基于粒子群优化模糊控制器永磁同步电机控制

白超

摘  要：在此次研究中，提出了永磁同步电机控制策略，借助粒子群算法的途径，对模糊控制器的3个比例因子参数进行实时优化设计，从而充分发挥其性能和作用，为验证这一方法是否具有有效性进行了仿真模型验证，结果发现该系统具有较强的鲁棒性，能够实现跟踪负载变化，响应较快，而且准确度高，进一步说明粒子群优化方法在电动机中车有一定的可行性。

关键词：粒子群优化  模糊控制器  永磁同步  电机控制

中图分类号：TM341   文獻标识码：A            文章编号：1672-3791（2019）05（a）-0033-02

对于永磁同步电机来说，其具有较强的能量密度和效率，体积小，响应较快，常用于电动汽车驱动系统中。目前很多电动机控制系统均采用永磁同步电机，将其视作为驱动部件。这种驱动设备和传统的电动汽车相比，一般都是选控制策略PID控制方法，这种控制方法虽然具备一定的优势，但也难以避免具有一定的局限性，无法根据外界环境变化来调整参数，无法实现优化功能。基于此研究学者提出了智能控制的策略，比如模糊控制算法，但这些方法各有缺陷，针对这种情况，我们也充分提出了粒子群优化模糊控制器，能够利用粒子群算法优化模型控制器的参数，进而能够使其适应环境变化和负载变化，实现参数控制，使模糊控制器的精度和鲁棒性能提高，在实验过程中负载转距利用阶跃信号，将其作为干扰，在相同条件下，与PID控制效果进行比较分析。

1  粒子群的优化算法

该算法目前已经在很多领域中实现了应用。首先对一组随机粒子进行初始化，用迭代法求出最优解。在迭代过程中，粒子通过跟踪极值来更新数据，其中一个是粒子本身的最优解，即单个极值。而另外一个是整个种群中的最优解，我们将其称为是全局机制。经过及时寻找到两个值后，可以根据公式来更新速度和位置。

2  粒子群优化的模糊控制器

从反馈的信息来看，粒子群优化（PSO）技术动态调整量化因子和尺度因子，以获得最佳效果。如图1所示为粒子群优化自适应模糊控制器的结构。

首先，将求解空间划分为5个区域，并分配不同区域的速度位置。初始值需要在一定范围内。随机极值是初始位置值，而全局极值是在5个区域中寻找最小极值。同时，记录极值所在区域的信号数据。其次，需要将初值代入公式中，在与全局极值比较后，如果单个极值比最后一个全局极值更为优化，则需要用新的全局极值来代替。最后，通过类比，在满足目标函数之前，可以在空间变化中找到粒子的最优解。此时，位置是模糊控制器参数因子和比例因子的最优解。如果找不到最优解，则需要返回程序继续搜索。

3  仿真模型实验

图2为粒子群优化模糊闭环矢量控制仿真模型。

在速度环中，速度为1000r/s，反馈引起的速度误差被发送到PSO。当模糊控制器的3个参数进行优化，输出U作为电流指令进入电流回路时，PWM产生方式为空间矢量PWM，输出的三相正弦电流驱动电机。采用了ID等于零的控制系统策略。在实验过程中，我们对常规PID控制器和PFC控制器系统进行仿真实验。其中负载转矩需要从2nm升至10nm，观察各变量，对于越级信号的响应情况。我们将转速定为100r/s，分别比较两种控制下转速响应情况。结果发现无论响应速度为多少，和超调量大小，其PFC控制器都优于PID控制器的响应速度。同时发现PFC控制器下转距当发生突变时，速度相对平稳，超调量小。为了测试粒子群优化控制系统的高速性能，我们将对其进行加速，调至1000r/s，转矩从2nm升到10nm，比较不同结果表明，当转速达到稳定状态时，仅低于指令值。在999r/s产生的误差较小，而且PFC控制器依然要比PID控制器的性能好。通过数据我们发现转矩曲线比较平滑，启动过程中只有较大的超调量。这主要是由于电机带负荷启动过程中需要较大的扭矩，不适合更精确控制扭矩的场合。在今后的控制策略中引入转矩控制，可以减小起动转矩的过冲。

4  结果分析

在上述的实验电路中，我们将电机选用极对数为3的贴面式永磁同步电动机，其中额定功率为1.2kW、额定转速为6000r/min、额定电压为400V、额定电流为2.8A。在微处理器上选用定点数字信号处理器DSP，能够对整个系统的矢量控制算法和粒子群优化算法，基于运算周期为66.67μs，PWM的开关频率为15kHz，转速为1000r/s，空载状态下进行启动。分别比较两种控制算法下电机启动之后达到稳态值的情况。我们发现永磁同步电动机在智能控制器下能够实现平稳的启动和运行。

5  结语

在此次研究中，我们针对传统电动汽车PI策略引起的参数变化和车辆运行不稳定问题，提出了永磁同步电机（PMSM）的控制策略。采用离子群优化算法对模糊控制器的比例参数进行全局优化，并进行了进一步的开发。模糊控制器的鲁棒性和高性能。同时，利用模型工具可以模拟旋转距离的速度变化。实验结果表明，离子群优化算法具有较强的动态性能和鲁棒性，能够满足当前电动汽车负荷启动变化的高速要求，为未来电动汽车智能控制提供了重要的参考。

参考文献

[1] 彭鹏菲，姜俊，黄亮.基于粒子群优化的潜器深度自适应模糊控制[J].控制工程，2017（2）：441-445.

[2] 韩晓博.永磁同步电机矢量控制系统关键技术研究[D].合肥工业大学，2017

[3] 王慧敏，张雪锋，李新旻，等.基于改进型模糊控制器的内置式永磁同步电机全速域控制[J].新型工业化，2018（1）：30-38.