基于粒子群優化模糊控制器永磁同步電機控制

白超

摘 ?要：在此次研究中，提出了永磁同步電機控制策略，借助粒子群算法的途徑，對模糊控制器的3個比例因子參數進行實時優化設計，從而充分發揮其性能和作用，為驗證這一方法是否具有有效性進行了仿真模型驗證，結果發現該系統具有較強的魯棒性，能夠實現跟蹤負載變化，響應較快，而且準確度高，進一步說明粒子群優化方法在電動機中車有一定的可行性。

關鍵詞：粒子群優化 ?模糊控制器 ?永磁同步 ?電機控制

中圖分類號：TM341 ? 文獻標識碼：A ? ? ? ? ? ?文章編號：1672-3791（2019）05（a）-0033-02

對于永磁同步電機來說，其具有較強的能量密度和效率，體積小，響應較快，常用于電動汽車驅動系統中。目前很多電動機控制系統均采用永磁同步電機，將其視作為驅動部件。這種驅動設備和傳統的電動汽車相比，一般都是選控制策略PID控制方法，這種控制方法雖然具備一定的優勢，但也難以避免具有一定的局限性，無法根據外界環境變化來調整參數，無法實現優化功能。基于此研究學者提出了智能控制的策略，比如模糊控制算法，但這些方法各有缺陷，針對這種情況，我們也充分提出了粒子群優化模糊控制器，能夠利用粒子群算法優化模型控制器的參數，進而能夠使其適應環境變化和負載變化，實現參數控制，使模糊控制器的精度和魯棒性能提高，在實驗過程中負載轉距利用階躍信號，將其作為干擾，在相同條件下，與PID控制效果進行比較分析。

1 ?粒子群的優化算法

該算法目前已經在很多領域中實現了應用。首先對一組隨機粒子進行初始化，用迭代法求出最優解。在迭代過程中，粒子通過跟蹤極值來更新數據，其中一個是粒子本身的最優解，即單個極值。而另外一個是整個種群中的最優解，我們將其稱為是全局機制。經過及時尋找到兩個值后，可以根據公式來更新速度和位置。

2 ?粒子群優化的模糊控制器

從反饋的信息來看，粒子群優化（PSO）技術動態調整量化因子和尺度因子，以獲得最佳效果。如圖1所示為粒子群優化自適應模糊控制器的結構。

首先，將求解空間劃分為5個區域，并分配不同區域的速度位置。初始值需要在一定范圍內。隨機極值是初始位置值，而全局極值是在5個區域中尋找最小極值。同時，記錄極值所在區域的信號數據。其次，需要將初值代入公式中，在與全局極值比較后，如果單個極值比最后一個全局極值更為優化，則需要用新的全局極值來代替。最后，通過類比，在滿足目標函數之前，可以在空間變化中找到粒子的最優解。此時，位置是模糊控制器參數因子和比例因子的最優解。如果找不到最優解，則需要返回程序繼續搜索。

3 ?仿真模型實驗

圖2為粒子群優化模糊閉環矢量控制仿真模型。

在速度環中，速度為1000r/s，反饋引起的速度誤差被發送到PSO。當模糊控制器的3個參數進行優化，輸出U作為電流指令進入電流回路時，PWM產生方式為空間矢量PWM，輸出的三相正弦電流驅動電機。采用了ID等于零的控制系統策略。在實驗過程中，我們對常規PID控制器和PFC控制器系統進行仿真實驗。其中負載轉矩需要從2nm升至10nm，觀察各變量，對于越級信號的響應情況。我們將轉速定為100r/s，分別比較兩種控制下轉速響應情況。結果發現無論響應速度為多少，和超調量大小，其PFC控制器都優于PID控制器的響應速度。同時發現PFC控制器下轉距當發生突變時，速度相對平穩，超調量小。為了測試粒子群優化控制系統的高速性能，我們將對其進行加速，調至1000r/s，轉矩從2nm升到10nm，比較不同結果表明，當轉速達到穩定狀態時，僅低于指令值。在999r/s產生的誤差較小，而且PFC控制器依然要比PID控制器的性能好。通過數據我們發現轉矩曲線比較平滑，啟動過程中只有較大的超調量。這主要是由于電機帶負荷啟動過程中需要較大的扭矩，不適合更精確控制扭矩的場合。在今后的控制策略中引入轉矩控制，可以減小起動轉矩的過沖。

4 ?結果分析

在上述的實驗電路中，我們將電機選用極對數為3的貼面式永磁同步電動機，其中額定功率為1.2kW、額定轉速為6000r/min、額定電壓為400V、額定電流為2.8A。在微處理器上選用定點數字信號處理器DSP，能夠對整個系統的矢量控制算法和粒子群優化算法，基于運算周期為66.67μs，PWM的開關頻率為15kHz，轉速為1000r/s，空載狀態下進行啟動。分別比較兩種控制算法下電機啟動之后達到穩態值的情況。我們發現永磁同步電動機在智能控制器下能夠實現平穩的啟動和運行。

5 ?結語

在此次研究中，我們針對傳統電動汽車PI策略引起的參數變化和車輛運行不穩定問題，提出了永磁同步電機（PMSM）的控制策略。采用離子群優化算法對模糊控制器的比例參數進行全局優化，并進行了進一步的開發。模糊控制器的魯棒性和高性能。同時，利用模型工具可以模擬旋轉距離的速度變化。實驗結果表明，離子群優化算法具有較強的動態性能和魯棒性，能夠滿足當前電動汽車負荷啟動變化的高速要求，為未來電動汽車智能控制提供了重要的參考。

參考文獻

[1] 彭鵬菲，姜俊，黃亮.基于粒子群優化的潛器深度自適應模糊控制[J].控制工程，2017（2）：441-445.

[2] 韓曉博.永磁同步電機矢量控制系統關鍵技術研究[D].合肥工業大學，2017

[3] 王慧敏，張雪鋒，李新旻，等.基于改進型模糊控制器的內置式永磁同步電機全速域控制[J].新型工業化，2018（1）：30-38.