基于智能控制的直流電機PWM調速

田軍 楊磊 薛榮

摘要：本文主要討論了基于智能控制的直流電機PWM調速，在建立被控對象的數學模型的基礎上，應用MATLAB的SIMULINK模塊進行了仿真。本文介紹了直流電機的PWM雙極性驅動，通過設計模糊PID控制器和神經網絡PID控制器，并與普通PID控制器進行比較，討論了人工智能技術在直流電機調速中的應用。

Abstract： The PWM speed regulation of DC motor based on intelligent control is discussed in this passage. And the simulation is carried out with the SIMULINK after that the mathematical model of controlled object is built. This article introduces the PWM bipolar drive of DC motor， designs a fuzzy controller and a neutral network controller and then discusses the application of artificial intelligence in the speed regulation of DC motor.

關鍵詞：直流電機調速;雙極性PWM調速;模糊PID控制;神經網絡PID控制

Key words： speed regulation of DC motor;PWM bipolar speed regulation;fuzzy PID control; neutral network control

中圖分類號：TM33? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2019）18-0142-03

0? 引言

傳統的直流電機調速系統控制策略通常有變電樞電流調速、變勵磁調速及發電機-電動機調速等。變電樞電流調速系統雖然簡單易行、制造方便、價格低廉，但由于其效率低、軟機械特性、平滑調速范圍窄，目前很少被采用。發電機-電動機調速配合磁放大器、晶閘管等可控器件，雖然可以實現較寬范圍內的平滑調速，但附加調速設備的引入無疑也增加了系統的體積。隨著相關技術的深入發展，現代直流電機調速系統開始進入數字化、智能化發展模式，新興的調速系統控制策略及算法日漸成熟。新型電力半導體器件IGBT具有開關速度快，驅動簡單方便、可控能力強及自關斷特性，克服了晶閘管的主要缺點，因此，直流電機的脈寬調制（pulse width modulation），即PWM調速技術成為目前主流的直流電機數字調速策略，具有抗干擾能力強、調試靈活、高可靠性、占用空間體積小、調速精度高及易于管理、維護方便等一系列優點。而國內數字直流調速系統的控制策略主要包括補償PID控制、模糊控制及綜合性最優控制等。

鑒于上述研究現狀，本文討論了基于模糊控制和神經網絡控制的直流電機PWM調速系統。模糊控制系統通過檢測轉速控制PWM開關器件的導通時間，實現直流電機調速;神經網絡系統通過將神經網絡應用到PID控制中，從PID中選取神經元學習控制所需的狀態變量，從而具備良好的適應能力。兩種系統均在一定程度上增強了直流電機調速系統的抗干擾能力和魯棒性，進一步提高了系統的響應速度和穩態精度。

1? 直流電機調速控制系統仿真

如圖1所示為利用MATLAB的SIMULINK模塊建立的直流電機調速仿真模型，其中ASR為轉速控制器，ACR為電樞電流控制器，PWM模塊為雙極性H橋提供驅動所需的PWM波形[1]。此處采用了一臺5-HP，240-V ，額定轉速1220rpm 的直流電機。該電機的等效參數RF=240？贅，LF=120H，RA=0.6？贅，LA=12mH[2]。由圖可見，本文所討論的是轉速電流雙閉環直流調速系統。

圖2為PWM模塊內部結構和ACR模塊內部結構[3]。

2? 普通PID控制器的設計

PID控制器針對系統偏差的比例、積分、微分調節實現控制，其方程式為：

式中，Kp，Kl，KD為PID控制器參數，e（t）為控制器的偏差輸入信號，u（t）為控制信號。圖3為普通PID控制器的SIMULINK仿真圖。

3? 模糊PID控制器的設計

模糊控制器也稱為模糊邏輯控制器（Fuzzy Logic Controller，FLC），由于所采用的模糊控制規則是由模糊理論中模糊條件語句描述的，因此模糊控制器是一種語言型控制器，故也稱為模糊語言控制器（Fuzzy Language Controller，FLC）[4]。

模糊控制器的組成框圖如圖4所示。

圖5和圖6所示分別為模糊PID控制器的SIMULINK仿真圖，模糊控制規則仿真圖，以及誤差E、誤差變化率EC及控制量u的模糊隸屬度函數圖形。

4? 神經網絡PID控制器

神經網絡控制是20世紀80年代末期發展起來的自動控制領域的前沿學科之一。它是智能控制的一個新的分支，適于處理復雜的非線性、不確定、不確知系統的控制問題。

單神經元自適應智能PID控制器具有結構簡單、適應環境變化等特點，有較強的魯棒性。對比例、積分、微分三種控制作用進行調整以形成相互配合又相互制約的關系，可從變化無窮的非線性組合中找出最佳的關系。神經網絡所具有的任意非線性表示能力，可以通過對系統性能的學習來實現具有最佳組合的PID控制[5]。

神經元的學習規則有：無監督Hebb學習規則，有監督Delta學習規則，有監督Hebb學習規則。通過對加權系數的調整，實現了控制器的自適應、自組織功能，通過有監督的Hebb學習規則實現權系數的調整。控制算法及學習算法如下：

如圖7所示為神經網絡控制器的SIMULINK仿真圖。

5? 仿真實驗及結果分析

如圖8所示，分別為普通PID控制器，模糊PID控制器和神經網絡PID控制器的方波響應曲線。由圖中可看出，模糊PID控制器的方波響應與普通PID控制器相仿，但是跟蹤曲線較為平滑;神經網絡PID控制器的跟蹤曲線最為平滑，而且與輸入信號的誤差最小。可見，神經網絡應用于PID控制可以很好地改善控制性能，而模糊PID控制則由于應用簡單，在面對較復雜的非線性系統時可以更加簡潔有效地實現控制要求。

參考文獻：

[1]Saffet Ayasun， Gültekin Karbeyaz. DC motor speed control methods using MATLAB/Simulink and their integration into undergraduate electric machinery courses[C]. Computer Applications in Engineering Education， 2007：347-354.

[2]Ayütel Gelen， Saffet Ayasun. Realization of Power Electronic Convertor Based DC Motor Speed Control Methods Using MATLAB/Simulink[C]. Int J Engng Ed. Vol. 25， No. 1， pp. 33-41， 2009.

[3]Seung-Ki Sul. Control of Electric Machine Drive Systems[M]， 2011： 46-47， 157-208.

[4]Kevin M. Passino， Stephon Yurkovich. Fuzzy Control[M]， 2001： 21-72.

[5]L.P.J. Veelenturf. Analysis and Applications of Artificial Neural Networks[M]. 1995： 6-45.