- 1、本文档共30页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于蝙蝠算法优化的自适应神经模糊推理系统直流无刷电机的速度控制
摘要
在本文中,用蝙蝠算法在线自适应神经模糊推理系统呈现直流无刷电机的速度控制优化。针对不同的优化,采用遗传算法和蝙蝠算法,学习在线ANFIS控制器的参数,即学习率,遗忘因子和最速下降动量常数,粒子群算法和直流无刷电机的运行条件。此外采用遗传算法,粒子群算法优化 和蝙蝠算法计算,比例积分微分(PID),模糊PID的收益调整,和自适应模糊逻辑控制器。得到和比较所考虑的控制器速度响应,如上升时间的时域特定网络阳离子,峰值过冲,下冲,恢复时间,稳定时间和稳态误差。此外评估和比较上述控制器性能指标如均方根误差,积分绝对误差,积分时间倍增绝对误差和积分平方误差。为了验证所提出的控制器的有效性,在恒定负荷的条件下,不同的负载条件和不同的设定速度条件进行直流无刷电机的仿真。使用VERI网络版先进的DSP处理器VERI网络阳离子对控制器实时实验。在线ANFIS控制器优于所有考虑的工作条件下,仿真结果和实验结果确认自适应模糊神经网络蝙蝠算法优化了其他控制器。
绪论
大多数有刷直流电机相关的问题通过直流无刷电机克服。直流无刷电机效率高,有更低的易感性机械磨损,每重量比扭矩高,可靠性高,噪音低,寿命长和电磁干扰总体减少。在许多工业生产过程无刷直流电动机的调速控制是一个重要方面[1-4]。多种控制方式都已经开发了用于改进无刷直流电机驱动的速度控制性能。其结果是,在新兴的智能控制系统,无刷直流电机驱动的兴趣有所增加和基于线性和非线性模型设计的直流电动机电刷众多的智能控制方案。[5–15].在[5]基于速度控制器比例积分微分(PID)控制器已发展为三相无刷直流电动机。然而,PID控制器降低系统控制器的恒定增益参数,从控制器的参数也表现该控制器不断受到不正确的调整。在[6]中,混合模糊PID控制器一直提出在直流无刷电机中的应用。遗传算法是用来调模糊PID控制器的输入和输出缩放因子。但由于突发性负载扰动和速度变化,模糊PID控制器还具有不确定性因素。已被设计在无刷直流电动机[7]模糊滑模控制器和比例积分微分控制器模糊滑模控制的有效性进行了比较。模糊设计控制器依赖非常对人体的专业知识的基础上,提出的目标和滑模控制器的设计也很复杂。
在[8]中, 并行模糊PID算法已来实现速度调节器的直流无刷电机,但模糊PID控制器由于突发的负载扰动存在不确定性因素。自适应模糊逻辑控制器已经开发速度响应和建立时间在[9]和无刷的具有较大的稳态误差的无刷直流电动机。在[10]中讨论与PI控制器的有效性相比模糊速度控制器适配无刷直流电机驱动。然而,控制器会降低在瞬态期间的无刷直流电动机的速度的性能。在[11],混合的PI模糊逻辑控制器一直用于直流无刷电机。混合的PI的性能模糊控制器比传统的PI控制器更好。但是,该控制器显示,由于设置速度变化存在不确定因素。在[12],所述已使用模糊PD控制器控制无刷直流电动机的速度。该控制器产生了较大过冲以及因负载变化的响应速度下冲。
在[13],已经概述了直流无刷电机模糊神经网络基于PI / PD控制器扩展卡尔曼滤波。这 种控制设计增加了控制器的复杂性。在[14],ANFIS基于有监督评论家控制器算法已被提 出,但评论的比例调整和衍生收益具有控制系统显著的影响性能如超调大,建立时间大 和马达的速度响应稳态误差高。在[15],对于直流无刷电机的设计由粒子群与ANFIS增益 比例积分根据速度调节器的整定。如果操作条件的改变,速度的响应也发生了变化,因 此,控制器仅对于设计具体的操作条件。此外,网上ANFIS控制器从得知遗忘因子和最速 下降动量与在直流无刷电机的工作点变化。这些参数对时域规格有显著的效果。由于直 流无刷电机的工作点定期更换,它已成为必要。
为一个优化目标,许多已制定的算法和每一个算法都有自己的优点和缺点。遗传算法(GA)是在开发[16]模糊逻辑控制器的最佳设计。但是,这种优化技术方法取决于的大小正在研究的系统需要很长的运行时间。此外,它算法的设置已引起参数重复类似的次优解决方案。基在[17] 了于粒子群优化(PSO)的设计参数。 PSO相对于其他相关的优化技术如GA有一定优势。然而,PSO在其速度和调节跟踪不太精确。此外,该算法在高级搜索阶段衔接不畅,弱局部搜索能力和算法可能会导致局部最优解决方案不成立。在为了克服这些缺点,并获得更好的清晰度,最近研究人员开始利用蝙蝠算法[18,19]。蝙蝠算法在启发式算法下进行分类。蝙蝠算法是一种新的搜索算法,看台上的微型蝙蝠的行为回声定位。初步研究表明,对于GA和PSO求解无约束优化问题蝙蝠算法是更好的,因为这些方法无法处理多模态优化问题[19]。
因为,该无刷直流电动机的运转状态趋于太多改变,鲁棒控制器设计下宽工作 操作条件范围,在已
文档评论(0)