[发明专利]一种基于递归模糊神经网络的永磁同步电机转速控制器

说明书

技术领域

本发明涉及永磁同步电机控制技术领域，具体涉及一种基于蝙蝠-人工蜂群混合算法优化递归模糊神经网络的永磁同步电机转速控制器设计方法。

背景技术

永磁同步电机(简称PMSM)使用高能永磁体代替电励磁，无励磁线圈及电刷，体积和损耗小，运行效率和可靠性高，适应外界环境能力强，其技术性能优于永磁无刷直流电机及感应电机等，在电气传动系统以及数控机床、工业机器人等小功率应用场合已获普遍应用。但因永磁同步电机具有高阶、参数时变、多变量、严重非线性及强耦合性等特点，很难用精确数学模型描述其动态运行过程，且常受负载干扰等不利因素影响，致使抗干扰性能弱，大大影响PMSM系统控制性能。一般PMSM调速系统采用PI控制方法，尽管PI控制算法简单，并且有一定控制精度，但它仍属于线性控制，无法达到PMSM严重非线性系统高精度、快响应要求。目前，有关学者提出PI控制与人工智能相结合的实验方案，设计模糊PI、神经网络PI等控制方法，满足系统一定的控制要求。模糊控制鲁棒性较强，但控制精度不高；神经网络容错能力和自学习功能较强，却学习过程慢。为此，如何综合模糊逻辑和神经网络的优点和缺陷，融合模糊逻辑、神经网络以及PI控制方法，用于设计一种永磁同步电机控制系统的速度调节器，对永磁同步电机实现精确的转速控制，便成为目前永磁同步电机转速控制的重点、难点研究课题之一。

发明内容

本发明的目的在于提高永磁同步电机控制系统的速度响应及控制精度，增强控制系统的鲁棒性和抗扰动能力，以便更加精准地实现永磁同步电机的速度控制。本发明设计一种基于蝙蝠-人工蜂群混合算法优化递归模糊神经网络的永磁同步电机转速控制器，将蝙蝠算法和人工蜂群算法相融合形成一种新型的蝙蝠-人工蜂群混合算法，优化递归模糊神经网络速度控制器结构参数，从而更好满足永磁同步电机速度控制的性能要求。本发明的技术方案为：

一种基于递归模糊神经网络的永磁同步电机转速控制器，控制系统含电流内环和速度外环，电流内环的电流调节器仍采用常规PI控制，速度外环设计为一种递归模糊神经网络PI控制器，即由递归模糊神经网络控制器和PI调节器复合组成速度控制器。其中递归模糊神经网络通过蝙蝠-人工蜂群混合算法加以优化。蝙蝠-人工蜂群混合算法优化递归模糊神经网络的步骤如下：

步骤1：初始化参数及蝙蝠位置，即初始化蝙蝠算法中蝙蝠种群数量D，蝙蝠算法最大迭代次数NB，蝙蝠发出的脉冲(超声波)频率f，最大脉冲声音强度S，最大脉冲频度R₀，脉冲声音强度衰减系数λ，脉冲频度增加系数δ，随机初始化蝙蝠的位置x_i(i＝1，2，…，D)；人工蜂群算法最大迭代次数limit；

步骤2：按下列公式调整蝙蝠脉冲频率f_i，更新蝙蝠飞行速度v_i及位置x_i，寻找当前最优蝙蝠个体；

f_i＝f_min+(f_max-f_min)h

式中，分别为t代和t+1代第i只蝙蝠所处的位置，分别为t代和t+1代第i只蝙蝠的飞行速度；f_i为第i只蝙蝠的脉冲频率，f_max、f_min各为蝙蝠脉冲频率的最大值、最小值；h为0～1区间均匀分布随机数；x_best为当前全局最优位置；

步骤3：产生随机数r₁，若r₁＞R_i，则从当前种群中选取最优解，且在最优解附近随机产生一个局部解，此时蝙蝠的新位置x_new为：

x_new＝x_old+τS^t

式中，τ为[-1，1]范围的随机数，S^t代表蝙蝠种群同一时间段内响度平均值；

步骤4：产生随机数r₂，若r₂＜S_i且均方误差(适应度)J(x_i)＜J(x₀)，按照规则增大R_i且减小S_i，即蝙蝠减小发射的超声波脉冲响度，同时增加声波脉冲发射次数，即：

式中，为第i只蝙蝠在t+1和t次迭代时的声波脉冲响度，为t+1次迭代时第i只蝙蝠发射脉冲频度，λ为[0，1]范围值，δ＞0；