Un nuovo controller PID per il controllo della velocità BLDCM che utilizza sistemi a doppia logica fuzzy con ottimizzazione HSA

Rapporti scientifici volume 12, numero articolo: 11316 (2022) Citare questo articolo

1388 accessi

Dettagli sulle metriche

Al fine di migliorare le prestazioni di controllo della velocità del motore CC senza spazzole (BLDCM), in questo documento viene proposta una nuova differenziazione di integrazione proporzionale (PID) utilizzando sistemi a doppia logica fuzzy (FLS) con ottimizzazione dell'algoritmo di ricerca dell'armonia (HSA), che è denominato DFPID-HSA. Innanzitutto, FLS1 in DFPID-HSA blocca i tre coefficienti del controller PID in un ampio intervallo sulla base dell'errore di sistema e del tasso di variazione dell'errore. Quindi, l'FLS2 viene ottimizzato dall'HSA (HSA-F2) per ottenere la correzione precisa dei tre coefficienti. Per ottenere una migliore armonia globale ottimale, la modalità di regolazione dinamica migliorata viene utilizzata per il tasso di regolazione del tono (PAR) e la larghezza di banda della distanza (BW) in HSA, e il metodo di selezione tripla viene adottato nella sezione dell'armonia della composizione per realizzare la ricerca globale. Infine, DFPID-HSA fornisce il segnale di controllo dell'alimentazione ottimale a BLDCM in modo che possa controllare la velocità in modo efficace. Inoltre, la stabilità del sistema viene analizzata mediante i metodi di determinazione di Polo, Lyapunov e Nyquist. Inoltre, l'analisi della sensibilità di DFPID-HSA viene effettuata in condizioni di diversi parametri meccanici del motore per verificarne la robustezza. Inoltre, la superiorità di DFPID-HSA è verificata dalla piattaforma di simulazione ed esperimento MATLAB.

Il motore a corrente continua senza spazzole (BLDCM) è stato applicato con successo ai veicoli elettrici1,2, aerospaziali3,4, pompe dell'acqua fotovoltaiche5 e altri campi industriali e agricoli grazie ai suoi vantaggi come buone prestazioni di regolazione della velocità, alta densità di potenza, alta affidabilità e facile controllo6. Data l’ampia applicazione del BLDCM, la ricerca sul suo problema di controllo è di grande importanza. Di fronte al progresso e allo sviluppo della scienza e della tecnologia, anche la domanda delle persone per problemi di controllo motorio aumenta di giorno in giorno. Da decenni esperti e studiosi propongono diverse strategie di controllo intelligente per ottenere migliori prestazioni di controllo dei motori7.

Per i sistemi di controllo BLDCM, il PID è una delle strategie di controllo più classiche. Generalmente, P (proporzionale), I (integrale) e D (differenziale) possono costituire molte forme. Ad esempio, PI, PD e PID sono stati implementati con successo nel controllo della velocità del BLDCM8,9. Sebbene la struttura PID tradizionale possa essere facilmente implementata nel sistema di controllo del motore, i suoi inconvenienti, come parametri non deterministici e problemi non lineari, fanno sì che il sistema non sia in grado di ottenere l'effetto di controllo ottimale. Pertanto, vengono proposti molti algoritmi intelligenti di controllori PID ottimizzati. Gobinath e Mu et al.10,11 adottano reti neurali per ottimizzare i controllori del modulo PID. Sebbene le prestazioni di controllo siano migliorate, il processo di addestramento della rete neurale è online o offline, con elevata complessità computazionale e bassa velocità di risposta. Dat e Xie et al.12,13 utilizzano l'algoritmo di ottimizzazione dello sciame di particelle per ottimizzare i controller della struttura PID e le prestazioni di controllo sono migliorate in larga misura. Tuttavia, è difficile per l’algoritmo dello sciame di particelle trovare la soluzione ottimale attraverso l’iterazione delle particelle o dei singoli individui. Demirtas14 ha proposto l'algoritmo genetico per ottimizzare i guadagni del controller PI, ma la sua popolazione iniziale è difficile da determinare. Tuttavia, il controllo a logica fuzzy non richiede un modello di sistema preciso e solo i calcoli si basano su basi di conoscenze specialistiche. Pertanto, i metodi di ottimizzazione basati sul controllo logico fuzzy hanno effetti di controllo migliori rispetto ad altri algoritmi nella maggior parte dei casi15,16. Ad esempio, He et al.17 hanno proposto un nuovo controller ottimale PID con autoregolazione fuzzy basato sull'analisi del principio di funzionamento di base del motore CC senza spazzole. L'uscita del controller commuta i dispositivi MOSFET di potenza modificando il rapporto di lavoro del segnale di controllo PWM per realizzare il controllo della velocità del motore CC senza spazzole. Yin et al.18 hanno progettato un algoritmo di controllo PI adattivo con parametri fuzzy basato sull'anello di velocità del motore CC senza spazzole, che ha un buon effetto di controllo e robustezza e può garantire il funzionamento stabile del sistema in condizioni di velocità variabile.