人民解放军海军工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。