直流无刷电动机调速系统具有时变、非线性、强耦合等特征。传统的控制策略虽然算法简单、快速性好、控制精度高,但在被控对象数学模型不确定或为非线性时,通常较难满足系统要求的静、动态性能指标。基于人工智能的控制方法,具有无需依赖控制对象精确的数学模型和能够抑制时变、参数扰动等因素对系统影响的特性,因此将人工智能控制方法与传统控制策略相结合可起到相辅相成的作用。 针对上述存在的问题,本文设计了模糊神经网络控制器。模糊神经网络是一种新型的神经网络,它是在网络中引入模糊算法或模糊权系数的神经网络。模糊神经网络能够把模糊逻辑方法和神经网络方法结合在一起,它既具有模糊控制知识表达容易又兼有神经网络自学习能力强的优点,并能够根据被控对象的参数和环境的变化自适应地调节控制规则和控制器的参数。因而,神经网络与模糊控制的结合可以互相取长补短,提高整个系统的学习能力和表达能力,扩大各自的应用领域,以构成更加强有力的知识处理工具。 但是在实际的设计过程中,存在着模糊神经网络的结构和学习算法方面的一些问题。针对模糊神经网络的结构和原理,文中进行了详尽的证明及理论推导,并对其控制特点进行了仿真说明。考虑到实时性和微控制器实现的问题,文中提出卡尔曼滤波的学习算法以及其证明过程,经过MATLAB仿真后表明,采用卡尔曼滤波学习算法的模糊神经网络和采用BP算法的模糊神经网络相比,学习时间不仅可以大为减少,而且对噪声具有更好的抑制作用。 在分析了直流无刷电机数学模型的基础上,将采用了卡尔曼滤波学习算法的模糊神经网络控制应用于直流无刷电动机速度控制器。仿真结果表明,直流无刷电动机模糊神经网络控制系统具有良好的静、动态特性,并能够在一定程度上减少转矩脉动,控制效果令人满意。