基于人工电场算法优化的无刷直流电机模糊控制方法

1.本发明涉及电机控制领域，尤其涉及一种基于人工电场算法优化的无刷直流电机模糊控制方法。


背景技术：

2.目前对于无刷直流电机模糊pid控制器来说，其对pid三个参数增益的在线调整都是采用固定论域的方式。该方法的输入变量模糊化的量化因子ke、kec都取固定值，当控制系统的误差逐渐向零逼近时。最初给定的较大的输入论域上的模糊规则划分就显得比较粗糙，控制精度不高，另外，现有模糊控制方法参数选取存在过分依赖专家经验和工程经验的缺点。


技术实现要素：

3.为了解决上述技术问题，本发明的目的是提供一种基于人工电场算法优化的无刷直流电机模糊控制方法，能够提高无刷直流电机转速控制的稳定性以及抗干扰性。
4.本发明所采用的技术方案是：一种基于人工电场算法优化的无刷直流电机模糊控制方法，包括以下步骤：
5.搭建无刷直流电机动态模型；
6.基于无刷直流电机动态模型构建模糊pid控制器；
7.基于人工电场算法，对模糊pid控制器中的量化因子和比例因子进行优化，得到优化后的量化因子和比例因子；
8.根据优化后的量化因子和比例因子计算参数调整量并由pid调节器输出控制变量，控制电机转速。
9.进一步，所述搭建无刷直流电机动态模型这一步骤，其具体包括：
10.基于仿真平台，根据无刷直流电机的数学模型搭建无刷直流电机动态模型；
11.所述无刷直流电机动态模型采用转速、电流双闭环控制。
12.进一步，所述基于无刷直流电机动态模型构建模糊pid控制器这一步骤，其具体包括：
13.选取双输入三输出的模糊pid控制器；
14.获取电机的转速误差和误差率并将转速误差和误差经过量化因子从基本域转化到模糊域，得到模糊转化后的转速误差和误差率；
15.结合预设模糊规则，对模糊转化后的转速误差和误差率进行模糊推理和解模糊处理，得到模糊输出变量。
16.进一步，所述基于人工电场算法，对模糊pid控制器中的量化因子和比例因子进行优化，得到优化后的量化因子和比例因子这一步骤，其具体包括：
17.将量化因子和比例因子作为优化目标，初始化人工电场算法参数并构建适应度函数；
18.计算当前库伦常数；
19.获取电荷的最佳适应度值的位置并结合适应度函数计算电荷的电量、电荷受到的库伦力、电荷的加速度；
20.更新电荷的速度和位置；
21.返回当前库伦常数计算步骤直至符合跳出循环条件，输出优化后的量化因子和比例因子。
22.进一步，所述适应度函数公式表示如下：
[0023][0024]
上式中，为电荷i在第k维上的位置，d表示维数。
[0025]
进一步，电荷的加速度的计算公式表示如下：
[0026][0027]
上式中，表示电荷i在t时刻d维度的加速度，qi(t)表示电荷i电量，表示电荷i在t时刻d维度的电场强度，mi(t)表示电荷的质量。
[0028]
进一步，电荷的速度和位置的更新公式表示如下：
[0029][0030][0031]
上式中，表示电荷i在t时刻d维度的速度，表示电荷i在t时刻d维度的位置，randi表示[0,1]间的随机数。
[0032]
进一步，所述根据优化后的量化因子和比例因子计算参数调整量并由pid调节器输出控制变量，控制电机转速这一步骤，其具体包括：
[0033]
将优化后的量化因子和比例因子传递至仿真平台并赋值给模糊控制器，并结合初始的量化因子和比例因子计算参数调整量；
[0034]
模糊控制器将参数调整量输出至pid调节器，并由pid调节器输出控制变量；
[0035]
根据控制变量对应控制电机转速。
[0036]
本发明方法的有益效果是：本发明基于人工电场算法(aefa)可以快速找出全局最优解，采用人工电场算法在线优化量化因子和比例因子，能够有效提高转速控制的响应速度、抗干扰能力及稳定性且基本无超调出现。
附图说明
[0037]
图1是本发明一种基于人工电场算法优化的无刷直流电机模糊控制方法的步骤流程图；
[0038]
图2是本发明具体实施例基于人工电场算法优化的流程示意图；
[0039]
图3是本发明具体实施例一种基于人工电场算法优化的无刷直流电机模糊控制方法的框架结构图；
[0040]
图4是本发明具体实施例模糊规则表；
[0041]
图5是本发明具体实施例人工电场算法的流程示意图；
[0042]
图6是本发明具体实施例采用人工电场算法时目标函数的迭代次数曲线图；
具体实施方式
[0043]
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
[0044]
参照图1、图2和图3，本发明提供了一种基于人工电场算法优化的无刷直流电机模糊控制方法，该方法包括以下步骤：
[0045]
s1、搭建无刷直流电机动态模型；
[0046]
具体地，基于matlab/simulink仿真平台搭建无刷直流电机的动态模型，采用转速、电流双闭环控制：内环为电流环，外环为速度环。
[0047]
s2、基于无刷直流电机动态模型构建模糊pid控制器；
[0048]
s2.1、选取双输入三输出的模糊pid控制器；
[0049]
s2.2、获取电机的转速误差和误差率并将转速误差和误差经过量化因子从基本域转化到模糊域，得到模糊转化后的转速误差和误差率；
[0050]
具体地，转速误差e和误差率ec经过量化因子ke、kec从基本域转化到模糊域，模糊规则的初始论域为[-3,3]，采用三角型隶属度函数。
[0051]
s2.3、结合预设模糊规则，对模糊转化后的转速误差和误差率进行模糊推理和解模糊处理，得到模糊输出变量。
[0052]
具体地，模糊规则为将输入变量和输出变量各分成7级：{nb，nm，ns，ze，ps，pm，pb}，即对应表示{负大，负中，负小，零，正小，正中，正大}，由此能获得49条模糊规则。实验时选取双输入三输出的模糊控制器，模糊规则表参照图4。结合模糊规则表，对模糊转化后的转速误差e和误差率ec进行模糊推理及解模糊处理，以得到模糊输出变量δkp
ˊ
、δki
ˊ
、δkd
ˊ
。
[0053]
s3、基于人工电场算法，对模糊pid控制器中的量化因子和比例因子进行优化，得到优化后的量化因子和比例因子；
[0054]
s3.1、初始化人工电场算法参数并构建适应度函数：
[0055]
具体地，初始化人工电场算法的参数，设在d维搜索空间中，初始化n个电荷，第i个电荷的位置为：i＝1,2,
…
,n，式中，为电荷i在第d维上的位置，n为电荷的总数。
[0056]
适应度函数的公式表示如下：
[0057][0058]
s3.2、计算当前库伦常数；
[0059]
计算当前库伦常数k(t)，库伦常数是当前迭代次数和系统迭代次数的函数，呈指
数递减，其表达式为其中k0表示库伦常数迭代的初值，α表示调节参数，控制库伦常数变化速度，iter表示当前迭代次数，maxiter表示最大迭代次数。
[0060]
s3.3、获取电荷的最佳适应度值的位置并结合适应度函数计算电荷的电量、电荷受到的库伦力、电荷的加速度；
[0061]
获取电荷i在时刻t的最佳适应度值的位置：
[0062][0063]
表示电荷最优位置，表示电荷位置向量，f(x)表示适应度函数。
[0064]
通过适应度函数计算每个电荷的电量：
[0065][0066]
其中bst(t)＝min(fitj(t))，wst(t)＝max(fitj(t))，fitj(t)为电荷j在t时刻的适应度值。
[0067]
计算更新后电荷的电量qi(t)：
[0068][0069]
计算每个电荷在第d维上受到的库仑力
[0070][0071]
其中r
ij
(t)＝||xi(t),xj(t)||2为电荷i和电荷j之间的欧式距离，randj是[0，1]之间的随机数。
[0072]
计算电荷i在第d维时的电场强度
[0073][0074]
计算电荷i在t时刻加速度
[0075][0076]
s3.4、更新电荷的速度和位置
[0077][0078][0079]
s3.5、返回初始化参数步骤直至符合跳出循环条件，输出优化后的量化因子和比例因子。
[0080]
具体地，参照图5和图6，通过预先输入系统的控制参数，即用于寻优的电荷总数n，整个寻优过程最大迭代步数max_it，问题的维数d以及目标函数的最大容忍度r。判断适应
度函数值变化是否小于最大容忍值r或迭代次数是否达到最大值max_it，如果是，则优化过程结束，返回优化后参数；如果否，则返回当前库伦常数计算步骤继续迭代。
[0081]
s4、根据优化后的量化因子和比例因子计算参数调整量并由pid调节器输出控制变量，控制电机转速。
[0082]
s4.1、将优化后的量化因子和比例因子传递至仿真平台并赋值给模糊控制器，并结合初始的量化因子和比例因子计算参数调整量；
[0083]
s4.2、模糊控制器将参数调整量输出至pid调节器，并由pid调节器输出控制变量；
[0084]
s4.3、根据控制变量对应控制电机转速。
[0085]
参照图3，将经过优化之后的参数调整量δkp、δki和δkd与初始的量化因子kp、ki和比例因子kd叠加后的参数共同控制电流环，由通过限幅模块后输出的is作为电流调节器的输入，再通过pwm驱动，产生六路波形共同控制bldcm电机。
[0086]
对比普通pid控制、模糊控制器pid控制、人工电场算法优化后的模糊pid控制的控制结果如下表。在系统达到稳定后给予其一个固定值的干扰，观察其抗干扰性。
[0087]
控制策略调节时间/s稳态误差超调量/％扰动量/％aefa参数优化控制0.503s0.088
‰
0.3％1.1％模糊控制0.506s0.105
‰
0.6％1.5％pid控制0.544s1.961
‰
1.6％3.8％
[0088]
在本发明提出的人工电场算法参数优化控制下电机的调节时间、稳态误差、超调量都得到了改善，体现了控制算法的优越性。
[0089]
结果表明本发明可以对无刷直流电机进行很好的优化控制，使电机具有了更好的抗干扰性能和动态特性。有效改善了目前对于无刷直流电机的模糊pid控制器来说，其模糊规则多是根据专家经验得来，控制参数在线调节能力差的问题，在保持系统实时性的同时有效提高系统性能、增强抗干扰性和鲁棒性，保证转速控制的精度、响应速度及稳定性。
[0090]
一种基于人工电场算法优化的无刷直流电机模糊控制装置：
[0091]
至少一个处理器；
[0092]
至少一个存储器，用于存储至少一个程序；
[0093]
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如上所述一种基于人工电场算法优化的无刷直流电机模糊控制方法。
[0094]
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0095]
一种存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于实现如上所述一种基于人工电场算法优化的无刷直流电机模糊控制方法。
[0096]
上述方法实施例中的内容均适用于本存储介质实施例中，本存储介质实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0097]
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替
换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。