Machine Translated by Google

Xem các cuộc thảo luận, số liệu thống kê và hồ sơ tác giả của ấn phẩm này tại: https://www.researchgate.net/publication/357995484

Fuzzy-PID trong điều khiển tốc độ động cơ BLDC bằng MATLAB/Simulink

Bài viết trên Tạp chí Robotics và Điều khiển (JRC) · Tháng 6 năm 2021

DOI: 10.18196/jrc.v3i1.10964

TRÍCH DẪN ĐỌC

27 704

4 tác giả, trong đó:

Hari Maghfiroh Agus Ramelan

Đại học Sebelas Maret Đại học Sebelas Maret

79 CÔNG BỐ 273 TRÍCH DẪN 47 CÔNG BỐ 110 TRÍCH DẪN

XEM HỒ SƠ XEM HỒ SƠ

Feri Adriyanto

Đại học Sebelas Maret

83 CÔNG BỐ 680 TRÍCH DẪN

XEM HỒ SƠ

Tất cả nội dung sau trang này được tải lên bởi Hari Maghfiroh vào ngày 08 tháng 3 năm 2022.

Người dùng đã yêu cầu nâng cao tệp đã tải xuống.

Machine Translated by Google

Tạp chí Robotics và Điều khiển (JRC)

Tập 3, Số 1, tháng 1 năm 2022
ISSN: 2715-5072 DOI: 10.18196/jrc.v3i1.10964 số 8

Fuzzy-PID trong điều khiển tốc độ động cơ BLDC

Sử dụng MATLAB/Simulink

1* 2 3 4
Hari Maghfiroh , Musyaffa' Ahmad Feri ,Adriyanto Khoa Kỹ ,thuật Điện, Đại
Agus Ramelan
1, 2, 3, 4
học Sebelas Maret, Surakarta, Indonesia
E-mail: 1 2 3
hari.maghfiroh@staff.uns.ac.id, musyaffaahmad10@gmail.com, agusramelan@staff.uns.ac.id,
4
feri.adriyanto@staff.uns.ac.id
*Đồng tác giả

Tóm tắt— Động cơ DC không chổi than (BLDC) là một trong những
loại động cơ DC được sử dụng rộng rãi nhất, cả trong lĩnh vực
công nghiệp và ô tô. Động cơ BLDC được chọn vì nó có nhiều ưu
điểm so với các loại động cơ điện khác. Tuy nhiên, trong ứng dụng
trên thị trường, hầu hết các hệ thống điều khiển sử dụng trong
động cơ BLDC vẫn sử dụng các bộ điều khiển thông thường. Phương
pháp thông thường này dễ áp dụng, đơn giản nhưng có nhiều điểm
yếu, một trong số đó là nếu trạng thái hệ thống thay đổi thì các
thông số của PID cũng phải thay đổi, từ đó hiệu suất tĩnh và động
sẽ giảm, gây ra phản ứng chậm và dao động thường xuyên. Trong
nghiên cứu này, việc thiết kế và mô phỏng hệ thống điều khiển
tốc độ cho động cơ BLDC sử dụng phương pháp Fuzzy-PID được thực
hiện. Phương pháp nghiên cứu được thực hiện thông qua mô phỏng
bằng Matlab/Simulink. Mô phỏng được thực hiện bằng cách cung cấp
điểm đặt tốc độ là 650 vòng/phút và sử dụng hai phương pháp là
Fuzzy-PID và PI. Kết quả thử nghiệm cho thấy điều khiển Fuzzy-
PID có thể mang lại hiệu suất tốt hơn và ổn định hơn so với điều
khiển PI thông thường. Việc sử dụng điều khiển Fuzzy-PID có thể
hệ thống vòng kín. Hệ thống Vòng lặp mở là một hệ thống điều
khiển mà đầu ra của nó không có tác dụng điều khiển hành động và
không có phản hồi [10]. Mặt khác, hệ thống điều khiển động cơ
BLDC trên thị trường đã sử dụng hệ thống điều khiển vòng kín có
cơ chế phản hồi.
Trong ứng dụng trên thị trường, hầu hết các phương pháp điều
khiển trong động cơ BLDC vẫn sử dụng các bộ điều khiển thông thường như PI.
(Tỷ lệ-Tích phân) và PID (Tỷ lệ-Tích phân-Đạo hàm) [4] [11].
Phương pháp điều khiển thông thường này được chọn vì cấu trúc
đơn giản và dễ vận hành [9].
Tuy nhiên, phương pháp điều khiển này vẫn còn nhiều điểm yếu như
nếu trạng thái hệ thống thay đổi thì các thông số PID cũng phải
thay đổi làm cho tính năng tĩnh và động giảm, gây ra phản ứng
chậm và dao động thường xuyên [12]. Một số nghiên cứu đã được
phát triển để tạo ra hệ thống điều khiển động cơ BLDC tối ưu và
đáng tin cậy.

làm giảm sự dao động tốc độ và mang lại sự ổn định mô-men xoắn.
Trong dòng điện stato và EMF (Lực điện động) ngược, Fuzzy-PID có
dòng điện và điện áp ổn định hơn PID nên gây ra tổn thất nhỏ hơn.
Hơn nữa, phương pháp đề xuất Fuzzy-PID có thời gian xử lý nhanh
hơn so với PID tới 6,27%.
Một trong những phương pháp điều khiển được sử dụng là điều
khiển logic mờ. Phương pháp này được chọn vì nó có độ tin cậy để
giải quyết các vấn đề phức tạp và phi tuyến, linh hoạt với nhiều
vấn đề khác nhau và có thể kết hợp với các phương pháp điều
khiển khác để tạo ra một hệ thống tối ưu hơn [5].

Từ khóa—Động cơ BLDC, PID, Fuzzy-PID Nghiên cứu này sẽ thiết kế và mô phỏng hệ thống điều khiển
tốc độ cho động cơ BLDC bằng phương pháp Fuzzy-PID. Thử nghiệm
I. GIỚI THIỆU
này nhằm mục đích xác định hiệu suất sử dụng Trí tuệ nhân tạo,

Động cơ DC không chổi than (BLDC) là một trong những động đặc biệt là Logic mờ trong ứng dụng của nó trong động cơ điện.

cơ DC được sử dụng rộng rãi nhất, cả trong lĩnh vực công nghiệp Logic mờ được sử dụng để tạo ra các tham số PID (Kp, Ki và Kd)

và ô tô. Động cơ BLDC cũng giống như vậy và do đó được gọi là sau đó được chuyển tiếp tới

động cơ đồng bộ DC nam châm vĩnh cửu [1]. Loại động cơ DC này PID để tạo ra một hệ thống điều khiển tối ưu và đáng tin cậy

không có chổi than và cổ góp nên động cơ BLDC ít cần bảo trì hơn hơn. Sau đó, kết quả thử nghiệm được so sánh bằng phương pháp PI
thông thường để tìm ra phương pháp nào được sử dụng tốt nhất để
và có thể hoạt động êm hơn động cơ DC [2]. Chi phí ban đầu của
động cơ có vẻ đắt nhưng thường giảm dần theo thời gian [3]. Do kiểm soát tốc độ động cơ BLDC.

đặc tính đặc biệt, động cơ BLDC rất phổ biến trong các ứng dụng
II. VẬT LIỆU VÀ PHƯƠNG PHÁP
công nghiệp, y sinh và robot khác nhau đòi hỏi tỷ lệ mô-men xoắn
trên trọng lượng cao và điều khiển vị trí chính xác để đảm bảo A. Động cơ BLDC

độ chính xác [4]. Động cơ BLDC được chọn vì nó có các đặc tính
Động cơ BLDC là một loại động cơ đồng bộ nam châm vĩnh cửu,
như hiệu suất cao, độ tin cậy, dải tốc độ rộng, mô men xoắn lớn
có một nam châm vĩnh cửu ở rôto và một suất điện động ngược hình
và công suất nhỏ [5] [2]. Vì vậy, việc thực hiện nhiều nghiên
thang (EMF) [13].
cứu về cấu trúc của Động cơ DC không chổi than và bộ điều khiển
Động cơ BLDC có đặc tính của máy điện một chiều bằng cách thay
của nó có ý nghĩa rất lớn về mặt lý thuyết và thực tiễn [6] [7].
thế cổ góp cơ khí và chổi than bằng công tắc bán dẫn và không
có kết nối điện giữa stato và rôto [14]. Cấu trúc động cơ BLDC

được thể hiện trong Hình 1.

Có một số sơ đồ điều khiển khác nhau được sử dụng để điều

khiển tốc độ động cơ BLDC [8]. Hệ thống điều khiển trên động cơ
Động cơ BLDC được sử dụng rộng rãi trong các linh kiện điện
BLDC khá phức tạp do sử dụng nhiều linh kiện điện tử được bố trí
tử khác nhau, đặc biệt là trong xe điện. Điều này là do động cơ
để có thể chuyển đổi chính xác giữa ba pha động cơ [9]. Có hai
BLDC có nhiều ưu điểm hơn các động cơ khác, cụ thể là dải mô-men
loại hệ thống kiểm soát tốc độ, đó là hệ thống Open-Loop và
xoắn rộng, tốc độ cao, hiệu suất cao, tốt.

Trang web tạp chí: http://journal.umy.ac.id/index.php/jrc Email tạp chí: jrc@umy.ac.id

Machine Translated by Google

Tạp chí Robotics và Điều khiển (JRC) ISSN: 2715-5072 9

phản ứng động, chắc chắn, không trơn trượt, v.v. [14]. Thông số kỹ Năm giới thiệu Điều khiển phương pháp

thuật của động cơ được sử dụng trong nghiên cứu này được mô tả trong [19] Khoảng thời gian 2016 Loại-2 Loại-2 Fuzzy cho phép mô
Bảng 1. Lập luận mờ hình hóa các hiệu ứng của
Bộ điều khiển sự không chắc chắn trong

hệ thống mờ dựa trên luật.

[20] 2016 lai mờ Bộ điều khiển chế độ trượt

Chế độ trượt hợp nhất mờ với điều
Bộ điều khiển kiện trọng lượng chuyển động.
[21] 2016 Cải tiến Các tham số hệ số tỷ lệ

vũ trụ dựa trên PSO trong tối

biến Fuzzy ưu hóa ngoại tuyến để giảm

PID thời gian điều chỉnh

[22] 2014 Bồi Thường Hệ thống lai kết hợp ưu điểm

Thần kinh mờ của logic bù
Sự kiểm và mạng nơ-ron
Hình 1. Cấu trúc động cơ BLDC [7]
soát mạng lưới

BẢNG I. THÔNG SỐ KỸ THUẬT ĐỘNG CƠ BLDC [23] 2013 PID Trượt Điều chỉnh PID bằng chế
Chế độ mờ độ trượt mờ để loại bỏ rung
Sự chỉ rõ Giá trị
Bộ điều khiển lắc và cải thiện phản hồi
Vôn 48 V
Quyền lực 1 kW
[24] 2012 Bộ điều Bộ bù trước mờ được sử dụng
Tốc độ tối đa 700 vòng/phút
khiển PI lai để sửa đổi bộ điều khiển
nhằm bù cho sự thay
Phần điện của hệ thống được điều chỉnh bởi phương trình (1) [15]: đổi đầu ra

[25] 2011 Mở rộng EKF lọc nhiễu trong lỗi và

= + + (1) Bộ lọc Kalman lỗi delta, đồng thời ngăn

Ở đâu, (EKF) - Fuzzy- bộ điều khiển xử lý

Thần kinh – nhiễu với chi phí phản
Vdc = điện áp đặt vào DC
Mạng hồi bị trễ
L = độ tự cảm của cuộn dây
Bộ điều khiển
R = Điện trở cuộn dây
E = sức điện động trở lại của động cơ [26] 2011 Sơ đồ điều khiển Nỗ lực kiểm
trượt và soát tỷ lệ thuận với
Phần cơ khí của động cơ được điều chỉnh bởi phương trình mô men điều khiển mờ. khoảng cách từ bề mặt
xoắn như sau: trượt để loại bỏ tiếng kêu
= ω
+ ω + (2) [27] 2008 Bộ điều khiển PID mờ Ba bộ điều khiển phụ Fuzzy
song song song song cập nhật giá trị
Ở đâu,
Te = Mômen điện từ tính bằng Nm của mức tăng PID trực tuyến
J = Moment quán tính [28] 2005 Học tập Thuật toán học giám

ꞷ = Tốc độ góc dựa trên cảm xúc sát (dưới dạng Phê
B = Hệ số ma sát thần kinh mờ bình) kiểm soát hành
Bộ điều khiển vi mạng
TL = Mômen tải
[29] 2004 di truyền Tối ưu hóa dựa trên GA

B. Sơ đồ điều khiển BLDC khác nhau Thuật toán và điều chỉnh trực tuyến các
(GA) dựa trên tham số mờ để có hiệu
Một số nghiên cứu đã được tiến hành để kết hợp hệ thống điều
Mờ suất mạnh mẽ.
khiển mờ với các hệ thống điều khiển khác để ứng dụng trong bộ
Bộ điều khiển
điều khiển động cơ BLDC. Một số nghiên cứu đã được thực hiện
[30] 2001 Thần kinh thích ứng Thuật toán học có cấu trúc
được trình bày lại trong Bảng 2.
- Mờ thần kinh tìm quy tắc logic
Sự suy luận mờ thích hợp, sau đó
BẢNG II. CHƯƠNG TRÌNH ĐIỀU KHIỂN DỰA TRÊN MỜ KHÁC NHAU

Hệ thống thuật toán học tham

Năm giới thiệu Điều khiển phương pháp (ANFIS) số để tinh chỉnh hàm
[16] 2017 Trượt Mờ Hằng số luật điều khiển thành viên và các tham số
Cách thức trượt được thay đổi bởi khác
Bộ điều khiển bộ điều khiển logic mờ
[17] Bầy hạt hạt 2017 Điều khiển mômen động cơ Một số nghiên cứu trong Bảng 2 ở trên đã chứng minh rằng Bộ
Tối ưu hóa BLDC dựa trên bộ điều điều khiển logic mờ (FLC) có thể hoạt động tốt với các phương
Lập luận mờ khiển PSO và Fuzzy Logic. pháp điều khiển khác. Sự kết hợp của FLC với các phương pháp
Bộ điều khiển khác mang lại một số lợi ích như tăng hiệu suất, hiệu suất, hiệu
[18] 2017 Toàn Mờ Bộ điều khiển mờ dựa trên suất và độ chính xác của kết quả thử nghiệm.
Bộ điều khiển hàm trọng số thông Tuy nhiên, sự kết hợp không thể áp dụng cho tất cả các loại cây, vì
minh liên tục. vậy sự kết hợp phải được điều chỉnh tùy theo loại cây được sử dụng.

Hari Maghfiroh, Fuzzy-PID trong Điều khiển tốc độ động cơ BLDC bằng MATLAB/Simulink
Machine Translated by Google

Tạp chí Robotics và Điều khiển (JRC) ISSN: 2715-5072 10

C. Bộ điều khiển logic mờ

Logic mờ là một nhánh của Trí tuệ nhân tạo (AI) được sử
dụng từ năm 1965 cho đến nay. Fuzzy vẫn được chọn vì tính
tin cậy của nó trong việc giải quyết các vấn đề phức tạp
và phi tuyến, tính linh hoạt của nó đối với nhiều vấn đề
khác nhau và có thể kết hợp với các phương pháp điều khiển
khác để tạo ra một hệ thống tối ưu hơn [5]. Logic mờ sử
dụng các quy tắc cơ bản để tạo ra đầu ra mờ, cụ thể là quy
tắc IF-THEN, trong đó IF là tiền đề và THEN là hệ quả [31].
Trong phương pháp mờ có 4 thành phần chính là [5]:
• Fuzzifier: Fuzzifier dùng để ánh xạ giá trị/giá của các Hình 3. Sơ đồ khối của Fuzzy-PID

biến trong thế giới thực thành các tập mờ.

• Cơ sở tri thức: Cơ sở tri thức chứa đựng kiến thức về hệ
thống điều khiển như một hướng dẫn để đánh giá trạng
thái của hệ thống nhằm đạt được đầu ra điều khiển như
mong muốn của người thiết kế.
• Công cụ suy luận mờ: Công cụ suy luận mờ chuyển các
câu lệnh mờ trong cơ sở luật thành các phép tính
toán học (tổ hợp mờ).
• Giải mờ: Giải mờ có thể được định nghĩa là quá trình
thay đổi các đại lượng mờ được biểu diễn dưới dạng
các tập mờ đầu ra với hàm thành viên để lấy lại Hình 4. Chức năng thành viên của lỗi đầu vào
dạng rõ ràng của chúng.

Sơ đồ khối của hệ thống điều khiển mờ có thể được quan

sát trong Hình 2.

Hình 5. Chức năng thành viên của đầu vào lỗi delta

Hình 2. Sơ đồ khối bộ điều khiển logic mờ [5]

Sơ đồ khối mờ cho đầu ra của Kp, Ki và Kd là
được hiển thị lần lượt trong Hình 6, Hình 8 và Hình 10.
D. Sơ đồ khối Fuzzy-PID Trong khi đó, Hình 7, Hình 9 và Hình 11 lần lượt thể hiện
hàm Thành viên của đầu ra Kp, Ki và Kd .
Sơ đồ khối của điều khiển Fuzzy-PID có thể được xem
trong Hình 3. Trong cấu trúc này, 3 khối Điều khiển Logic • FLC cho Kp
Mờ được sử dụng, mỗi khối có cùng một đầu vào, đó là lỗi
và lỗi delta. Trong khi đó, đầu ra của mỗi khối mờ là Kp,
Ki và Kd. Đầu ra này sau đó được xử lý bằng bộ điều khiển
PID để điều chỉnh điện áp đầu ra từ nguồn điện cung cấp
cho động cơ BLDC.

Vì có năm thành viên mờ cho mỗi đầu vào; do đó, luật

mờ được sử dụng là 25 luật. Các quy tắc này có thể được
xem trong Bảng 3. Trong đó DB: Giảm lớn; DS: Giảm nhỏ;
NC: Không thay đổi; IS: Tăng nhỏ và IB: Tăng lớn. Trong
khi tập hợp các hàm thành viên của các biến đầu vào (lỗi
Hình 6. Khối mờ cho đầu ra Kp
và lỗi delta) có thể được quan sát trong Hình 4 và Hình 5.

BẢNG I. THÔNG SỐ KỸ THUẬT ĐỘNG CƠ BLDC

e\de NB NS Z Tái bút PB

NB DB DB DB DS NC
NS DB DB DS NC IS
Z DB DS NC LÀ IB
Tái bút DS NC LÀ IB IB
PB NC LÀ IB IB IB
Hình 7. Hàm thành viên của đầu ra Kp

Hari Maghfiroh, Fuzzy-PID trong Điều khiển tốc độ động cơ BLDC bằng MATLAB/Simulink
Machine Translated by Google

Tạp chí Robotics và Điều khiển (JRC) ISSN: 2715-5072 11

• FLC cho Ki vòng/phút. Hình 12 thể hiện khối mô phỏng của phương pháp điều
khiển Fuzzy-PID được đề xuất trong MATLAB Simulink.

Hình 8. Khối mờ cho đầu ra Ki

Hình 11. Hàm thành viên của đầu ra Kd

Dựa trên Hình 13, có thể thấy rằng điều khiển Fuzzy-PID
có thể cung cấp phản hồi tốt để đạt đến điểm đặt mong muốn.
Bằng cách sử dụng phương pháp Fuzzy-PID, tốc độ ở trạng thái
ổn định có thể đạt được ở mức 0,3 giây mà không bị vọt lố và
biến động đáng kể. Mặt khác, phương pháp PI thông thường có
thể đạt đến điểm trạng thái ổn định ở mức 0,2 giây nhưng có
Hình 9. Hàm thành viên của đầu ra Ki dao động rất cao và gặp phải hiện tượng vượt mức lên tới 180
vòng/phút.
• FLC cho Kd

Trong mômen điện từ, Hình 14 cho thấy phương pháp Fuzzy-PID
tạo ra đồ thị mômen ổn định, trong đó mômen giảm khi tốc độ
của động cơ tăng lên. Mô-men xoắn đạt đến điểm không đổi ở mức
5 Nm khi động cơ đạt tốc độ ổn định. Trong khi phương pháp PI
cung cấp biểu đồ mô-men xoắn không ổn định với dao động đủ cao
và vượt quá 35 Nm trước khi đạt được tốc độ ở trạng thái ổn
định.

Hình 10. Khối mờ cho đầu ra Kd Hình 15 cho thấy dòng điện và điện áp ngược do Fuzzy-PID tạo
ra khá ổn định trong quá trình vận hành động cơ. Ngược lại,
III. KẾT QUẢ VÀ THẢO LUẬN
khi sử dụng phương pháp PI, có sự dao động của dòng điện và
Việc mô phỏng được thực hiện bằng cách cung cấp điểm đặt điện áp ngược EMF trên stato. Điều này dẫn đến sự mất ổn định
tốc độ ở 650 vòng/phút. Việc mô phỏng được thực hiện bằng cách của hệ thống và gây ra nhiều tổn thất.
so sánh hai phương pháp là Fuzzy-PID và phương pháp PI thông
thường. Nhà máy của mạch này là động cơ DC không chổi than
(BLDC) 48V 1kW với tốc độ tối đa 700

Hình 12. Điều khiển BLDC Fuzzy-PID trong MATLAB Simulink

Hari Maghfiroh, Fuzzy-PID trong Điều khiển tốc độ động cơ BLDC bằng MATLAB/Simulink
Machine Translated by Google
Tạp chí Robotics và Điều khiển (JRC)
Hình 13. Cấu hình tốc độ
Hình 14. Mômen điện từ
Hình 15. Dòng điện trở lại và EMF của Stator
Thời gian mô phỏng cho từng phương pháp được nối lại trong
Bảng IV. Nó cho thấy rõ ràng rằng Fuzzy-PID có khả năng xử lý nhanh hơn
Hari Maghfiroh, Fuzzy-PID trong Điều khiển tốc độ động cơ BLDC bằng MATLAB/Simulink
ISSN: 2715-5072 12
thời gian so với PID tăng 6,27%. Vì vậy, kết quả tổng thể cho
thấy Fuzzy-PID tốt hơn PID.
BẢNG II. THÔNG SỐ KỸ THUẬT ĐỘNG CƠ BLDC
Phương pháp Thời gian mô phỏng (s)
Fuzzy-PID 29,58
PID 31,56
IV. KẾT LUẬN
Việc thiết kế và mô phỏng hệ thống điều khiển Fuzzy-PID
trên bộ điều khiển tốc độ BLDC đã được thực hiện thành công.
Dựa trên mô phỏng, điều khiển Fuzzy-PID có thể mang lại hiệu
suất tốc độ tốt hơn và ổn định hơn so với sử dụng điều khiển
PI thông thường. Việc sử dụng điều khiển Fuzzy-PID có thể làm
giảm sự dao động tốc độ và mang lại sự ổn định mô-men xoắn tốt
hơn để động cơ BLDC có thể hoạt động đáng tin cậy hơn.
Trong dòng điện stato và EMF ngược, Fuzzy-PID có dòng điện và
điện áp ổn định hơn PID nên gây ra tổn thất nhỏ hơn. Hơn nữa,
phương pháp đề xuất Fuzzy-PID có thời gian xử lý nhanh hơn so
với PID tới 6,27%.
NHÌN NHẬN
Bài viết này được hỗ trợ bởi Chương trình tài trợ nghiên
cứu PNBP nhiều năm của Đại học Sebelas Maret với số hợp đồng:
452/UN27.21/PN/2020 và 260/UN27.22/HK.07.00/2021. Chúng tôi xin
gửi lời cảm ơn đến Phòng thí nghiệm IoT Khoa Kỹ thuật Đại học
Sebelas Maret.
NGƯỜI GIỚI THIỆU
[1] A. Fitzgerald, C. Kingsley và S. Umans, Electric Mac1ullery. ser.
Loạt bài về Kỹ thuật Điện, Công ty McGraw-Hili, Incorporated, 2002.
[2] MS Aspalli, MM Farhat và LM Savitri, "Điều khiển tốc độ của Động cơ BLDC với
Bộ biến tần ba pha bốn công tắc sử dụng Bộ điều khiển tín hiệu số", Hội
nghị quốc tế về Năng lượng và Kỹ thuật điều khiển nâng cao (ICPACE) năm
2015. Bangalore, Ấn Độ, 2015.
[3] JJ Rath QHS (T), "Điều khiển tốc độ hiệu quả trong động cơ BLDC 3 pha
bằng kỹ thuật tiếp cận chế độ trượt dựa trên luật", Tạp chí quốc tế về
ứng dụng máy tính. Tập 43, số 16, tháng 4 năm 2012.
[4] PHY Sheng, X. Wang và L. Wang, “Thiết kế hệ thống điều khiển PID mờ của động
cơ DC không chổi than dựa trên điều khiển véc tơ,” Đại hội tự động hóa
Trung Quốc, trang 5583–
5587, 2017.
[5] R. Goswami và J. Dheeraj, "Đánh giá hiệu suất của bộ điều khiển dựa trên
logic mờ được sử dụng trong động cơ DC không chổi than", Hội nghị quốc
tế về trí tuệ tính toán và khoa học dữ liệu (ICCIDS), 2018.
[6] Z. Hao, "DC không chổi than có thể điều khiển thông minh việc triển khai
nghiên cứu và mô phỏng," Hồ Bắc: Đại học Công nghệ Vũ Hán, 2009.
[7] W. Zhou và X. Zhang, "Hệ thống điều khiển PID chế độ trượt vòng kín kép cho
BLDCM của xe điện thuần túy", Kỷ yếu của Hội nghị điều khiển Trung Quốc
lần thứ 35, trang 4730-4734, tháng 7 năm 2016.
[8] U. Ansari, S. Alam và SMuN Jafri, “Mô hình hóa và điều khiển động cơ BLDC ba
pha sử dụng PID với thuật toán di truyền,” Hội nghị quốc tế lần thứ 13
về mô hình hóa và mô phỏng Sim của Vương quốc Anh, 2011, trang 189-194.
[9] M. Ahmad, "Phát triển hệ thống giám sát và kiểm soát tốc độ trong động cơ
BLDC với cảm biến Hall," Dự án cuối cùng, Khoa Kỹ thuật Điện của Đại học
Sebelas Maret Surakarta,
2020.
[10] K. Ogata, Dịch thuật các kỹ thuật điều khiển tự động (Hệ thống điều tiết)
Tập 1. Erlangga, Jakarta, 1995.
[11] U. Maheshwararao, YS Kishorebabu và K. Amaresh, "Điều khiển tốc độ ở chế độ
trượt của động cơ DC", Hội nghị quốc tế về
Machine Translated by Google

Tạp chí Robotics và Điều khiển (JRC) ISSN: 2715-5072 13

Hệ thống Truyền thông và Công nghệ Mạng, 2011. [22] G. Deying và Z. Jinquan, “Kiểm soát tốc độ của BLDCM dựa trên Mạng thần

[12] Y. Xiaojuan và L. Jinglin, "Điều khiển chế độ trượt mới cho Hệ thống điều kinh mờ bù trừ,” Hội nghị Quyết định và Kiểm soát Trung Quốc lần thứ 26

khiển mạng BLOC", Hội nghị quốc tế lần thứ 3 về Lý thuyết và Kỹ thuật (2014 CCDC), trang 4541–
4544, 2014.

Máy tính Tiên tiến, 2010. [23] C. Navaneethakkannan và Tiến sĩ M. Sudha, “So sánh việc điều chỉnh thông

[13] MJ Prabu, P. Poongodi và K. Premkumar, "Điều khiển vị trí rôto dựa trên hệ thường và PID của bộ điều khiển mờ chế độ trượt cho bộ truyền động động

thống suy luận mờ dựa trên hệ thống suy luận mờ được giám sát mờ của cơ BLDC,” Hội nghị quốc tế về truyền thông máy tính và tin học, trang

động cơ DC không chổi than," IET Power Eelctronics Journal, 2016, trang 4-9, 2013.

1-11. [24] V. Verma, V. Harish và R. Bhardwaj, “Bộ điều khiển tốc độ PI lai cho động

[14] RB Ashok và BK Mahesh, "Phân tích so sánh động cơ BLDC cho cấu trúc liên cơ DC không chổi than nam châm vĩnh cửu,” Hội nghị quốc tế Ấn Độ lần thứ

kết điều khiển khác nhau", Hội nghị quốc tế lần thứ nhất về Kỹ thuật 5 về Điện tử công suất, trang 1-5, 2012.

điện, Máy tính và Điều khiển, (PECCON) Đại học VIT, Cơ sở Chennai, 2017. [25] A. Rubaai và P. Young, “Bộ điều khiển mạng thần kinh mờ giống PI/PD dựa
trên EKF dành cho ổ đĩa không chổi than,” IEEE Trans. Ứng dụng Ấn Độ,

[15] V. Nigam, S. Hussain và SN Agarwal, “Bộ điều khiển chế độ trượt mờ lai cho tập. 47, không. 6, trang 2391–
2401, 2011.

bộ truyền động động cơ BLDC,” Hội nghị quốc tế IEEE lần thứ 1 về Điện tử [26] CSR Reddy và MS Kalavathi, “Cải thiện hiệu suất của Bộ điều khiển mờ SMC
công suất, Điều khiển thông minh và Hệ thống năng lượng, trang 1–
4, 2016 . mới cho Bộ truyền động động cơ DC không chổi than DTC để điều chỉnh tốc
độ chính xác,” Hội nghị quốc tế lần thứ 9 về Điện tử công suất và Truyền

[16] KMA Prasad và U. Nair, “Bộ điều khiển chế độ trượt mờ thông minh cho động động, trang 873–880, 2011.

cơ BLDC,” Hội nghị quốc tế về cơ chế đổi mới cho ứng dụng công nghiệp, [27] A. Rubaai, MJ Castro-sitiriche và AR Ofoli, “Thiết kế và triển khai Bộ điều
trang 274–278, 2017. khiển PID mờ song song cho các bộ truyền động động cơ không chổi than
hiệu suất cao: Một môi trường tích hợp để tạo nguyên mẫu điều khiển

[17] S. Agrawal và V. Shrivastava, “Tối ưu hóa nhóm hạt của động cơ BLDC với bộ nhanh,” IEEE Trans. Ứng dụng Ấn Độ, tập. 44, không. 4, trang 1090–1098,

điều khiển logic mờ để cải thiện tốc độ,” Hội nghị quốc tế lần thứ 8 về 2008.

Công nghệ mạng và truyền thông máy tính, trang 1–

5, 2017. [28] AH Niasar, A. Vahedi và H. Moghbelli, “Điều khiển tốc độ của Động cơ DC
không chổi than thông qua Bộ điều khiển mờ thần kinh thích ứng dựa trên

[18] H. Wang, Y. Shu, P. Li và D. Kang, “Điều khiển vòng kín kép cho BLDC dựa thuật toán học tập cảm xúc,” Hội nghị quốc tế về máy móc và hệ thống

trên toàn bộ bộ điều khiển mờ,” Hội nghị quốc tế lần thứ 2 về ứng dụng điện, Tập. 1, trang 230–234, 2005.

và trí tuệ tính toán, trang 487– [29] C. Xia, P. Guo, T. Shi và M. Wang, “Điều khiển tốc độ của động cơ DC không
491, 2017. chổi than bằng bộ điều khiển mờ dựa trên thuật toán di truyền,”

[19] IF Davoudkhani, “Điều khiển tốc độ thích ứng của động cơ DC không chổi Hội nghị quốc tế về Cơ điện tử thông minh và tự động hóa, Trung Quốc,

than (BLDC) dựa trên logic mờ loại 2 khoảng thời gian,” Hội nghị kỹ trang 460–464, 2004.

thuật điện Iran lần thứ 24, trang 1119–

1124, 2016. [30] Ushakumari, S. Sankaran, R. Nair và PS Chandramohanan, “Bộ điều khiển thần

[20] V. Nigam, S. Hussain và SN Agarwal, “Bộ điều khiển chế độ trượt mờ lai cho kinh mờ thích ứng để cải thiện hiệu suất,”

động cơ BLDC,” Hội nghị quốc tế IEEE lần thứ 1 về Điện tử công suất, Hội nghị Hệ mờ Quốc tế, trang 493–496, 2001.

Điều khiển thông minh và Hệ thống năng lượng, trang 1–

4, 2016 . [31] HU Jianyao, WU Juan, H. Peng, Q. Peng và Q. Huang, Ứng dụng thuật toán
logic mờ để tối ưu hóa chiến lược điều khiển trong xe điện (IEEE), 2017.

[21] Z. Wang, C. Liu, X. Song, Z. Song và Z. Yang, “Ứng dụng Pid mờ vũ trụ biến
thiên được cải thiện trong hệ thống điều chỉnh tốc độ động cơ Dc không
chổi than,” Hội nghị quốc tế về học máy và điều khiển học, Hàn Quốc ,
trang 459–463, 2016.

Hari Maghfiroh, Fuzzy-PID trong Điều khiển tốc độ động cơ BLDC bằng MATLAB/Simulink

Xem số liệu thống kê xuất bản