触动心弦的电源模块情感共鸣中的电路原理探究
导语：
伺服系统步进电机PID控制
摘要：
步进电机是数字离散电机，特别适用于数字离散控制。但是其数学模型具有高度非线性的特点，PID控制难以实现较高精度性能，本文把模糊控制和PID控制结合起来，根据设置好的误差范围，实现自动切换。
关键词：步进电机 模糊控制 PID 参数自整定 数学模型 仿真 Stepper Motor Fuzzy PID Control Sun Pan Jun Yan Xue Wen (School of Electronic Information Engineering Tai Yuan University of Science And Technology)
Abstract:
Stepper motor is a digital discrete motor, that is especial suitable for digital discrete control. But its mathematical model is highly nonlinear, PID control is difficult to achieve high precision performance, the paper combines the fuzzy control with PID control。According to set good error range, the system can achieve automatic switching.
Key words stepper motor PID Fuzzy control Parameter Self-tuning Mathematical Model Simulation
1前言
步进电机本质上是数字离散电机，直接接受数字量，将电脉冲信号转变成位移信号，即给一个脉冲信号，步进电机就转动一个角度。步进電機內部各控變量高度非線性且相互耦合，而傳統PID控制是以精確數學模型為基礎的，不可能有效應對系統的不確定信息，用不變的PID參數不可能達到較好的控制結果。模糊控制不需要對象的精確數學模型，对系統變化不敏感，有良好的抗干扰性和鲁棒性。但是，由於它的一定的模糊性，在穩態精度方面存在不足。在這種情況下，可以將模糊控制與PID控制結合起來。
2混合式步進電機數學模型
本文采用两相步進電機，在忽略互感、漏磁、磁滞、涡流、饱和等影響的情況下，我們采用可以對一相用一等值有效RL電路绕組進行分析。選用4拍步進方式，以A相為基準則B相滞後A相90°角度，那麼有以下電流方程：
根據力學定律可以寫出電動機的机械运动方程：
其中 电機轉矩 是負載轉矩，是轉動惯量，是粘滞摩擦系数，是轉子角速度 假設負載轉矩為零，那麼有以下微分方程：
則式（1）、（2）式、（3）、（4）組成了兩相步進電機的數學模式從中可以看到，這個系統是一個高度非線性的被控物體，這就要求我們使用更複雜一些的手段去實現它，而模糊操作正好適合這種特點。
3歩進電機模糊PID設計
在工業自動化領域中,PID調節器是一種廣泛應用的類型，它能夠根據誤差E及其時間導向EC來調節增益Kp、Ki及Kd，並使其最佳地追蹤目標值P。如果一個簡單或複雜的人工智能方法能夠做出類似的決策並調整這些參數，那麼它會如何？
本文採用二維模稜調節系統，其中輸入由偏差E以及偏差改變率EC構成，其範圍設定為[-3 3]；輸出的增益包括Kp,Ki及Kd，其範圍設定為[-0.5 0.5]。然後，我們建立了三組規則表格以決定每個增益因子的隸屬度，以及每個隸屬度所對應之間接引擎效率與阻力係數之間關係圖。
表1 KP 隨著 E 的增加而隨著 EC 的增加而減少時最大隸屬程度。
表2 KI 隨著 E 的增加而隨著 EC 的增加而減少時最大隸屬程度。
表3 KD 隨著 E 的增加而隨著 EC 的增加而減少時最大隸屬程度。
解釋推理也很重要，因為它決定了通過此處所描述之過程來產生引擎效率與阻力係數之間關係圖。此處所描述過程包含了幾個不同的方法，如最大隻含法、中位法加權平均法，但在此處，我們選取的是加權平均法，因為該方法提供了一種更平滑，更穩定的反馈回路，而不是像最大隻含法那樣突然跳躍到新的狀態，也就是說，在當前狀態超越某一臨界值之前，一些新的狀態無法立即被激活，因此大幅提高了反馈回路的大致稳定性，并减小了振荡现象，从而确保系统运行更加平稳无波动，同时保证对外输出结果更加准确可靠。这一点对于那些需要严格遵守一定规则并保持长期稳定的系统尤为重要，比如说用于制造业中的生产线调试设备或者其他任何依赖于准确预测来进行调整与优化过程中的应用场景中都非常有帮助，因为这些设备通常会持续运作多小时甚至数天或数周，这种长时间运行会导致各种各样的问题，比如过热、高温损坏或者磨损等，这些都是通过传统手段无法解决的问题，所以我们的技术方案提供了一种简单但有效地解决这些问题的手段，同时还能够简化操作流程，使得用户能够快速了解并掌握该技术，并且随着经验积累，该技术将变得更加强大，从根本上来说这是因为这种基于人工智能算法的人工智能系统正在不断学习从过去数据中学到的东西，并根据这个学习来调整自己的行为，从而逐渐提升自身能力，使得用户能够获得更多价值。此外，还有一点要注意的是，我们这里提到的“AI”并不仅限于深层学习或复杂算法，而是一个广义概念，它代表着所有类型的人工智能工具，无论它们是否涉及复杂算术处理或大量数据集皆可考虑进入这一范畴。而我们这里讨论的是一种特殊形式的人工智能，即“决策支持系统”，这类系统利用专家知识和先验知识来指导决策过程，而且由于他们常常受到人类专家的直接影响，他们通常被认为比完全依赖于计算机算力的工具要安全很多。但为了让读者理解，我们必须再次强调我们的目标并不只是展示一个人工智能如何工作，它们如何产生效果，或它们为什么应该成为未来自动化领域的一个关键组成部分；我们的主要目标是在展现人工智慧如何被巧妙地融入现代工业环境中，以便在日常生活中发挥作用。这意味着我们不能只关注理论上的可能性——虽然这些也是极其重要的一部分——我们还必须考虑实际应用程序是否真正实用，以及人们是否愿意采纳这样的新技术。在这一点上，我们必须承认尽管人工智能已经证明自己是一个巨大的革命力量，但许多挑战仍然存在，如隐私权保护问题以及关于人造创造物权利的问题等。这些建议并不是为了批评当前使用AI的情况，只不过提出一种不同的视角，让读者思考一下，如果我们真的想要利用AI带来的潜在优势，那么应该怎么办？
