|
模糊控制技术在智能软启动中的应用 崔纳新 张庆范 山东大学 控制科学与工程学院 摘 要：本文介绍参数自整定模糊控制技术在交流电机智能软启动器中的应用，它不依赖于被控对象的精确的数学模型, 并随着偏差和偏差变化率的变化实时调整量化因子和比例因子的大小, 利用模糊决策对电动机启动过程中的电流大小进行控制，实现了系统的平稳启动。仿真结果表明，系统具有良好的动静态性能。 关键词：模糊控制 参数自整定 智能软启动 1 引 言 交流电机具有结构简单、坚固耐用、易于维护等特点, 在各行各业得到了广泛的应用。但交流电机的启动电流过大(可达额定电流的5-7倍), 引起电动机发热, 从而加速绝缘老化, 并对供电线路造成冲击,影响同一线路上运行的其他用电设备, 甚至造成设备故障。所以, 采用良好的控制方法对启动电流进行限制, 使启动过程无瞬态冲击, 且能充分利用电机的过载能力, 是电动机启动控制中关键的一步。 传统的采用Y-D转换、自耦变压器及定子回路串电抗等降压启动方法，这些启动设备的启动参数一般无法调整，使其负载的适应性较差，无法从根本上解决启动时瞬时电流尖峰冲击问题。随着电力电子技术和微电子技术的发展, 采用晶闸管交流调压原理、微处理器技术和现代控制理论实现交流电机的智能软启动日益受到人们的重视。软启动器通常具有多种启动模式及保护功能，能够整定启动时的最高电流限定值，减小母线电压下降程度及对设备的冲击，降低配电容量，提高系统运行稳定性，延长电动机及相关设备的使用寿命，特别是对一些较小系统需要采用降压启动的设备, 意义更大，效果更加明显。 本文介绍参数自整定模糊控制技术在智能软启动器中的应用，利用模糊推理、模糊决策对电动机启动过程中的电流大小进行控制，实现了系统的平稳启动。装置主电路采用双向晶闸管调压模块，大大减小了软启动装置的体积和重量，结构简单，运行稳定，具有良好的控制效果。 2 利用模糊推理实现限流软启动 2.1 整体方案 为了最大限度地减小过大启动电流的冲击, 通常采用闭环PID控制对电动机进行恒流软启动，从而将启动电流限制在某一最大值下。但由于启动过程中电动机的电流与晶闸管调压电路的控制电压之间没有精确的数学模型，交流电动机本身又是一个高阶、非线性的被控对象，传统的PID控制方法难以达到理想的控制效果，且启动过程中容易产生震荡 。本文采用快速调节能力强的参数自整定模糊控制技术来解决这个问题。模糊控制作为智能控制的一种方法，它最大的优点就是不依赖于被控对象的精确的数学模型，能够克服系统非线性因素的影响，对被控对象参数的变化具有较强的鲁棒性。 近年来，模糊控制方法的研究取得了很大的进展，一方面体现在模糊控制器的稳态控制精度得到了提高，另一方面是提高模糊控制器的适应能力，以更好地适应对象的变化，改善控制系统的动态品质。在常规的模糊控制器中，量化因子K1、K2和比例因子K3是固定的值，而它们的大小对模糊控制器的性能影响很大，显然, 选取一组一定值难以满足系统动、静态两方面的要求，为此我们采用参数自整定模糊控制技术，在运行过程中根据实际偏差和偏差变化率的大小，控制器选取不同的K1、K2和K3，以满足动、静态性能的不同要求，系统的原理框图如图1所示。 考虑系统控制情况，选电流偏差e、偏差变化率ec为输入变量，双向晶闸管调压模块的控制电压增量uc为输出变量, 构成二维模糊。偏差e(n)和偏差变化率ec(n)按下面公式求取 式中，n为采样次数；I(n)为电流给定值；Y(n)为检测得到的电机电流；K1、K2为量化因子。 
图1 系统原理框图
2.2 模糊控制参数选择 本系统中, 模糊控制的输入量为电机实际电流与给定启动电流的偏差e和偏差的变化率ec，输出量为晶闸管调压电路控制电压的增量uc。偏差e的模糊子集由以下语言变量组成： {负大，负中，负小，正零, 负零，正小，正中，正大}，简记为{ NB，NM，NS，NZ, PZ，PS, PM, PB} 将其大小量化为14个等级： E = {-6，-5，-4，-3，-2，-1，+0, -0，1, 2, 3, 4, 5, 6} e的隶属度函数如表1所示。 表1 e的隶属度函数表
ec和uc的模糊子集由以下语言变量组成： {负大，负中，负小，零，正小，正中，正大}，简记为{ NB，NM，NS，Z, PS, PM, PB} 将其大小量化为13个等级： X = {-6，-5，-4，-3，-2，-1，0，1, 2, 3, 4, 5, 6} ec和uc的隶属度函数如表2所示。 2.3 模糊控制规则 综合考虑电流偏差e和电流偏差的变化率ec这两个信号，采用的模糊推理规则的形式如下: IF E=ei and EC=ecj , then Uc=ucije和ec分别有8个和7个模糊子集，所以共有56条模糊规则。该推理规则用模糊关系表示为 其隶属函数为 
相应的模糊控制规则总表如表3所示。 表2 ec和uc的隶属度函数表
模糊决策采用加权平均： 3 模糊控制器的参数自整定 一个好的模糊控制器除了要有一个好的模糊控制规则外，合理地选择模糊控制器输入变量的量化因子和输出控制量的比例因子也是非常重要的。实验结果表明，量化因子和比例因子的大小及其不同量化因子之间大小的相对关系，对控制性能影响极大。因此，这里采用的办法是随着e和ec的变化在线调整量化因子K1、K2和比例因子K3，从而获得最佳的控制效果。 在启动过程中，当e和ec较大时，缩小K1和K2，降低对大偏差的分辨率，以减少偏差，缩短过渡过程时间；同时增大K3来提高快速性，改善系统的动态性能。当e和ec较小时，系统已接近稳态，这时应增大K1和K2，提高系统对小偏差的分辨率，提高控制的灵敏度；同时缩小K3，以避免超调和震荡，使系统尽快进入稳态精度范围内。 经过多次仿真和实验，随着偏差e和偏差变化率ec的变化，K1、K2和K3分别按表4、表5和表6取值，可以得到理想的控制结果。 表4 K1参数调节表
4 仿真实验结果 根据以上设计，我们选择了实验室的一台型号为JO2-21- 4的三相异步电动机进行模糊控制和PID控制仿真，其参数为Pe=1.1Kw, Ue=380V, Ie=2.8A, fe=50HZ, ne=1410RPM。图2为对PID调节器、常规的Fuzzy调节器和参数自整定Fuzzy调节器进行仿真的结果。从仿真结果可以看出，从响应时间、超调量和运行平稳度等方面参数自整定模糊控制的性能都是最优的。
图2 PID控制、常规模糊控制、参数自调整模糊控制电流仿真曲线
模糊控制技术作为智能控制的重要组成部分,其应用发展十分迅速。本文采用的模糊控制器参数可以根据实际情况进行在线调整，因而具有良好的动、静态性能。仿真实验结果也证明此方案正确、有效，将参数自整定模糊控制技术用于软启动器可以在不增加硬件成本的前提下明显地改善动态性能，必将具有广阔的应用前景。 参考文献： [1] Lotfi A. Zadeh. 模糊集与模糊信息粒理论(Fuzzy Sets and Fuzzy Granulation Theory).北京:北京师范大学出版社(Beijing: Beijing Normal University Press),2000 [2] 李士勇. 模糊控制和智能控制理论与应用. 哈尔滨工业大学出版社，1990 [3] 王尔智,祖莉,马少华. 模糊控制理论在电动机恒流软启动中的应用（Fuzzy Control and Intelligent Control Theory and Applications）.沈阳工业大学学报,2001(1) [4] 王兆安，黄俊. 电力电子技术. 北京：机械工业出版社，2000 |
(1)
(2)
(3)
(4)
(5)