电气工程与自动化专业无刷直流电动机调速的鲁棒控制策略大学毕业论文外文文献翻译及原文

毕 业 设 计（论文） 外 文 文 献 翻 译

文献、资料中文题目：无刷直流电动机调速的鲁棒控制策略 文献、资料英文题目： 文献、资料来源：

文献、资料发表（出版）日期： 院 （部）：

专 业： 电气工程与自动化 班 级： 姓 名： 学 号： 指导教师：

翻译日期： 2017.02.14

毕业设计（论文）

外文翻译

题 目 直流电动机电流、转速双

闭环控制系统设计

专 业 电气工程与自动化 无刷直流电动机调速的鲁棒控制策略

摘要：无刷直流电机（BLDCM）的速度伺服系统是多变量,具有非线性和强耦合性。齿

槽转矩和负荷的参数变化，扰动容易影响其无刷直流电机的性能。因此它是难以使用常规的PID控制来实现优异的控制。为了解决执行时所出现的不足之处 ，本文采用基于能够自抗扰的控制BP神经网络活性算法来对无刷直流电机进行控制。自抗干扰控制不依赖于精确的系统和它的扩展。状态观测器可以准确地估计该系统的扰动。然而，非线性反馈的自抗扰的参数是很难获得的.因此在这本文中，这些自抗扰的参数是通过BP神经网络在线自整定。仿真和实验结果表明，基于BP神经网络的自抗扰控制器可以提高在迅速伺服系统的性能，控制精度，适应性和鲁棒性。

关键字：无刷直流电机; BP神经网络;自抗扰控制器;参数自整。

1 引言

由于无刷直流电机的性能具有时变非线性，强耦合等特点，因此调速的高性能方法一直是一个重要的研究方向。PID是一种常见的控制方法。然而，它不能获得预期的结果，以非线性对象的复杂任务和准确的目标这些利用PID控制就不能够达到良好的控制目的。近年来，有关许多调速新的控制方法已经出现在这些领域。比如：自适应控制.卡尔曼过滤变结构控制。模糊控制，神经网络控制等等。

自从自抗扰控制理论（ ADRC ）被曾经担任中国院士韩教授提出来的这些年里面，它是一个简单而实用的方法。这种方法不依赖于控制目标。它精确的数学模型可以估算和补偿所有内部和外部干扰的影响。当系统建立起来以后.其控制的实时算法简单，鲁棒性强，具有快速的系统响应和高抗干扰能力.到目前为止，这种方法仍然具有效率高，抗干扰能力强的优势，已被应用到一些前沿科学和技术上。这些领域包括机器人，卫星姿态控制，导弹飞行控制，坦克的火控和惯性导航等。不过，自抗扰控制器的参数需要在参数自整这些场合下才能进行，因此这项研究设置在海内外只处于探索阶段。

神经网络具有接近任何非线性函数的能力，还具备其结构和学习算法是简单明了，因此神经网络是不依赖于控制对象的模式 。

在本文中，通过自我学习的神经网络，自抗扰控制非线性反馈的参数可以在一个特定的最优控制律里找到。仿真结果表明，基于BP神经网络的自抗扰控制器可以提高伺服系统的性能，在响应速度，控制精度，适应性和鲁棒性这些方面的性能都能够得到显著的提高。

2 无刷直流电动机的数学模型

无刷直流电机产生的梯形反电动势和施加的电流波形都是矩形波.其中自感为L，互感为M。因此，三相定子电压平衡方程可以由以下状态方程来表示：

00??ia??ea??ua??R00??ia??L?M????????????L?M0??p?ib???eb? ?ub???0R0??ib???0?u??00R??i??0????0L?M??c????c????ic??ec?式中，ua,ub,uc分别代表三相绕组a,b,c的相电压. ia,ib,ic分别代表三相绕组a,b,c的相电流；ea,eb,ec代表a,b,c三相相位的反电动势；p代表微分算子。

无刷直流电机的电磁转矩由在定子绕组的电流和磁场在转子磁铁的相互作用下产生。该电磁转矩方程：

Te?1??eaia?ebib?ecic??4PmN?n

式中， P代表极数； N代表总导体数;?代表电机的机械角速度。

3 控制方案

如图1所示，一个双闭环控制与级联连接相结合的控制系统中，内环是电流环路，达到限制电流并确保伺服系统的电流。外环被设计来提高无刷直流电机的伺服系统的静态和动态性能的稳定性。速度环的输出输送给首端作为电流回路的设定电流信号。

在本文中，速度环采用基于BP神经网络算法的自抗扰控制器，基于神经网络的自抗干扰控制系统的结构如图2所示。 3.1有源抗扰控制

自抗扰控制器主要由三个部分组成： “转型过程安排” 。 “非线性反馈”和“扩展状态观察”。

图1无刷直流电动机调速系统的原理图

图2基于BP神经网络的自抗扰控制器的原理图

（1 ）转型过程安排

e?v1?v2??fh?fhan(e,v,r,h)?20 ?v?v?h?v112???v2?v2?h?fh式中，v0 为控制目标；v1 为v0的轨道信号；fhan(?)是一个时间最优集成功能，其详细方程表达式如方程（1）所示：

d?r?h??2a?d?10r?y0??a0?d?sign?y?,y?d?1???x?0??22?a?? y??x?,y?d20?h???r?sign(a),a?d??fhan???a?r?,a?d??d??（2）扩展状态观察

e?z1?y??z1?z1?h??z2??1e? ??z?z?h?????fal?e,0.5,???bu?220?2式中， h代表控制周期。

（3）非线性反馈.

?e1?u1?z1? e2?u2?z2??u???fal?e,?,?????faledt,?,????fal?e,?,??o111o2o323?12?0??式中的参数可以在文献中其他地方找到。 3.2 BP神经网络的参数设定

自抗扰控制器的自整参数可以使用BP神经网络建立,其中 ?o1，?o2,?o3三个参数是由非线性反馈所产生的。

神经网络,根据系统运行状态,调整控制器参数达到一定的最佳化性能.神经网络的输出对应于控制器的三个可调参数?o1，?o2,?o3,对系统的内部扰动,通过自主学习的神经网络,与调整的权衡系数匹配,使一些神经网络输出对应于最优控制下的参数。 三层BP神经网络的结构设计,如图3所示