퍼지 제어에 기초한 펌핑 기계 서보 모터 제어기의 설계
통계에 따르면 현재 중국에서 사용되는 펌핑 유닛의 수는 20 만 개가 넘으며 연평균 약 15,000 개로 증가하고 있습니다. "펌프 장치"에 사용되는 모터의 평균 출력은 약 40KW이며 대다수입니다. 펌핑 유닛은 여전히 빔형 구조를 채택합니다. 이 구조적 특성은 간단하고 신뢰할 수 있지만 전체 기계의 효율 및 역률은 상대적으로 낮으며 에너지 소비 또한 크다. 연간 소비 전력은 150 억 이상이므로 석유 산업 대용량 가구는 에너지 집약 형입니다. 중국은 가난한 석유 국가로 주로 석유를 전기를 위해 물과 기름으로 대체합니다. 펌프 장치의 전기 소비량은 총 석유 생산 비용의 30-45 %를 차지합니다. 따라서 펌핑 장치 용 에너지 절약형 컨트롤러의 개발은 매우 높습니다. 따라서 에너지 소비를 줄이고 펌핑 유닛의 효율을 향상시키는 새로운 에너지 절약형 펌핑 장비가 향후 펌핑 유닛 생산 산업의 개발 추세 및 목표가 될 것입니다.
현재 대부분의 국내 긴 스트로크 펌핑 유닛은 스위치드 릴럭 턴스 모터를 사용합니다. 스위치드 릴럭 턴스 모터는 자기 회로 포화가 크기 때문에 이중 돌출 극 구조와 스위치 제어 모드는 높은 비선형 성을 초래합니다. 그러나, 스위치드 릴럭 턴스 모터의 심각한 비선형 성 및 가변 파라미터 및 가변 구조의 특성으로 인해, 종래의 고정 파라미터를 갖는 PID 제어기를 사용함으로써 이상적인 제어 성능을 달성하는 것이 어렵다. 제어 매개 변수는 수학적 모델 때문에 정확하게 설정 될 수 없습니다. ok 얻는 것은 어렵다. 스위치드 릴럭 턴스 모터의 비선형 특성에 적응하기 위해 가변 매개 변수를 사용하는 퍼지 제어 전략이 채택됩니다. 인공 신경망과 퍼지 제어를 결합하여 신경망의 적응력, 자기 학습 능력 및 비선형지도 작성 능력을 활용하여 강력한 적응 매개 변수로 퍼지 신경망 제어 전략을 구성합니다.
퍼지 신경망 (Fuzzynetwork-FNN)은 퍼지 제어 이론과 신경망 제어 이론의 조합입니다. 그것은 퍼지 이론과 신경 네트워크의 많은 장점을 포함합니다. 그것은 학습, 결사, 인식 및 정보 처리의 조합입니다. 퍼지 제어는 엔지니어링 분야에서 널리 사용되는 지능형 제어 방법입니다. 주로 수동 제어의 경험을 제어 전략으로 변환합니다. 따라서 제어 대상에 대한 정확한 수학적 모델을 설정할 필요가 없으며 동적 품질이 평범한 것보다 낫습니다. 제어 방법. 그러나 일반적인 퍼지 제어기는 본질적으로 PD 조절기이기 때문에 정적 성능이 좋지 않으며 정적 차이가 있습니다. 이 문제를 해결하기 위해 본 논문에서는 퍼지 제어와 신경망 제어를 결합한 제어 방법을 제안하고 그 적분을 더한다. 이 링크는 정적 인 정적 차이를 극복하는 데 사용됩니다.
