[01531232]无刷直流电机小波神经网络控制策略研究

无刷直流电机(brushless DC motor，BLDCM)由于简单可靠、成本低廉，在工业中获得了广泛应用。但BLDCM的物理结构决定了它具有多变量、非线性、强耦合的性质，其控制较为复杂。除了已经得到广泛应用的矢量控制、直接转矩控制和无传感器控制技术，伴随和推进这些技术进一步向前发展的是人工智能控制。 针对传统PID控制应用于无刷直流电机调速系统存在调节时间长、动态调节特性差及抗干扰能力弱等问题，提出基于模糊神经元PID控制的无刷直流电机调速系统设计方法。首先采用神经元控制、比例控制和模糊控制设计了一种可在线调整参数的模糊神经元PID控制器，然后再用其设计无刷直流电机调速系统的转速调节器。仿真结果表明，基于模糊神经元PID控制的无刷直流电机调速系统具有响应速度快、动态和静态调节性能好、自适应能力和抗干扰能力强等优点。 针对智能控制算法存在计算复杂、运算时间长等不足，该项目通过分析无刷直流电机的定子相反电动势与转子位置之间的关系，提出了基于形态学滤波和基于形态学小波变换的BLDCM无位置传感器控制方法。两种方法以BLDCM定子相反电动势作为输入，使用形态学滤波和形态学小波变换分别对无刷直流电机的定子相反电动势波形转折点进行检测，为PWM控制电路的电流换相提供技术支持。从而通过BLDCM的定子电流换相保证转子磁场和电枢磁场保持垂直，实现转子位置的准确检测和BLDCM的无位置传感器控制。仿真结果表明，基于形态学滤波和基于形态学小波变换的BLDCM无刷直流电机控制方法能通过对定子相反电动势的波形转折点准确检测，实现BLDCM的无位置传感器控制，从而大大改善调速系统的静态、动态性能，具有优良的控制效果。 该项目研究期间，共发表学术论文6篇，其中，EI索引国际会议论文2篇，北大核心期刊论文4篇。将该项目的研究成果用于新能源汽车用无刷直流电机将大大提升现有无刷直流电机的控制性能，从而提升新能源汽车的运行性能和电能效率，进一步推动新能源汽车的普及和节能环保技术的改进。