基于多模糊控制器的感应电动机矢量控制系统实验研究_冼成瑜

2004年11月 电 工 技 术 学 报 Vol.19 No.11 第19卷第11期 TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY Nov. 2004

基于多模糊控制器的感应电动机

矢量控制系统实验研究

冼成瑜 王明渝 刘和平

（重庆大学高电压与电工新技术教育部重点实验室 重庆 400044）

摘要 给出了一个完全基于模糊控制器的感应电动机间接转子磁场定向矢量控制系统。在控

制系统中，三个精心设计的模糊控制器分别用于控制电机的转速、励磁电流分量和转矩电流分量，

实现转速精确控制和感应电动机的励磁和转矩之间的解耦控制。最后，本文对该感应电动机矢量

控制系统进行实验研究，验证其可行性。

关键词：模糊控制器 感应电动机 矢量控制

中图分类号：TM921.51

Experimental Study of Vector Control Induction Motors Based on Full

Fuzzy Controllers

Xian Chengyu Wang Mingyu Liu Heping

（Chongqing University Chongqing 400044 China）

Abstract An indirect vector control induction machine drive, which is fully based on the fuzzy

controllers, is presented in this paper. One of the fuzzy controllers is used in the speed feedback loop to

guarantee the accurate speed control. The other two fuzzy controllers are used in the current feedback

loop to decouple the flux and torque components under the rotor flux oriented reference frame. The

experimental results are presented in this paper to verify the feasibility of the proposed vector control

of induction machine drive. And also, they proved that the drive has good performances.

Keywords：Fuzzy controller，induction machine，vector control

1 概述

德国人Blasche、Hasse和Leonhard等在20世

纪70年代提出了感应电动机的矢量控制技术。这种

控制技术可以实现感应电动机产生转矩的电流分量

和产生磁通的电流分量之间的解耦控制，使感应电

动机获得与他励直流电动机一致的瞬态响应特性，

实现对负载扰动和参考值变化的快速响应。自该技

术提出以后，随着电力电子技术、微控制器和数字

信号处理器的快速发展，再加上感应电动机固有的

简单、结实、便宜以及维护方便等优点，使得采用

矢量控制技术的感应电动机调速系统在以往只有直

流调速系统的高性能调速领域中获得广泛的应用。 由于模糊控制器无需被控对象的精确数学模

型，并且可以在处理具有不精确性和不确定性的问

题中获得较好的鲁棒性，所以很多学者都致力于把

模糊控制器引入到感应电动机矢量控制系统中[1～5]。

P. Vas[2]第一次将四个模糊控制器（转速控制器、磁

通控制器、励磁电流控制器、转矩电流控制器）应

用到电压注入型转子磁场定向矢量控制系统。Brian

Heber[3]对感应电动机间接矢量控制系统在参数变

化引起磁场定向失谐情况下的系统动态性能进行

研究，证明了模糊控制器的鲁棒性比传统的PID调

节器要强。

本文主要基于前人的研究结果，设计完成了一

个完全基于模糊控制器的电流注入型间接磁场定

向矢量控制系统。在该系统中，三个模糊控制器分

别用于控制电机的转速、励磁电流分量和转矩电流 收稿日期 2003-09-28 改稿日期 2004-07-07 32 电 工 技 术 学 报 2004年11月

分量。此外，本文通过采用非对称输出隶属度函数，

改变模糊控制器的输出平面，提高模糊控制器对给

定信号的跟踪能力。同时，立足于微处理器指令系

统的特征，本文采用恰当的输入隶属度函数、规则

集和模糊推理方法，减小实时计算模糊控制器所需

的计算量，提高系统的实时性。

2 感应电动机矢量控制系统

感应电动机的矢量控制技术可以使感应电动

机获得与他励直流电动机一致的瞬态响应特性。由

转子磁场定向坐标轴系下感应电动机模型可以推

导出矢量控制系统的磁通模型[5]

⎪⎪

⎩⎪⎪

⎨⎧

+==+

mrrqsrmrdsmrmrrdd

iTiiitiT

ωω （1）

式中 ω r——转子角速度 ω mr——转子磁链角速度

Tr——转子时间常数

mri——转子励磁电流

ids——转子磁场定向坐标轴系下定子电流d

轴分量

iqs——转子磁场定向坐标轴系下定子电流q

轴分量

用转子磁场定向坐标轴系下的定子电流给定

参考量*dsi和*qsi取代磁通模型中的实际电流ids和

iqs，又假设控制系统不需要弱磁控制，则可以认为转

子励磁电流是恒定的，可以去除式（1）中的微分项，

构造出一个间接型的矢量控制系统，如图1所示。

FLC

FLCFLCSVPWMd,qα,β

d,qA,B,C

Trids*1M~∫+~

iAsiBs+

+ωrθmruqs*uds*ids*

iqs*ωr

*

图1 间接矢量控制系统原理图

Fig.1 Schematic of the indirect rotor-flux-oriented

control of induction machine drive 由于电动机采用星形联结，三相电流之和等于

零，所以控制系统只需要测量电动机的两相电流iAs和iBs。同时，为了实现转速闭环控制和转子磁场定

向，控制系统还需要测量电动机的转速。在图1中，

控制系统的转速控制器、励磁电流控制器和转矩电

流控制器均采用PI型模糊控制器。

3 模糊控制器原理及设计

模糊控制是一种基于人的知识和经验的控制

方法。模糊控制器的设计是以控制对象的物理特征

为出发点，而不是以控制对象的精确数学模型为出

发点，这使得它非常适用于无法建立精确模型的物

理对象和信息不足的病态过程。模糊控制器的具体

结构如图2所示。

模糊化Ke

Kced/dt推理机

规则集反模糊化Kcu∫e(t)e(t)^

∆e(t)^∆u(t)^u(t)

图2 模糊控制器

Fig.2 Fuzzy logic controller

图2中，e（t）为给定量与反馈量之间的误差，

eˆ（t）和∆eˆ（t）分别代表定标后的误差和误差变

化率，它们是控制器的输入量。

3.1 模糊化 模糊化就是指依据给定的隶属度函数)(iAziµ，

将清晰集转换成模糊集的过程。在本系统中，输入

隶属度函数采用对称的三角形函数，如图3所示。

定标系数Ke和Kce将模糊控制器输入变量的论域归一化到[−1，1]范围内。采用7个语言变量NL

（negative large）、NM（negative medium）、NS

（negative small）、Z（zero）、PS（positive small）、

PM（positive medium）和PL（positive large）描述

模糊控制器的输入。

3.2 规则集和模糊推理

规则集是模糊控制的核心，它是由一系列

IF-THEN规则构成的集合。规则集与模糊控制器的

输入、输出隶属度函数一起决定了模糊控制器输出

平面的形状，从而决定了模糊控制器的性能。表1

为模糊控制器的规则表。

模糊推理就是根据模糊输入和规则集去计算

模糊子集中的隶属度。模糊控制中常用的两种模糊

推理方法是最大−最小法和乘积法。这两种模糊推

理方法是不同的，而且，目前还没有一种方式可以 第19卷第11期 冼成瑜等 基于多模糊控制器的感应电动机矢量控制系统实验研究 33

表1 模糊控制器规则表

Tab.1 Rule bases of fuzzy logic controller ƞ Ɛ

NL NM NS Z PS PMPLNL NL NL NL NL NM NSZ

NM NL NL NL NM NS Z

PS

NS NL NL NMNS Z PSPM

Z NL NM NS Z PS PMPL

PS NM NS Z PS PM PLPL

PM NS Z PS PM PL PLPLê

PL Z PS PM PL PL PLPL

证明它们之间的优劣。但是，当采用通用微控制器

实时实现模糊控制器时，乘积法往往可以大大减小

计算量，增强系统的实时性。本文将采用乘积法作

为模糊推理方法。

3.3 反模糊化

本文采用非对称三角形函数作为输出隶属度

函数，如图3所示。采用这种非对称的输出隶属度

函数，当控制器输入量变化大时，它的输出量变化

也大，同样，当控制器输入量变化小时，它的输出

量变化也小。特别当系统处于稳态时，小的输入变

化不会引起太大的动作，有利于系统的稳定。

图3 输入隶属度函数和输出隶属度函数

Fig.3 Input membership functions and output

membership functions

输入信息经过模糊推理后得到的量是以模糊

值的形式存在的，这些模糊值不能直接用于控制被控对象，所以，还需要对这些模糊量进行反模糊化

处理。本文采用区域中心法进行反模糊化处理，如

式（2）所示。 ()()∫∫=∆

qqAyqqAqy

yyyyyu

qqqqd d ˆµµ （2）

式中 ∆uˆ——反模糊化输出

yq——第q个输出隶属度函数的中心

对反模糊化输出进行积分，就可得到PI型模糊控制

器的输出。

以上介绍的模糊控制器可以通过图形表现出

来，如图4所示。这个模糊控制器的输出是一个非

线性平面。该平面在输入信号较小的情况下是比较

平坦的。但是，随着输入信号的增大，控制器的输

出的平面变陡，这使得控制器既能获得较好的稳态

性能，还可以快速跟踪给定指令的变化。

图4 模糊控制器输出平面

Fig.4 The nonlinear surface of the fuzzy controller

4 实验结果 本次实验的实验装置由一台4kW的感应电动

机和重庆大学−德州仪器联合实验室开发的感应电

动机矢量控制开发装置构成，其硬件结构框图如图

5所示。感应电动机的参数如表2。整个控制算法由数字信号处理器TMS320LF2407A完成。在控制

系统中，电流环的控制周期为100µs，转速环的控

制周期为5ms。

表2 感应电机参数表

Tab.2 Parameters of induction machine

4kW、380V、3对极、50Hz、890r/min

Rs=3.2Ω Rr=3.5119Ω

Ls=649.4mH Lr=649.4mH

Lm=622mH J=0.13kg·m2