無(wú)刷直流電動(dòng)機(jī)的DSP模糊神經(jīng)網(wǎng)絡(luò)控制

喬維德（無(wú)錫開(kāi)放大學(xué)，江蘇無(wú)錫214011）

無(wú)刷直流電動(dòng)機(jī)的DSP模糊神經(jīng)網(wǎng)絡(luò)控制

喬維德
（無(wú)錫開(kāi)放大學(xué)，江蘇無(wú)錫214011）

設(shè)計(jì)一種動(dòng)態(tài)遞歸模糊神經(jīng)網(wǎng)絡(luò)控制器，用于無(wú)刷直流電機(jī)雙閉環(huán)控制系統(tǒng)中的轉(zhuǎn)速調(diào)節(jié)器。采用數(shù)字信號(hào)處理器作為無(wú)刷直流電動(dòng)機(jī)的轉(zhuǎn)速控制與運(yùn)算單元，設(shè)計(jì)基于數(shù)字信號(hào)處理器的無(wú)刷直流電機(jī)控制系統(tǒng)，并進(jìn)行計(jì)算機(jī)仿真和實(shí)驗(yàn)驗(yàn)證。仿真實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)魯棒性、抗擾性和實(shí)時(shí)性很強(qiáng)，控制效果良好。關(guān)鍵詞：無(wú)刷直流電機(jī)；遞歸模糊神經(jīng)網(wǎng)絡(luò)；DSP；仿真

1　引言

永磁無(wú)刷直流電動(dòng)機(jī)（以下簡(jiǎn)稱BLDCM）其因結(jié)構(gòu)簡(jiǎn)單、維護(hù)方便、調(diào)速性能好、起動(dòng)轉(zhuǎn)矩大等優(yōu)點(diǎn)，日前已在航空航天、汽車、家用電器等領(lǐng)域有著廣泛應(yīng)用。一般BLDCM控制系統(tǒng)利用單片機(jī)并配備很多種接口設(shè)備和功率器件等進(jìn)行控制。雖然這種系統(tǒng)的控制性能較為穩(wěn)定，可是單片機(jī)的控制指令比較繁雜，其內(nèi)部處理器的時(shí)鐘頻率又較低，所以其運(yùn)算速度比較慢，很難滿足和適應(yīng)BLDCM調(diào)速系統(tǒng)的高精度控制要求。而數(shù)字信號(hào)處理器（以下簡(jiǎn)稱DSP）功能強(qiáng)大，處理速度極快，控制精度非常高，且可以實(shí)現(xiàn)復(fù)雜的智能控制算法。在BLDCM控制系統(tǒng)中，可以采用一片DSP取代單片機(jī)及其附加的多種接口電路和功率器件，從而可以大大簡(jiǎn)化BLDCM控制系統(tǒng)的硬件電路結(jié)構(gòu)。為此，文中以DSP芯片TMS320LF2407A作為系統(tǒng)控制的核心處理器，設(shè)計(jì)BLDCM的遞歸模糊神經(jīng)網(wǎng)絡(luò)雙閉環(huán)智能控制系統(tǒng)，并給出系統(tǒng)仿真實(shí)驗(yàn)結(jié)果，以證實(shí)其良好的控制效果。

2　BLDCM控制系統(tǒng)

2.1系統(tǒng)結(jié)構(gòu)框圖

圖1　控制系統(tǒng)結(jié)構(gòu)原理框圖

圖1為BLDCM控制系統(tǒng)的結(jié)構(gòu)原理圖。該控制系統(tǒng)由主電路、控制電路、保護(hù)電路三部分構(gòu)成。主電路主要由三相電源、整流濾波、三相逆變器、直流電流電壓檢測(cè)等電路組成，經(jīng)過(guò)交—直—交的變換電路，輸出能調(diào)壓調(diào)頻的交流電源到BLDCM。圖1中，整流濾波通過(guò)三相二極管整流橋電路實(shí)現(xiàn)；三相逆變器采用IPM智能模塊PM50RVA120，模塊結(jié)構(gòu)含六個(gè)帶續(xù)流二極管的IGBT及其驅(qū)動(dòng)電路；直流電流電壓檢測(cè)電路的作用是把待檢測(cè)信號(hào)輸送給DSP控制電路，從而實(shí)施欠壓、過(guò)壓以及過(guò)流的保護(hù)。DSP控制電路由DSP芯片及其配置、交流電流檢測(cè)、BLDCM轉(zhuǎn)速檢測(cè)、光電隔離及功率驅(qū)動(dòng)等電路組成。其中，BLDCM的兩相電流通過(guò)使用電流傳感器來(lái)檢測(cè)，然后應(yīng)用采樣電阻和多級(jí)運(yùn)放電路輸出0－5V的模擬電壓，并與DSP TMS320LF2407A內(nèi)的A／D轉(zhuǎn)換器外引腳相接。BLDCM轉(zhuǎn)速檢測(cè)反饋環(huán)節(jié)采取光電碼盤和BLDCM同軸相連，光電碼盤輸出與轉(zhuǎn)速對(duì)應(yīng)的光電脈沖，經(jīng)QEP正交編碼脈沖電路將電機(jī)轉(zhuǎn)速信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的電壓信號(hào)，且由分壓電阻分壓后傳給DSP的ADC轉(zhuǎn)換輸入端。DSP下位機(jī)與PC上位機(jī)均采用串行通訊傳輸方式，DSP下位機(jī)可以按照命令對(duì)BLDCM進(jìn)行相應(yīng)的控制操作。

2.2系統(tǒng)控制方案

BLDCM控制系統(tǒng)選取雙閉環(huán)智能控制的設(shè)計(jì)方案，就是對(duì)轉(zhuǎn)速外環(huán)和電流內(nèi)環(huán)分別加以控制，而且將轉(zhuǎn)速外環(huán)的輸出設(shè)定為電流內(nèi)環(huán)的給定輸入信號(hào)。BLDCM系統(tǒng)控制方案如圖2所示。虛線框部分表示TMS320LF2407A控制器，TMS320LF2407A的各組成器件功能通過(guò)相應(yīng)的控制算法達(dá)到控制的目的。

圖2　BLDCM系統(tǒng)控制方案框圖

圖2中，首先通過(guò)系統(tǒng)的PC上位機(jī)給出設(shè)定電機(jī)轉(zhuǎn)速，由TMS320LF2407A經(jīng)過(guò)相關(guān)運(yùn)算等得到PWM輸出信號(hào)，該信號(hào)通過(guò)光耦隔離與驅(qū)動(dòng)電路驅(qū)動(dòng)并控制三相逆變器的導(dǎo)通次序及導(dǎo)通時(shí)間，以有效控制和調(diào)節(jié)BLDCM轉(zhuǎn)速。其中的電流調(diào)節(jié)器仍采用傳統(tǒng)的PID調(diào)節(jié)器，而轉(zhuǎn)速調(diào)節(jié)器設(shè)計(jì)為一種動(dòng)態(tài)的遞歸模糊神經(jīng)網(wǎng)絡(luò)控制器（RFNN），從而增強(qiáng)BLDCM控制系統(tǒng)的適應(yīng)性和魯棒性。

3　RFNN控制器設(shè)計(jì)

RFNN控制器的結(jié)構(gòu)如圖3所示。它共有4層BP網(wǎng)絡(luò)，分別是輸入層、模糊化層、模糊規(guī)則層、輸出層，且在模糊化層加入遞歸神經(jīng)元。遞歸神經(jīng)元能實(shí)現(xiàn)內(nèi)部信息的反饋連接并及時(shí)保存信息，RFNN的輸出既與當(dāng)前輸入有關(guān)，還與過(guò)去的輸入和輸出有關(guān)，以形成局部或全局遞歸的網(wǎng)絡(luò)結(jié)構(gòu)，可以通過(guò)較快收斂速度和較少神經(jīng)元個(gè)數(shù)，有效解決BLDCM控制系統(tǒng)的高度非線性映射缺陷。

圖3　RFNN控制器結(jié)構(gòu)

在輸入層中，網(wǎng)絡(luò)的輸入矢量x為［e，ec］T，將輸入量x轉(zhuǎn)換為［－1，1］區(qū)間值。輸出節(jié)點(diǎn)值為：

Oi（1）＝Ii（1）＝xi

式中，i＝1，2；x1＝e，x2＝ec。

在模糊化層中，對(duì)輸入變量進(jìn)行模糊化處理，每個(gè)輸入變量均分別表示為模糊語(yǔ)言變量｛PB，PS，ZE，NS，NB｝，其中，PB為負(fù)大，PS為負(fù)小，ZE為零，NS為正小，NB為正大。計(jì)算求取每個(gè)輸入分量屬于各模糊語(yǔ)言變量集合的隸屬度函數(shù)，用高斯基函數(shù)表示隸屬函數(shù)。該模糊化層共有10個(gè)輸出節(jié)點(diǎn)，其輸出值為：

因在模糊化層中的每一個(gè)節(jié)點(diǎn)均引入同結(jié)構(gòu)的遞歸環(huán)節(jié)節(jié)點(diǎn)，所以該層輸入節(jié)點(diǎn)值應(yīng)為：

式中，r

ij

為遞歸單元連接權(quán)值

為本層前一過(guò)去時(shí)刻的輸出值。

在模糊規(guī)則層中，圖形符號(hào)“∏”代表模糊“與”操作，可用乘積“＊”實(shí)現(xiàn)模糊語(yǔ)言變量“AND”運(yùn)算。模糊規(guī)則層共有25個(gè)輸入節(jié)點(diǎn)，即：

在輸出層中，首先要對(duì)模糊規(guī)則層的輸出模糊值進(jìn)行去模糊化和歸一化處理。該層的輸入和輸出值分別為：

式中，ωk是模糊規(guī)則層與輸出層間的連接權(quán)值。

4　RFNN控制器參數(shù)優(yōu)化

在圖3所示的RFNN中，aij、bij（i＝1，2；j＝1，…5）、rij，ωjk，ωk（k＝1～25）等參數(shù)可以通過(guò)最小化誤差目標(biāo)函數(shù)，采用一定的在線監(jiān)督學(xué)習(xí)算法來(lái)調(diào)整和尋優(yōu)，以提升RFNN控制器的動(dòng)態(tài)性能。

均方誤差（MSE）目標(biāo)函數(shù)定義公式為

上式中，N是網(wǎng)絡(luò)訓(xùn)練樣本數(shù)量，E（t）定義為經(jīng)過(guò)每次迭代的瞬時(shí)平方誤差，其公式為

其中，ud（t）為第t時(shí)刻系統(tǒng)的期望輸出值，u（t）為第t時(shí)刻系統(tǒng)的實(shí)際輸出值。網(wǎng)絡(luò)控制器中各參數(shù)的修正學(xué)習(xí)算法均采取文末參考文獻(xiàn)［1］的IGABP混合算法，從而實(shí)現(xiàn)目標(biāo)函數(shù)E最小及參數(shù)aij、bij、rij、ωjk、ωk最優(yōu)。RFNN控制器的實(shí)時(shí)控制流程圖如圖4所示。

圖4　RFNN控制器實(shí)時(shí)控制流程圖

5　RFNN控制的DSP實(shí)現(xiàn)

應(yīng)用DSP實(shí)現(xiàn)對(duì)BLDCM系統(tǒng)控制的硬件原理如圖5所示。

圖5　DSP實(shí)現(xiàn)控制的系統(tǒng)框圖

使用C＋＋語(yǔ)言編寫(xiě)系統(tǒng)的控制程序，主程序模塊及以DSP中斷功能實(shí)現(xiàn)算法的程序控制框圖如圖6和圖7所示。

6　仿真研究

圖6　主程序流程圖

圖7　DSP實(shí)現(xiàn)控制流程圖

應(yīng)用MATLAB中的Simulink功能對(duì)BLDCM雙閉環(huán)控制系統(tǒng)做仿真實(shí)驗(yàn)，選取BLDCM仿真參數(shù)如下：定子相電阻R＝1.453Ω，定子相繞組自感L＝0.02H，互感M＝0.0073H，轉(zhuǎn)動(dòng)慣量J＝0.0055kg·m2，額定轉(zhuǎn)速ne＝1200r／min；應(yīng)用IGA－BP混合算法時(shí)定義群體規(guī)模N為55，交叉概率pc為0.85，變異概率pm為0.04。進(jìn)化迭代次數(shù)為500步，RFNN網(wǎng)絡(luò)學(xué)習(xí)誤差為0.0001。圖8（a）表示BLDCM控制系統(tǒng)中轉(zhuǎn)速調(diào)節(jié)器為傳統(tǒng)PID控制器時(shí)的轉(zhuǎn)速響應(yīng)曲線，圖8 （b）表示轉(zhuǎn)速調(diào)節(jié)器為RFNN控制器時(shí)的轉(zhuǎn)速響應(yīng)曲線，其中在t＝6秒突加15N·m的負(fù)載。圖9、圖10分別表示本文設(shè)計(jì)的基于DSP的RFNN控制器BLDCM系統(tǒng)對(duì)于給定正弦波和方波轉(zhuǎn)速時(shí)的響應(yīng)情況，實(shí)線①為給定輸入轉(zhuǎn)速，虛線②為實(shí)際輸出轉(zhuǎn)速。通過(guò)仿真結(jié)果分析得出，BLDCM系統(tǒng)采用本文設(shè)計(jì)的RFNN控制器相比傳統(tǒng)PID控制器，具有更快的響應(yīng)速度、更高的控制精度、更低的超調(diào)量、更強(qiáng)的抗干擾能力，可以很好地實(shí)現(xiàn)BLDCM系統(tǒng)的調(diào)速控制。

圖8　轉(zhuǎn)速響應(yīng)仿真波形圖

圖9　系統(tǒng)正弦波轉(zhuǎn)速響應(yīng)　

圖10　系統(tǒng)方波轉(zhuǎn)速響應(yīng)

7　試驗(yàn)分析

BLDCM的試驗(yàn)系統(tǒng)結(jié)構(gòu)圖如圖11所示。

圖11　BLDCM試驗(yàn)系統(tǒng)結(jié)構(gòu)圖

圖12為示波器顯示的BLDCM轉(zhuǎn)速跟蹤曲線。圖中，①為給定電機(jī)轉(zhuǎn)速，②為實(shí)際檢測(cè)的BLDCM轉(zhuǎn)速。從圖中可以看出，BLDCM具有較強(qiáng)的速度跟蹤能力和動(dòng)態(tài)性能，能夠達(dá)到預(yù)期的控制要求和效果。

圖12　BLDCM轉(zhuǎn)速跟蹤曲線

8　結(jié)束語(yǔ)

將設(shè)計(jì)的RFNN控制器取代傳統(tǒng)的PID控制器，用于基于DSP芯片的BLDCM雙閉環(huán)控制系統(tǒng)中的轉(zhuǎn)速調(diào)節(jié)器，以實(shí)現(xiàn)對(duì)BLDCM的速度精確控制。仿真實(shí)驗(yàn)結(jié)果表明，本文所設(shè)計(jì)的RFNN速度控制比傳統(tǒng)PID控制的轉(zhuǎn)速超調(diào)量更小、抗擾動(dòng)能力更強(qiáng)、穩(wěn)態(tài)精度更高、實(shí)時(shí)性更強(qiáng)、魯棒性更強(qiáng)，實(shí)現(xiàn)了較為理想的控制效果，對(duì)BLDCM調(diào)速控制系統(tǒng)的實(shí)際工程應(yīng)用具有一定的參考價(jià)值。

［1］喬維德.基于改進(jìn)遺傳算法的無(wú)刷直流電動(dòng)機(jī)遞歸模糊神經(jīng)網(wǎng)絡(luò)控制［J］.微特電機(jī)，2008，36（5）：32－35.

［2］喬維德，基于微粒群算法的模糊控制在BLDCM中的應(yīng)用［J］.微電機(jī)，2008，41（6）：90－92.

Fuzzy neural network control of BLDCM based on DSP

QIAO Wei－de （Wuxi Open University，Wuxi 214011，China）

A dynamic recurrent fuzzy neural network controller is designed.It is used in the BLDCM double closed loop control system of speed governor.Taking digital signal processor as BLDCM speed control and computing unit，the BLDCM control system based on digital signal processor is designed.The computer simulations and experiments are given.The experimental results show that the system has strong robustness，well resistance to interference，good real－time properties，and has perfect control effect.

BLDCM；RFNN；DSP；simulation

TM33

A

1005—7277（2016）01—0025—04

喬維德（1967－），男，教授，江蘇寶應(yīng)人，主要研究方向?yàn)殡姍C(jī)及智能控制技術(shù)。

2015－06－03