為了有效抑制開關磁阻電機（SRM）轉(zhuǎn)矩脈動,針對SRM強非線性電感特性難以建模,而基于線性電感模型的轉(zhuǎn)矩控制產(chǎn)生轉(zhuǎn)矩脈動過大的問題,文章提出強化學習與模糊推理相融合的SRM電感模型非線性補償與控制方法。根據(jù)SRM轉(zhuǎn)矩脈動特性,設計模糊推理規(guī)則,構(gòu)建模糊補償器,在基于線性電感模型的閉環(huán)控制系統(tǒng)中,利用能體現(xiàn)SRM模型誤差的轉(zhuǎn)矩偏差及其變化率,實現(xiàn)對線性電感模型的非線性前饋補償,間接描述了電感的強非線性特性;引入強化學習,設計回報函數(shù),與模糊補償器相配合,進一步實現(xiàn)電感模型的非線性自適應優(yōu)化補償。此方法與直接對電感非線性特性建模的方法不同,是采用了一種非線性前饋補償?shù)姆椒?避免了對強非線性電感特性的直接建模。仿真結(jié)果表明,所提出的方法能更好適應SRM非線性電感特性,改善控制系統(tǒng)動態(tài)品質(zhì),有效地抑制SRM轉(zhuǎn)矩脈動。 

【文章來源】：組合機床與自動化加工技術. 2020,(09)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

基于線性電感模型的傳統(tǒng)SRM轉(zhuǎn)矩分配控制系統(tǒng)

為避免利用線性電感模型進行轉(zhuǎn)矩控制引起較大轉(zhuǎn)矩偏差,導致轉(zhuǎn)矩脈動過大的問題,在基于線性電感模型的傳統(tǒng)SRM轉(zhuǎn)矩分配控制系統(tǒng)基礎上,考慮到SRM模型誤差,都能反映到轉(zhuǎn)矩偏差及其變化率信息里,基于這些信息,設計強化學習與模糊推理相融合的SRM電感模型非線性補償與控制系統(tǒng),如圖2所示。3.1 模糊補償器設計

根據(jù)SRM轉(zhuǎn)矩脈動特性,設計模糊規(guī)則,構(gòu)建圖3所示模糊補償器。在基于線性電感模型的閉環(huán)系統(tǒng)中,其轉(zhuǎn)矩偏差及其變化率反映了SRM模型誤差,因此,利用轉(zhuǎn)矩偏差及其變化率信息對式(5)中λ取值進行非線性調(diào)節(jié),間接實現(xiàn)對線性電感模型的非線性前饋補償,實現(xiàn)電機恒轉(zhuǎn)矩控制及轉(zhuǎn)矩脈動的有效抑制。取轉(zhuǎn)矩偏差e及其變化率 e ˙ (分別用E和EC表示)為模糊補償器輸入語言變量,轉(zhuǎn)矩-電流逆模型中λ的變化量u(用U表示)為模糊補償器輸出語言變量。偏差e的基本論域為[-0.04,+0.04]Nm,E的論域取X=[-6,-5,-4,-3,-2,-1,-0,+0,1, 2, 3, 4, 5, 6],語言值取NB、NM、NS、NZ、PZ、PS、PM、PB(即負大、負中、負小、負零、正零、正小、正中、正大),則偏差量化因子為ke1=6/0.04=150;偏差變化率 e ˙ 的基本論域為[-30,+30]Nm/ms,EC的論域取Y=[-6,-5,-4,-3,-2,-1,0,1,2, 3, 4, 5, 6],語言值取NB、NM、NS、ZE、PS、PM、PB,則 e ˙ 的量化因子為ke2=6/30=1/5;輸出語言變量u的基本論域為[-0.3,+0.3],U的論域取Z=[-6,-5,-4,-3,-2,-1, 0, 1, 2, 3,4, 5, 6],語言值取NB、NM、NS、ZE、PS、PM、PB,u的比例因子為ku=0.3/6=1/20。

【參考文獻】：
期刊論文
[1]一種改進的四相開關磁阻電機直接轉(zhuǎn)矩控制策略研究[J]. 桑徐陽,顏鋼鋒,王遠東,時俠圣.  機電工程. 2019(01)
[2]基于轉(zhuǎn)矩分配策略下開關磁阻電機控制系統(tǒng)的研究[J]. 盧慶收,王蕾,薛嬌,劉輝.  南方農(nóng)機. 2018(13)
[3]開關磁阻電機轉(zhuǎn)矩脈動最小化研究[J]. 徐古軒,蔡燕,李娟,胡鑫劍.  科技與創(chuàng)新. 2018(12)
[4]電流-位置神經(jīng)網(wǎng)絡模型的構(gòu)建與SRM轉(zhuǎn)矩控制[J]. 黨選舉,陳恩普,姜輝,伍錫如,彭慧敏.  微特電機. 2018(04)
[5]基于動態(tài)模糊神經(jīng)網(wǎng)絡的開關磁阻電機電感與磁鏈特性建模[J]. 許愛德,李濤,馬小博.  電機與控制應用. 2013(04)



本文編號：3129538