基于神经网络矩阵的无刷直流电机模糊PID控制方法技术

本发明专利技术涉及无刷直流电机转速控制技术领域，提供一种可以便捷调整控制系统动态性能的智能模糊控制方法，尤其适用于电动自行车和电动汽车驾驶模式设定，特别涉及一种基于神经网络矩阵的无刷直流电机模糊PID控制方法，步骤如下：S1.构建经典的模糊PID控制器；S2.样本数据的采集；S3.神经网络矩阵的构建；S4.神经网络模糊控制器的生成；S5.自由设定控制系统性能指标，神经网络矩阵根据训练结果调整模糊控制器中对应修正值的输出隶属度函数量化值以达到控制要求；本发明专利技术通过神经网络矩阵和模糊控制的结合，使得控制系统动态性能可调节，通用性强。通用性强。通用性强。

【技术实现步骤摘要】
基于神经网络矩阵的无刷直流电机模糊PID控制方法


[0001]本专利技术涉及无刷直流电机转速控制
，特别涉及一种基于神经网络矩阵的无刷直流电机模糊PID控制方法。

技术介绍

[0002]无刷直流电机由于其高可靠性、高效率、无噪音运行、使用寿命长和低维护成本等特点，被广泛应用于航空航天、电动汽车和工业自动化等领域。速度调节是无刷直流电机研究的一个重要方面，用于精确的速度和位置控制应用，需要性能良好的控制器以实现转速控制与调节。无刷直流电机本身具有多变量、非线性和强耦合等特点，而模糊控制不需要对被控电机建立精确的数学模型且具有较强的鲁棒性，使其非常适用于无刷直流电机的速度调节。
[0003]传统PID算法控制过程中，控制参数固定不变，对于控制系统的动态特性调整能力有限，响应速度慢，动态响应较差，对无刷直流电机系统的不确定性和非线性状况处理效果不佳，很难在控制上达到预期效果。目前常采用的模糊PID算法控制优化无刷直流电机系统，可以充分开发控制系统的性能极限；但是针对某些应用场合比如电动汽车或者电动自行车，控制系统的极限性能并不代表着操控本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络矩阵的无刷直流电机模糊PID控制方法，其特征在于，该方法步骤如下：S1.构建经典的模糊PID控制器：PID参数、、的初始值按照经验调整至控制系统工作参数附近，模糊规则按照经典方式设置，调整对应修正值的输出隶属度函数量化值以获得不同的控制效果；S2.样本数据的采集：获取不同系统负载参数、峰值时间和最大超调量条件下模糊控制器中对应修正值的输出隶属度函数量化值，从而形成样本数据，其中，；S3.神经网络矩阵的构建：神经网络矩阵包括多个神经网络，每一个独立的神经网络包括输入层、多个激活函数为sigmoid神经元的隐层和一个激活函数为线性输出神经元的输出层，其输入参数为系统负载参数、峰值时间和最大超调量，输出数值为模糊控制器中对应修正值的输出隶属度函数量化值；S4.神经网络模糊控制器的生成：结合神经网络矩阵和模糊控制器，生成神经网络模糊控制器，运用步骤S2中的样本数据完成对神经网络矩阵的训练，实现不同性能指标和负载条件到模糊控制器中对应修正值的输出隶属度函数量化值的映射；S5.自由设定控制系统性能指标，神经网络矩阵根据训练结果调整模糊控制器中对应修正值的输出隶属度函数量化值以达到控制要求：根据性能指标要求和系统负载参数的输入，神经网络矩阵自动调整模糊控制器中对应修正值的输出隶属度函数量化值，从而对PID控制器中PID参数、、进行整定，使无刷直流电机的转速调节满足特定性能指标要求。2.根据权利要求1所述的一种基于神经网络矩阵的无刷直流电机模糊PID控制方法，其特征在于，所述步骤S4的具体步骤如下：S41.模糊控制器的生成：模糊集合的编辑和运算，使用转速偏差e和转速偏差变化率ec作为模糊控制器的输入变量，修正值作为模糊控制器的输出变量，通过隶属度函数量化值建立隶属度函数，输入隶属度函数对应于控制系统的运行特性，一次设定不再改变，对应修正值的输出隶属度函数量化值矩阵由经过训练的神经网络矩阵生成；S42.神经网络矩阵的训练：将控制系统阶跃响应下的性能指标、和系统负载参数作为神经网络矩阵的输入数据，模糊控制器中对应修正值的输出隶属度函数量...

【专利技术属性】
技术研发人员：蒋建伟，申立群，
申请(专利权)人：常州市佳博机械制造有限公司，
类型：发明
国别省市：