[发明专利]基于信度规则库推理的他励直流电动机转速控制方法

摘要

本发明公开了一种基于信度规则库推理的他励直流电动机转速控制方法。所建立的置信规则库，能够描述闭环控制系统偏差量和偏差量积分与控制量(输出量)之间存在的复杂非线性关系，其中置信规则的前项属性为输入量的参考值，后项为输出量的置信结构。对于被输入激活的规则，通过证据推理(ER)算法将被激活规则后项中的置信结构进行融合，从融合结果中推理出控制量估计值。给出非线性优化学习模型，解决专家给定的BRB初始参数不精确的问题。训练后BRB输出的控制量估计值，可以作为被控对象的输入，产生控制作用。

主权项

1.基于信度规则库推理的他励直流电动机转速控制方法，其特征在于，该方法包括以下各步骤：步骤(1)确定他励直流电动机传递函数，当被控对象输入为电枢电压UC，输出为电动机的转速y，在不加负载的情况下，被控对象的传递函数为：上式中传递函数增益系数Ku＝1/Ce，Ce是电动机的电势常数，电动机的电磁时间常数Ta为：这里La和Ra分别为电枢回路电感和电阻，La∈[0,1],Ra∈[0,10],电机时间常数Tm为：这里J为转动部分折算到电机轴上的总转动惯量，Cm是转矩常数,且Cm＝(30/π)Ce；步骤(2)确定变参数情况下他励直流电动机闭环控制系统的控制样本数据集其中，S中的每一个元素是一个三维向量e^p和分别表示闭环控制系统的偏差量和偏差量积分，U_C^P表示控制量，ANum表示采集总样本个数，100<ANum<+∞；步骤(3)建立置信规则库BRB，它能够描述闭环控制系统偏差量e和偏差量积分eI与控制量UC之间存在的复杂非线性关系，令e0,1＝e,e0,2＝eI,该BRB由如下形式的信度规则组成：R_k:若且则[(D₁,β_1,k),(D₂,β_2,k),…,(D_N,β_N,k)]     (6)式(6)中，为规则R_k中前项属性e_0,i的参考值，且有Q_i为的取值集合空间，其中的元素满足表示采集到样本集S中前项属性e_0,i最小值，表示采集到样本集S中前项属性e_0,i最大值，m_i表示参考值取值的个数m_i≥1；从集合Q₁,Q₂中分别抽取m₁和m₂元素作为e_0,1，e_0,2参考值，共计可以产生L＝m₁×m₂条规则，L≥1，k＝1,2,3…,L为规则的编号，i＝1,2；Rk的规则权重为θk，满足0≤θk≤1,k＝1,2,…,L，系统的偏差量e和偏差量积分eI作为规则Rk的前项属性，它们相应的属性权重分别为δ1,δ2，并有0≤δ1≤1，0≤δ2≤1；式(6)中，R_k后项属性分别为D₁,D₂,…,D_N，并有L_u≤D₁＜D₂＜…＜D_N≤R_u，L_u表示采集到样本集S中U_C最小值，R_u表示采集到样本集S中U_C最大值,N表示后项属性参考值个数，N≥2；β_1,k,β_2,k,…,β_N,k分别为D₁,D₂,…,D_N的信度值，并有0≤β_a,k≤1，a∈{1,2…,N}；步骤(4)将S中某个样本中的e^p,作为规则输入变量e，e_I的取值，带入到BRB的每一条规则R_k中，得到输出结果为：这里，是激活权重与给定初始置信度经信度融合后得到的信度值，计算公式为：其中，式(8)与式(9)中，w_k为第k个输入e^k,的第k条规则的激活权重，这里：其中，w_k∈[0,1]；为相对属性权重，表达式为：式(10)中，为第k条规则中第i个输入e_0,i与相应参考值E_k,i的匹配度；这里E_k,i∈A_i,A_i＝{A_i,j|j＝1,2,...,J_i}和的计算公式如下：由式(7)最后算出控制量估计值为：步骤(5)建立BRB的优化模型，将S中的e^p,U_C^P样本作为训练样本，其中e^p,作为步骤(4)中所构建BRB的输入，产生控制量估计值V表示BRB模型构成的参数向量V＝(β_a,k,θ_k,δ_i),k＝1,2,…,L,a＝1,2,…,N,则可以定义目标函数为：式中，Q＝ANum为步骤(2)中采集样本个数，m＝p＝1,2,…,ANum；基于训练样本的优化过程，就是要通过调整BRB参数的取值，使得目标函数的值达到极小，由此可得模型的最优参数值；优化可通过Matlab中的非线性优化函数Fmincon实现；在式(15)‑(18)给出的约束条件下，找到ξ(V)取最小值时，V中指标参数的最优值；0≤βa,k≤1              (15)0≤θk≤1                  (17)0≤δi≤1                 (18)具有最优指标参数取值的规则库为优化后的信度规则库。