高性能智能控制器..docxVIP

适用于感应电机速度控制的高性能智能控制器美国senthilkumara，?和美国vijayanb系电气和电子工程技术研究所，联合，哥印拜陀，泰米尔纳德邦，印度摘要：本文提出了一种应用于感应电机（IM）驱动器的实时实现情绪改进的控制器。我们用模糊技术通过计算传感器输入改进了基于大脑情感学习智能控制器（BELBIC）设计。该控制器被称为基于模糊的大脑情感学习智能控制器（BELFBIC）。这是第一次，大脑情感学习和基于模糊智能控制器用于空间矢量脉宽调制逆变器供电异步电机的V / F速度控制。V / F控制简单，比较容易实现。它提供了足够大多数应用的电动机性能。还进行PID控制器和模糊控制器的比较分析，并在MATLAB/SIMULINK环境中进行了仿真。该控制器顺利实现了实时使用基于三相0.5 HP实验室鼠笼式IM数字信号控制器（dsPIC30F2010）。关键词：情感学习，感应电机（IM），智能控制器，BELFBIC，PID，模糊控制，V / F速度控制1.简介异步电动机（IMS）已成为现代社会的工业主力。由于它们价格便宜，结构坚固且简单，维护成本低，产量高，可靠性好，输出功率大，体积比和低工作噪音，在百余年前，这些电机已经投入使用。尽管优点很多，完善感应电机控制参数的滑爽性和功率损耗却是充满挑战的[1，2]。在直流（DC）电动机驱动器上[3]，间接矢量控制技术能够得到良好的动态响应。将矢量控制应用于异步电机变频调速。矢量控制方案无法保持当基准磁通在弱磁通区域被改变时转矩和通量之间的去耦的特性。运用许多方法已经开发出了异步电机变频调速[1,4]，正如直接转矩控制（DTC）方法的开发，它测试感应电机的驱动系统[5,6]。但用DTC方法，很难控制在低速的转矩和噪音，为了解决上述问题，已开发出各种智能系统[7-23]。人工智能（AI）技术，诸如专家系统（ES），模糊逻辑（FL），神经网络（神经网络）（NN），或生物激励（BI）的遗传算法（GA），最近已经施加在在马达驱动器中。 AI系统已经开发出了控制与自我学习能力的驱动器。 AI系统智力是用来解决控制问题[7]。基于规则的ES，被应用FL和NN技术驱动系统[7-9]。 L·栋和E·伊斯基耶多分析了BI系统[10]。 NN技术被应用于控制交变电流驱动系统[9,11-16]。根据遗传学的猜测，已经被应用到驱动器[17]。另外，强大的智能控制和估计技术可混合AI系统如神经模糊使用，对神经遗传与神经模糊遗传系统[7]等进行开发。研究人员试图基于人类大脑的行为[25-27]发展的典范对模糊神经网络和滑模控制方法的比较进行解释[18，19]。 J·莫兰和C·保科纳斯开发的不用于任何执业领域的杏仁核和上下文处理的计算模型叫做脑情感学习（BEL）模型[27]。 2004年，卢卡斯开发的基于BEL的智能控制器[28]被命名为脑情感学习型智能控制器（BELBIC），该控制器已应用于许多工业驱动系统[29-36]。情绪改进控制器适用于采暖，空调，洗衣机和微换热器[29-31]。该控制器被应用于汽车悬挂控制系统与天车[33，34]。首次，M.A拉赫曼，R.M 米拉斯，已经将这种情感控制应用于永磁同步电机[36]的速度控制。 Markadeh GRA和Daryabeigi E将这个控制器应用于异步电机[40]的速度和流量控制。在本文中，我们运用模糊技术通过计算传感输入对BELBIC设计进行了改善，正因为如此，控制器的性能得到改善。本文所提出的智能控制器叫做BELFBIC。第一次，我们提出，一个用于三相异步电机驱动的V / f速度控制的新BELFBIC。我们提出的控制方法在Matlab / Simulink环境中进行了仿真。所提出的异步电机的情绪控制器已经在实验室内实验实现，它展现了利基工业规模的利用的良好前景。异步电动机的数学模型正如任何电力电子驱动系统的控制，场的数学模型是需要进行设计的，异步电机的模型是根据旋转（D,Q）域引用（不饱和）的概念确立的。 （1） （2） （3） （4）式中，和为定子直接与定子正交的轴分电压。和是转子直接与转子正交的轴分电压。电流的磁链是由公式（5）给出（5）异步电机的电气部分可有一个四阶状态空间模型（4×4）进行说明，通过联立等式（1）-（5）得到等式（6）为其中A是由下式给定产生的瞬时转矩由下式给出电感表示的电磁转矩由下式给出马达的机械部分模型是由以下方程建立这个异步电机模型通过比例积分微分（PID）控制被进行进一步的设计。模糊与BELFBIC的控制策略。基于异步电机V / F控制常规PID系统PID控制器旨在为IGBT提供控制信号的。逆变器的输出是V / F控制，它被给定为三相异步电动机输入。其速度被取为反馈，并将其与设定速度进行比较。该误差信号被给定为PID控制器的输入。空