發(fā)布時間：所屬分類：電工職稱論文瀏覽：1次
摘 要： 摘要：為了提高無刷直流電機BLDCM(BrushLessDirectCurrentMotor)的工作穩(wěn)定性，設(shè)計了一種基于Q學習算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)控制器QBP-PID(Q-learningoptimizedbackpropagationneuralnetworkPID)。QBP-PID利用BP神經(jīng)網(wǎng)絡(luò)BPNN(BPNeuralNetwork)對PID增益進行調(diào)節(jié)
摘要：為了提高無刷直流電機BLDCM(BrushLessDirectCurrentMotor)的工作穩(wěn)定性，設(shè)計了一種基于Q學習算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)控制器QBP-PID(Q-learningoptimizedbackpropagationneuralnetworkPID)。QBP-PID利用BP神經(jīng)網(wǎng)絡(luò)BPNN(BPNeuralNetwork)對PID增益進行調(diào)節(jié)，并且引入Q學習的最優(yōu)策略來修正權(quán)值動量項因子，優(yōu)化BPNN中的關(guān)鍵權(quán)值，使得控制器具有更好的學習能力和在線修正能力。仿真結(jié)果表明相比傳統(tǒng)的PID、模糊PID(Fuzzy-PID)和BP神經(jīng)網(wǎng)絡(luò)PID(BP-PID)，QBP-PID的自適應(yīng)能力、抗干擾能力和魯棒性更強。
關(guān)鍵詞：控制理論與控制工程;無刷直流電機;PID控制器;BP神經(jīng)網(wǎng)絡(luò);Q學習
0引言
近年來，隨著電子、傳感器、自動控制以及制造技術(shù)的不斷發(fā)展，無刷直流電機以其效率高、響應(yīng)快、可靠性強以及易維護等優(yōu)點在伺服、驅(qū)動、定位和變速等領(lǐng)域得到了廣泛的應(yīng)用[1-5]。轉(zhuǎn)速控制是無刷直流電機驅(qū)動應(yīng)用的一個重要方面，通常需要設(shè)計高效的控制器來實現(xiàn)不同工作條件下的連續(xù)控制，目前已經(jīng)開發(fā)了許多轉(zhuǎn)速控制器來提高無刷直流電機的性能[6-8]。
傳統(tǒng)PID控制器由于其結(jié)構(gòu)設(shè)計簡單和可靠性強而被廣泛用于無刷直流電機轉(zhuǎn)速控制[5,8]，但其也存在參數(shù)難以確定和非線性問題等，使得控制器無法達到最佳性能。因此，出現(xiàn)了許多智能控制算法優(yōu)化的無刷直流電機轉(zhuǎn)速控制器，如滑模控制器和模糊PID控制器[6,9]。模糊PID控制器相比于滑模控制器，除了無抖振外，其無需精確的數(shù)學模型，且控制精度高、響應(yīng)速度快[9]，但模糊控制的控制規(guī)則基于經(jīng)驗確定導致其適應(yīng)性差。而神經(jīng)網(wǎng)絡(luò)具有較強的學習能力，其能自適應(yīng)地對PID參數(shù)進行調(diào)節(jié)，從而提高控制器的性能。文獻[8]中設(shè)計了一個單神經(jīng)元PID控制器對無刷直流電機轉(zhuǎn)速進行控制，文獻[10]構(gòu)建了一個單隱層前饋神經(jīng)網(wǎng)絡(luò)來實現(xiàn)無刷直流電機的無位置傳感器控制，文獻[11]中針對永磁同步電機中存在的混沌運動，設(shè)計了時延Elman遞歸神經(jīng)網(wǎng)絡(luò)控制器和辨識器。相比于其他神經(jīng)網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)只要有足夠多的隱含層和隱節(jié)點，就可以逼近任意的非線性映射關(guān)系，而且結(jié)構(gòu)和學習算法簡單明確,不依賴于被控對象的模型,通過神經(jīng)網(wǎng)絡(luò)自身的學習，可以找到某一最優(yōu)控制律下的參數(shù)[12]。
文獻[13]中為了使電梯能夠更好的滿足舒適性和快速性的要求，對電梯用永磁同步電機的控制算法進行改進，將BP神經(jīng)網(wǎng)絡(luò)PID控制算法應(yīng)用于永磁同步電機調(diào)速系統(tǒng)。文獻[14]中針對無軸承異步電機傳統(tǒng)PID控制中存在參數(shù)難以獲得的問題，提出了一種基于BP神經(jīng)網(wǎng)絡(luò)PID控制新策略。但這些算法訓練時間長，且權(quán)值參數(shù)難以確定。而Q學習具有很強的搜索能力，能快速確定神經(jīng)網(wǎng)絡(luò)的參數(shù)[15]。
相關(guān)期刊推薦：《吉林大學學報(工學版)》1957年創(chuàng)刊，是綜合性學術(shù)期刊。主要報道吉林大學工學門類的科學研究成果。包括：機械工程、材料科學與工程、動力工程及工程熱物理、交通運輸工程、農(nóng)業(yè)工程、控制科學與工程、計算機科學與技術(shù)、電子科學與技術(shù)、信息與通信工程等方面的學術(shù)論文。也發(fā)表國內(nèi)外在上述領(lǐng)域的最新研究成果。
因此，結(jié)合Q學習的強搜索能力與BP神經(jīng)網(wǎng)絡(luò)的非線性映射能力、自適應(yīng)能力等，設(shè)計了一種無刷直流電機的轉(zhuǎn)速控制器QBP-PID。QBP-PID引入Q學習來修正神經(jīng)網(wǎng)絡(luò)權(quán)值動量項因子，使其達到更佳的控制效果，使得控制器具有更好的學習能力和在線修正的能力，從而增強系統(tǒng)的抗干擾和魯棒能力。為了驗證QBP-PID的性能，在不同的工作條件下，與傳統(tǒng)的PID[5]、Fuzzy-PID[9]、BP-PID[13]三種控制器在超/欠調(diào)量、穩(wěn)定/恢復時間、穩(wěn)態(tài)誤差等方面進行了仿真分析。
1無刷直流電機數(shù)學模型
三相星形連接BLDCM可轉(zhuǎn)換為如圖1所示的電路圖。BLDCM的數(shù)學模型可以用矩陣形式表示為
3仿真分析
在Matlab/Simulink環(huán)境中，編寫S函數(shù)與Simulink框圖相結(jié)合建立系統(tǒng)模型。同時在BLDCM控制系統(tǒng)中對不同運行條件下的控制器進行仿真比較，驗證QBP-PID的性能。BLDCM仿真參數(shù)如表1所示[17]。
首先，在空載條件下進行試驗，轉(zhuǎn)速響應(yīng)對比曲線如圖5所示，其中圖5(b)為5(a)轉(zhuǎn)速恢復平穩(wěn)狀態(tài)的細節(jié)圖。從圖5可以看出，PID和BP-PID有明顯的超調(diào)現(xiàn)象、穩(wěn)定時間較長分別為0.068s和0.048s，且恢復穩(wěn)定狀態(tài)時仍有振蕩現(xiàn)象，F(xiàn)uzzy-PID雖然沒有明顯的超調(diào)現(xiàn)象但其穩(wěn)定時間較長，達到0.077s，穩(wěn)定狀態(tài)仍有小波動且誤差大，QBP-PID顯然沒有明顯的超調(diào)現(xiàn)象、穩(wěn)定時間最短為0.025s且穩(wěn)態(tài)誤差最小為0.2r/min。綜合以上性能指標的對比分析，可以看出QBP-PID比其他控制器的控制效果更好。
其次，BLDCM的控制系統(tǒng)在負載變化的情況下運行，以確定QBP-PID的性能優(yōu)點。在0.1s對系統(tǒng)添加2N的外力，轉(zhuǎn)速響應(yīng)曲線如圖6所示，圖6(b)為系統(tǒng)在0.1s處突加外力干擾的狀態(tài)細節(jié)圖。
從圖6可以看出，當負載施加在0.1s時，PID和BP-PID存在明顯的擾動現(xiàn)象，最大幅值分別為101.1r/min和74.3r/min，經(jīng)過一段時間后才恢復穩(wěn)定狀態(tài)且仍有小波動，F(xiàn)uzzy-PID雖然沒有大幅的擾動現(xiàn)象但穩(wěn)態(tài)誤差較大些，而QBP-PID波動最小，恢復穩(wěn)定狀態(tài)快且穩(wěn)態(tài)誤差最小。因此，證明了QBP-PID的魯棒性、抗干擾能力及響應(yīng)速度明顯優(yōu)于其他控制器。
最后，對QBP-PID在轉(zhuǎn)速變化條件下的控制性能進行驗證。當系統(tǒng)運行到0.2s時，速度從2500r/min加速至3000r/min，此時的速度響應(yīng)對比曲線如圖7所示，圖7(b)為系統(tǒng)在0.2s時轉(zhuǎn)速變化的細節(jié)圖。
從圖7可以看出，當轉(zhuǎn)速在0.2s突然變化時，QBP-PID的響應(yīng)速度最快，恢復穩(wěn)定狀態(tài)用時最短，且穩(wěn)態(tài)誤差最小，PID和BP-PID存在明顯的超調(diào)現(xiàn)象，經(jīng)過一段時間后才恢復穩(wěn)定狀態(tài)，F(xiàn)uzzy-PID雖然沒有明顯的超調(diào)現(xiàn)象，但其響應(yīng)速度較慢且恢復平穩(wěn)狀態(tài)的時間較長約為0.089s。由此可見QBP-PID對系統(tǒng)的控制效果優(yōu)于其他控制器。
從以上三組不同控制條件下的仿真結(jié)果可以看出，所有的控制器都可以正確的跟蹤設(shè)定的轉(zhuǎn)速。然而，所提出的控制器QBP-PID在響應(yīng)速度、穩(wěn)態(tài)誤差和穩(wěn)定時間等方面都優(yōu)于其他控制器。證明了該控制器具有更好的自適應(yīng)能力、抗干擾能力和較強的魯棒性。
4結(jié)論
為了提高BLDCM的轉(zhuǎn)速控制性能，設(shè)計了一種基于Q學習算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)控制器QBP-PID。通過對權(quán)值動量項因子的修正和關(guān)鍵權(quán)值的優(yōu)化，QBP-PID獲得了自學習和在線修正的能力，從而大大提高了控制效果。在空載、負載、變速的工作條件下，仿真驗證了QBP-PID、PID、Fuzzy-PID及BP-PID四種控制器轉(zhuǎn)速響應(yīng)的超/欠調(diào)現(xiàn)象、穩(wěn)定時間、恢復時間、響應(yīng)速度和穩(wěn)態(tài)誤差等性能指標。結(jié)果表明，QBP-PID均優(yōu)于PID、Fuzzy-PID和BP-PID控制器。——論文作者：王宏志1,2，王婷婷1，胡黃水3，魯曉帆3
