開關磁阻系統魯棒性控制方法研究

劉勇智 李杰 戴聰 周政

摘 要：在航空起動/發電系統中，開關磁阻電機（switched reluctance motor ，SRM）的雙凸極結構和高轉矩脈動使航空起動/發電系統模型表現出高度的非線性和不確定性。為了解決SRM的非線性問題，提高系統的響應速度，降低轉矩轉速脈動，同時提高系統的抗干擾能力，本文基于協同控制和自適應模糊邏輯的基本原理，提出了一種自適應模糊終端協同控制方法（adaptive fuzzy terminal synergetic control， AFTSC）。針對開關磁阻系統模型的高度非線性和不確定性，協同控制確保了系統的魯棒性，模糊邏輯估計了控制律的非線性方程，提高了控制器的有效性，同時降低了系統的計算體量。仿真和實驗結果表明，在自適應模糊終端協同控制方法下，開關磁阻電機系統表現出更好的響應特性，該控制器對于開關磁阻電機轉速和轉矩的變化表現出更強的魯棒性，相比于常規基于遺傳算法的PID控制器具有更好的性能。

關鍵詞：開關磁阻電機;協同控制;自適應模糊邏輯;魯棒性;PID控制

DOI：10.15938/j.emc.2020.03.011

中圖分類號：TM 352文獻標志碼：A文章編號：1007-449X（2020）03-0088-09

Abstract：In the air start / power generation system，the doubly salient structure and high torque ripple of switched reluctance motor （SRM） make the air start / power generation system model highly nonlinear and uncertain. In order to solve the nonlinear problem of SRM， improve the response speed of the system， reduce the torque and speed ripple， and improve the antiinterference ability of the system at the same time， based on the basic principles of cooperative control and adaptive fuzzy logic， an adaptive fuzzy terminal cooperative control method is proposed in this paper. Considering the high uncertainty and nonlinearity of the SRM model， robustness was verified by synergetic controller; the nonlinear function of the control law was estimated and the calculation was simplified by adaptive fuzzy logic and therefore the effectiveness was improved. Simulation and experimental results show that the controller has good response performance and robustness to speed and load changes. Compared with GAPID， the proposed method has better performance.

Keywords：switched reluctance motor; synergetic control; adaptive fuzzy logic; robustness; PID control

0 引 言

開關磁阻電機近年來由于其簡單的結構、高度的容錯能力、較低的損耗，受到越來越多的關注，尤其是在F-35戰斗機上的應用，使它的使用價值得到進一步拓寬，開關磁阻起動/發電系統逐漸成為航空市場的主流。然而，其特殊的雙凸極結構和高轉矩脈動所帶來的模型的高度非線性和不確定性，對電機的實際控制提出了很高的要求。如何對電機實行有效的控制，以降低轉矩脈動，提高電機的快速響應和抗干擾能力成為當下研究的熱點。

為了提高轉速性能，降低轉矩脈動，提高系統魯棒性，多種方法被應用于SRM，如神經網絡[1-2]，模糊邏輯控制[3-4]，但是這些控制方式計算體量大，對控制器要求較高，工業上不易推廣。新型控制方式，如預測控制[5-6]，滑模控制[7-8]在SRM上也有所延伸。文獻[5]將預測控制應用于SRM的轉矩控制，將電感表面學習機制應用于電流預測，提高了電機的控制精度;文獻[6]將無約束模型預測控制器應用于電機的電流控制，有效降低了電機的電流和轉矩脈動，但是預測控制對于計算速度要求較高;文獻[7]設計了轉矩觀測器獲取實際轉矩，設計滑模控制器調節轉矩誤差，有效抑制了轉矩脈動;文獻[8]將滑模應用于汽車充電電抗器中SRM控制，有效提高了電能質量，但是變結構滑膜控制器需要高帶寬，同時易引入噪聲。

協同控制理論（SCT）是由俄羅斯研究員科列斯尼科夫提出的一種新型控制方法[9]，其優勢在于便于數字化實現，同時可以工作于連續恒定的開關頻率，降低電機震顫，目前在電力系統[10]，DCDC升壓轉換器[11]等方面有著廣泛的應用。在電機控制方面，文獻[12]將協同控制運用于永磁同步電機，實現了在不變流形上對二階系統的自然線性化和降階;文獻[13-14]將協同控制引入感應電機的轉速控制，提高了電機在外部干擾下，轉速的穩定性;Louri等人將協同控制和滑模控制在非線性系統中的抗干擾能力進行比較，發現協同控制具有更強的魯棒性和響應速度[15]，這也進一步驗證了協同控制在SRM這種高度非線性系統中有很廣闊的應用前景。為了解決SRM的非線性問題，提高系統的響應速度，降低轉矩轉速脈動，同時提高抗干擾能力，本文將協同控制引入SRM，將輸入電壓u作為控制量，實現對SRM的控制。然而，就像其他基于模型的控制技術，協同控制技術也高度依賴于模型的精確性，針對此問題，本文引入終端自適應模糊邏輯對非線性模型進行估計，設計了自適應模糊終端協同控制器實現了對SRM的精確控制。

7 結 論

本文基于協同控制和模糊邏輯的基本原理，針對開關磁阻起動系統這一控制對象，設計了自適應模糊終端協同控制器。首先提出了一般協同控制方法，并給出了協同控制器的一般方程。這一控制器控制律連續，能夠較小系統的震顫，同時確保了系統的魯棒性。其次設計了終端協同控制器確保了系統誤差能夠在有限時間內收斂，確保了控制器的有效性。再將自適應模糊邏輯應用于所設計的控制器，實現了對控制律中的所出現的非線性函數H（x）和G（x）的有效估計，在提高控制器準確性的同時，也減小了系統控制律的計算體量。最后設計相應的李雅普諾夫函數，證明了所提出的控制器的穩定性。仿真和實驗結果證明了，在該控制方法下，系統具有優良的動靜態性能和較好的魯棒性，相比于遺傳PID方法，其控制效果更加優越，在實際應用中具有廣泛的前景。

參 考 文 獻：

[1] 高宇，戴躍洪，宋林.基于BP神經網絡的開關磁阻電機建模[J].電力電子技術，2017，51（2）：72.

GAO Yu， DAI Yuehong， SONG Lin.Modeling of switched motor based on BP neural network[J]. Power Electronics， 2017，51（2）：72.

[2] 夏長亮，陳自然，李斌.基于RBF神經網絡的開關磁阻電機瞬時轉矩控制[J].中國電機工程學報，2006，26（19）：127.

XIA Changliang， CHEN Ziran， LI Bin. Instantaneous torque control of switched reluctance motors based on RBF neural network[J].Proceedings of the CSEE： 2006，26（19）：127.

[3] 修杰，夏長亮.基于遺傳算法的開關磁阻電機自適應模糊控制[J].電工技術學報，2007，22（11）：69.

XIU Jie，XIA Changliang. GAbased adaptive fuzzy logic controller for switched reluctance motor[J]. Transactions of China Electrotechnical Society， 2007，22（11）：69.

[4] 鄭國，鄭萬新.基于開關磁阻電機光伏水泵系統模糊控制研究[J].中國電力，2017，50（1）：146.

ZHENG Guo， ZHENG Wanxin. Research on fuzzy control of PV pumping system based on switched reluctance motor[J]. Electric Power，2017，50（1）：146.

[5] XIN Li， POURYA SHAMSI. Inductance surface learning for model predictive current control of switched reluctance motors[J].IEEE Transactions On Transportation Electrification，2015，1（3）：287.

[6] XIN Li， POURYA SHAMSI.Model predictive current control of switched reluctance motors with inductance autocalibration[J]. IEEE Transactions On Industrial Electronics， 2016，63（6）：3934.

[7] ZAN Xiaoshu. Switched reluctance motor speed performance simulation study based on torque ripple suppresslon[C] // Luoyang： International Conference on Advanced Mechatronic Systems， 2013： 253-257.

[8] RASHIDI A，NAMAZI M M.Zero torque control of switched reluctance motors for charging reactor of electric vehicles[C]//Busan： IEEE International Conference on Advanced Intelligent Mechatronics （AIM）， 2015： 990-995.

[9] KOLESNKOV A，VESELOV G，KOLESNIKOV A， et al.Synergetic synthesis of DCDC boost converter controllers： theory and experimental analysis[C] // Dallas： 7th Annual IEEE Applied Power Electronics Conference and Exposition， 2002： 409-415.

[10] BOUCHAMA Z，HARMAS M.Optimal robust adaptive fuzzy synergetic power system stabilizer design[J]. Electr. Power Syst. Res， 2012， 83（1）：170.

[11] HARMAS M，HAMZAOUI A，HARMAS K.Adaptive fuzzy synergetic converter control[C]//Taibah： International Conference on Computing and Information Technology（ICCIT）2012：734-738.

[12] BASTOS J，MONTI A，SANTI E. Design and implementation of a nonlinear speed control for a PM synchronous motor using the synergetic approach to control theory[C]//Aachen： 35th Annual IEEE Power Electronics Specialists Conference， 2004：3397-3402.

[13] YOUNG DAE SON，TAE WONHEO，ENRICO SANTI.Synergetic control approach for induction motor speed control[C]//Busan：The 30th Annual Conference of theIEEE Industrial Electronics Society， 2004： 883-887.

[14] ABOLFAZL RANJBAR NOEI，HEDYEH AGHEH KHOLERDI.Robust speed control of induction machine using synergetic controller[C]//Tehran： 2nd International Conference on KnowledgeBased Engineering and Innovation （KBEI），2015： 880-885.

[15] LOURI M，AMRANE A，BARAZANE L.Comparison between theperformances of variables structures control and the theory of synergetic on applied to the squirrel motor drives[C]//Algiers： 3rd International Conference on Systems and Control（ICSC）， 2013： 293-298.

[16] 霍麗華，楊建忠.基于目標狀態方程的SRM非線性預測控制[J].中國民航大學學報，2009，27（02）：31.

HUO Lihua， YANG Jianzhong. Nonlinear predictive control for SRM based on TSEs[J].Journal of Civil Aviation University of China， 2009，27（02）：31.

[17] SUGENO M，KANG G T.Structure identification of fuzzy model[J].Fuzzy Sets and Systems， 1988，28（2）：15.

（編輯：賈志超）