英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
附录A 译文
异步电动机的模糊逻辑调速
Jaime Fonseca, Joao L. Afonso, Julio S. Martins, Carlos Couto
民和大学工业电子系，拉戈多帕戈，4709-布拉加法典，葡萄牙
一九九八年一月三十日收到;于1998年8月31日收到经修订的表格;1998年10月7日接受申请
摘 要
本文介绍了利用模糊逻辑技术控制三相异步电动机转速的方法。重点介绍了如何利用Matlab/Simulink和fuzzyTECH MCU96作为系统设计的软件开发工具。硬件的实现基于标准的16/32位微控制器，不需要任何额外的模糊逻辑控制器组件。通过与传统PI控制方案的比较，对系统性能进行了评价，并给出了仿真和实验结果。copy;1999爱思唯尔科技有限公司保留所有权利。
关键词: 实时控制;模糊逻辑;感应电动机;滑动控制
介绍
模糊逻辑控制是模糊理论应用最广泛的领域之一，模糊逻辑技术试图在技术环境中模拟人类的思维过程。在此过程中，模糊逻辑方法允许设计者有效地处理非常复杂的闭环控制问题，在很多情况下，减少了工程时间和成本[1,2]。模糊控制还支持非线性设计技术，目前正在开发的电机控制应用[3,4,5]，正是一个包括在一个输入范围内分配增益的能力，以避免控制能力的饱和的例子。基于软件的实现的这些技术主要用于工业自动化中相对较慢的过程，快速模糊控制通常需要使用特定的硬件处理器。
起初，模糊控制被发现特别有用，能用以解决非线性控制问题，或当设备模型是未知的或难以建立。在本文中，我们将展示这些技术在经典控制性能良好的应用中也很有用。模糊逻辑允许一个更简单的鲁棒性控制解决方案，它的性能只能由一个具有自适应特性的经典控制器来匹配，实现起来要困难得多。
本文介绍了就应用模糊技术控制感应电动机转速所做的具体工作。以传统的PI滑差控制器为参考，以标准微控制器为起点实现PI滑差控制器。这里的目标是，通过简单的软件修改，用模糊控制器代替PI方案，并试图提高其性能。注意力将集中在支持模糊和神经模糊设计(fuzzyTECH)和仿真(Matlab/ Simulink)的软件开发工具的使用上，而不是感应电机控制的细节。
从模糊控制的应用中产生了两个问题:如何选择模糊控制规则和如何设置隶属函数。通常使用两种方法来完成这项任务。一种是直接从熟练的操作人员那里获取知识，并将其转化为模糊规则。然而，这一进程可能难以执行，而且耗费时间。经常发生的情况是，操作员不能明确而准确地表达他对流程的知识。作为一种替代的模糊规则可以通过机器学习技术获得，其中的过程的知识是自动提取或归纳的样本或例子。许多用于构建经典清晰逻辑系统的机器学习方法可以扩展到学习模糊规则。人工神经网络(ANN)是近年来发展起来的一种非常流行的机器学习方法，它可以模拟生物神经系统进行学习控制和模式识别。另一种机器学习方法是由Holland[6]引入的遗传算法(GA)方法。遗传算法是基于自然选择和自然遗传学的自适应概率搜索算法。
在这个案例中尝试了使用这些自学技巧，但是结果还不是很令人信服，因此本文将不讨论这个问题。因为这是一个众所周知的控制案例，所以模糊控制规则和隶属函数的选取都是基于经验方法的。
本文的整体结构如下:第2节介绍了感应电机的滑移控制方案，第3节介绍了开发工具在系统设计中的使用，第4节给出了仿真结果，第5节给出了实验结果，第6节给出了结论。
图1 电机电压源逆变驱动的滑差控制方案介绍
电机转速控制的介绍
滑动控制
除了高性能驱动外，感应电机的转速可以通过如图1[7,8]所示的简单滑移控制方案来控制。本机由电压源脉宽调制(PWM)逆变器(块C)供电，采用数字转速计(T)测量转子转速w，并与转速基准湿-进行比较
假设不需要快速响应，可以对异步电机稳态模型进行线性逼近[9]。电机输出转矩,几乎是与omega;r滑动频率成正比，这是电机电源频率和运动速度omega;s的区别。但是，必须限制滑移频率，使电机模型是有效的。在这样做，限制峰值扭矩和定子电流是间接设置。
在这个传统的控制方案,速度误差(omega;e =omega;ref -omega;)输入一个PI控制器(块A),设置电机转差频率。由于逆变器开关换相产生的噪声，通常禁止使用PID控制器。定子频率是通过添加滑转子速度,频率和定子电压(Us)是一个预定义的设置Us/omega;sasymp;常数(块B),因此电动机磁通保持在其标称值电压和频率值然后电压源逆变器的输入。
本文提出了一种使用模糊逻辑实现控制器块A的替代方法，这两种方法都将在接下来的页面中详细介绍和评估。
图2 硬件实现简图
驱动装置设置
实验采用电压源型逆变器供电的1kw三相异步电动机，逆变器采用6 IGBT功率模块实现，采用标准Intel 80C196KD单片机执行控制算法，生成IGBT电机驱动逆变器PWM波形
系统控制硬件基于196KD目标板Rev1.2，它是一个来自INTEL的简单开发工具包，包括一个20 MHz 80C196KD单片机，32 kB RAM，一个用于小型显示器的ROM和一个串行接口。该模糊逻辑控制器不使用模糊处理器或任何特定的硬件来实现，如图2所示，在目标板上添加的额外电路很少:只有两个电路，一个与IGBT功率逆变器(逆变器接口)接口，另一个与数字转速表(编码器接口)接口。逆变器接口电路从单片机接收PWM信号(TTL电平)，并向PWM逆变器(IGBT电源模块)产生兼容的驱动信号。该电路还负责给驱动信号增加死区时间，避免通过同一支路PWM逆变器的igbt短路。
编码器接口电路接收转速表信号，使其适合于单片机的数字输入。
一个终端可以通过单片机串口连接到系统上，设置速度基准，并监控一些控制变量。
软件结构
软件结构如图3所示的流程图所示。在初始化了一些内部变量后，会产生一个无级循环，读取转速基准，从转速表中获取电机转速。然后计算速度误差(参考转速与电机转速的差值)，并将其作为滑差控制器(模糊逻辑或PI控制器)的输入。控制器设置电机滑差频率，允许根据图1框图计算幅值和频率电压。这些值被输入到合成PWM波形的软件模块中。最后，显示了一些相关的控制变量，以供监控之用。
本文的主要目标是滑块控制器的实现，这将在下一节中讨论。该块的代码由fuzzyTECH自动生成(对于模糊控制器的情况)。这段代码包括输入变量的模糊化、推理过程(执行激活的规则)和去模糊化过程(输出变量的生成)。PI控制器采用C语言实现。
主控回路采用80C196KD单片机，采用20mhz时钟，在5.1 ms采样时间内完成数据采集、模糊控制和PWM波形生成。同一处理器的模糊滑差控制器执行时间为2.5 ms。
这里不会详细介绍所有其他软件块。它们也是由作者开发的，主要使用C语言，并使用汇编语言编写了一些快速例程。
图3 驱动器流程图
控制系统设计
3.1开发工具
3.1.1 Matlab / Simulink
Matlab是一门面向工程和科学应用的高级语言，经过十多年的发展，它已经成为一种流行的、灵活的、强大的、简单的语言。它为20多个工具箱提供了一个有效的平台，支持专业的工程和科学应用，涵盖了从符号计算到数字滤波器设计、控制理论、模糊逻辑和神经网络等领域。它是交互式使用的，并且支持定义函数和脚本的能力，以及与C语言和Fortran程序的动态链接。Matlab语言最近的发展趋势集中在一种面向对象的图形功能上，这种功能允许构建丰富的图形用户界面(GUI)[10,11]。
Simulink是建立在Matlab之上的。它是一个交互式环境，用于建模和模拟各种动态系统，包括线性、非线性、离散时间、连续时间和混合系统。它结合了应用程序包的强大功能和易用性，以及语言的灵活性和可扩展性。用户可以通过点击和拖动操作构建框图模型，动态更改模型参数，并在仿真过程中“实时”显示结果。该工具也是一个独特的开放系统，允许选择、调整和创建适合每个应用程序的软件和硬件组件[10,12]。
Simulink和Matlab为开发模型、执行动态系统仿真以及设计和测试新思想提供了理想的集成环境。
图4 用于电机模型识别的Simulink框图
3.1.2 非线性控制设计工具箱
非线性控制设计(NCD)工具箱使用Matlab和Simulink，为设计线性和非线性控制系统[13]提供了一种强大的基于时间域的优化技术。
在Simulink中，控制器设计被开发为框图模型。使用功能强大的图形界面交互地指定约束。因此，实现性能目标和优化可调参数成为一个简单而直观的过程。NCD工具箱自动将时域约束和时间响应转换为优化问题，然后使用最先进的算法解决问题，从而优化所选模型参数。
目前常用的许多自动控制设计方法(如LQG/LTR和Hoo)都要求用线性模型逼近控制器和控制器。相比之下，NCD工具箱使用了一种新的计算机辅助控制系统设计方法(CACSD)，允许您在非线性系统中直接调优参数。设备和控制器可以是连续时间、离散时间或混合时间。控制器可以采用任何形式，包括PID、状态反馈、基于观察者的或分散的。“NCD工具箱”的主要功能可概括如下:
·可以使用Simulink建模的任何工厂或控制结构，包括线性/非线性、连续/离散/混合、单输入/单输出(SISO)或多输入/多输出(MIMO)。
·操作完全自动化，无需编写额外代码。
·可以对任何输出信号施加约束，包括执行器、命令跟踪输出和干扰测量。
·蒙特卡罗方法可以提高系统对具有植物不确定性问题的鲁棒性。
·优化求解器可以随时停止，从而接入中间解决方案。
·可调参数的数量没有限制，可以是标量、向量或矩阵。
·自动超实现选项尝试调整响应，使其通过约束的中点。
3.1.3 fuzzyTECH MCU-96版
采用fuzzyTECH MCU-96版对模糊控制器进行设计。它是一个完整的图形化工具，支持模糊系统工程的所有设计步骤:结构设计、语言变量、规则定义和交互调试。此外，该工具生成c代码与优化装配功能的英特尔MCS-96微控制器家族和其他[14,15]。它还生成了Mcode，可用于仿真和数学软件包中的系统表示。
在fuzzyTECH工具中，可以使用神经模糊模块，该模块允许自动生成成员函数和规则，以及它们对数据集的优化。采用改进的误差反向传播算法训练模糊逻辑系统的规则和隶属函数。
用户不需要担心算法的细节，因为这些工具作为设计的智能助手，帮助从样本数据生成和优化成员船函数和规则库。
图5 NCD约束编辑器对话框
图6 优化参数对话框
3.2 使用NCD工具箱进行模型识别
采用标准试验(空载试验、直流试验和锁相环试验)，得到了作为第一个近似的电机模型。然后用NCD包作为识别工具，对实验获得的电机参数进行微调。基本思想是比较实验数据得到的电机开环速度反应一步定子频率,假设相同的输入模拟信号和电动机模型与实验获得的参数(图4)。如果参数是正确的信号都应该通过。
通常的系统辨识方法包括限制误差信号的某些功能。在本例中，使用“均方误差”(块E)来比较(减去)实验数据和模拟数据。“From Workspace”Simulink块(D)用于将观察到的电机转速数据导入系统。:
如上所述，误差信号总是正的，NCD优化算法的目标是使其尽可能地接近于零(如果电机参数正确，它应该始终为零)。为了达到这个目的，约束在“NCD约束编辑器对话框”的帮助下进行调整，如图5所示。在定子频率输入阶跃之前(0.4 s)将约束设置为零，之后设置为接近零的值。
必须在开始优化之前定义可调优的参数。这可以通过“优化参数对话框”来实现，如图6所示。
在这种情况下，调整的参数为电机电气时间常数(Te)、电机负载惯性(J)和系统延迟(Dly)，实验得到了这些参数的初值。
优化过程中误差信号的演化过程如图5所示。开始时信号远不是零(第一个曲线甚至超出了本例中不相关的范围)，但随着优化过程的进行和电机参数调整到其最优值，信号接近最小值(在指定的约束条件下)。
将实测和模拟的电机转速响应进行比较，参数辨识过程前后(图7a,b)，使用NCD工具箱的优点是显而易见的:最后两个信号几乎重合。
NCD工具箱非常容易使用，并且性能非常好，但是像任何优化工具一样，它需要一些策略。例如，尝试同时调整所有参数，或者从优化过程的一开始就对约束施加过多的“压力”，这都不是一个好主意。
图9 PI控制器展开框图
3.3 控制器设计
为了评价模糊逻辑技术与经典方法的优劣，首先采用PI控制实现了图1所示的感应电机滑脱控制器，然后采用模糊逻辑实现了该控制器。:
3.3.1 使用NCD工具箱优化PI控制器参数
图8给出了在Simulink环境下进行PI控制器仿真的系统框图。采用“零阶保持块”设置仿真采样时间为5.1 ms，这是实际实现中使用的值。注意，由于滑移限制，这在控制器输出处引入了非线性，必须使用具有抗卷绕机构的PI(图9)。
PI控制器的设计首先通过经典的控制方法(根轨迹)，然后使用NCD工具箱优化其对速度基准步的响应，并在施加扭矩扰动时最小化速度变化。该程序与描述的电机模型识别相同，主要的不同之处在于这里不需要产生错误信号:约束条件只是根据上升、下降和稳定时间以及超调值来设置所需的速度响应(图10)。可调参数为比例增益(K)、积分增益(1/T)和抗卷绕增益(1/Tt)。
图10 优化PI控制器参数的NCD块
3.3.2 模糊逻辑方法
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[440866]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
