吳德剛，趙利平

（商丘工學(xué)院，河南商丘476000）

一種新型軍用電源智能充電機(jī)控制算法*

吳德剛，趙利平

（商丘工學(xué)院，河南商丘476000）

軍用電源充電機(jī)是一個多參數(shù)、時變的非線性系統(tǒng)，傳統(tǒng)的PID控制算法難以在線調(diào)節(jié)達(dá)到優(yōu)化充電曲線的目的。針對該問題，提出了一種基于模糊和免疫機(jī)理的自適應(yīng)PID控制算法。該算法通過模糊免疫反饋機(jī)理對PID控制的比例系數(shù)進(jìn)行實時調(diào)整，采用模糊自適應(yīng)控制器對PID控制的微分、積分時間常數(shù)進(jìn)行在線整定。仿真結(jié)果表明，該算法具有響應(yīng)時間短、超調(diào)量小，魯棒性強(qiáng)等特點(diǎn)，極大地改善了系統(tǒng)的適應(yīng)能力，達(dá)到了優(yōu)化充電曲線的目的。

智能充電機(jī)，模糊免疫，自適應(yīng)控制，免疫反饋

0 引言

在軍事雷達(dá)、火控以及軍用電動汽車等領(lǐng)域都離不開充電機(jī)［1］。根據(jù)軍用電源的需求，要求軍用充電機(jī)具有智能、通用等特性，這就要求智能充電機(jī)不斷發(fā)展。傳統(tǒng)的智能充電機(jī)往往采用PID控制算法實現(xiàn)蓄電池的智能充電［2］。但智能充電機(jī)是一個多參數(shù)、時變的非線性系統(tǒng)，傳統(tǒng)的PID控制算法不能夠優(yōu)化充電曲線，存在超調(diào)量大、響應(yīng)時間慢、易干擾等缺陷［3-4］。針對傳統(tǒng)PID控制算法在智能充電機(jī)應(yīng)用中的缺陷，提出了一種基于模糊和免疫機(jī)理的自適應(yīng)PID控制算法。

1 模糊免疫自適應(yīng)PID算法

1.1 免疫反饋機(jī)理

免疫是生物體的一種生理反應(yīng)功能。當(dāng)外界物質(zhì)的信息被抗原呈遞細(xì)胞捕獲后，信息通過其傳遞給效應(yīng)T細(xì)胞（T細(xì)胞為胸腺依賴淋巴細(xì)胞（Thymus）的簡稱），然后活化的TH細(xì)胞和輔助B細(xì)胞產(chǎn)生抗體，從而消除抗原［5-6］?？乖臄?shù)量越多，活化的TH細(xì)胞也越多，但Ts細(xì)胞也就越少，同時會產(chǎn)生較多的輔助B細(xì)胞。同樣當(dāng)抗原數(shù)量減少時，活化的TH細(xì)胞減少，Ts細(xì)胞增多，輔助B細(xì)胞也減少，免疫系統(tǒng)經(jīng)過一定時間的調(diào)整，會趨于平衡［7］。

按照免疫反饋機(jī)理，設(shè)第k代的抗原數(shù)量為ε（k），活化TH細(xì)胞的數(shù)量為TH（k），Ts細(xì)胞的數(shù)量為Ts（k），則輔助B細(xì)胞受到的總激勵可以用式（1）、式（2）表示。

如果將ε（k）作為偏差e（k），S（k）作為控制輸入u（k），則免疫控制規(guī)律可以用式（3）表示。

式中，參數(shù)K=k1，用于控制反應(yīng)速度，參數(shù)η=k1/k2，用于控制穩(wěn)定效果，f（·）是關(guān)于Δu（k）的一個非線性函數(shù)。

1.2 模糊免疫自適應(yīng)控制算法設(shè)計

針對智能充電機(jī)多參數(shù)、時變的特點(diǎn)，本文將模糊控制和免疫反饋機(jī)理相融合，提出了一種模糊免疫自適應(yīng)PID控制算法。其設(shè)計原理如圖1所示。

比例系數(shù)Kp通過模糊免疫控制進(jìn)行在線調(diào)節(jié)，積分、微分時間常數(shù)Ki和Kd通過模糊自適應(yīng)控制器進(jìn)行在線整定。

非線性函數(shù)f（·）通過模糊控制器獲得，本設(shè)計采用的模糊控制為雙輸入、單輸出系統(tǒng)，輸入分別為u和Δu，輸出為非線性函數(shù)f（·）。根據(jù)“細(xì)胞接受的刺激程度與抑制能力成反比”的原則［8］，建立模糊規(guī)則如下：

①If（u is PB）and（du is PB）then（f is NB）（1）

②If（u is PB）and（du is NB）then（f is Z）（1）

③If（u is NB）and（du is PB）then（f is Z）（1）

④If（u is NB）and（du is NB）then（f is PB）（1）

由上述4條模糊規(guī)則，通過Zadeh的AND模糊邏輯和Centroid反模糊化即可得到非線性輸出函數(shù)f（·），然后再結(jié)合η，就可推算出比例系數(shù)Kp的值。

在模糊自適應(yīng)控制部分的設(shè)計中，模糊控制器的輸入選取蓄電池的實際值與設(shè)定值的偏差E和偏差變化率EC兩個量，輸出則選取ΔKi和ΔKd。輸入、輸出的語言值均采用{NB，NS，ZO，PS，PB}，選取三角函數(shù)為其隸屬度函數(shù)，采用Mamdani模糊推理、mom反模糊法即可得到ΔKi、ΔKd這兩個自適應(yīng)校正量，由此可以得到模糊控制器的積分和微分時間常數(shù)調(diào)節(jié)公式。調(diào)節(jié)公式如式（4）所示。

式中Ki（0）、Kd（0）為其在零時刻的值。

綜上可知，比例系數(shù)Kp、積分時間常數(shù)Ki和微分時間常數(shù)Kd均可根據(jù)環(huán)境條件的變化自動進(jìn)行調(diào)節(jié)，其控制式如式（5）所示。

2 建模與仿真

2.1 充電機(jī)電池數(shù)學(xué)模型

在建立數(shù)學(xué)模型時，由于三相電壓不容易調(diào)整，因此，將整流變換電路和電池組看成一個整體共同建模。由于充電機(jī)的輸出串聯(lián)了電感，整流會有延遲，所以建立的充電機(jī)電池數(shù)學(xué)模型如式（6）所示。

式中，電感L選取500 mH，電容C選取2 μF，電阻R選取1 Ω，延遲時間選取1 s。充電機(jī)電池的數(shù)學(xué)模型具體如式（7）所示。

2.2 模糊免疫自適應(yīng)PID仿真模型

模糊控制器輸入u、Δu的語言描述為{NB，PB}，u的論域定義為［-10，10］，Δu的論域定義為［-1，1］，輸出非線性函數(shù)f（·）的語言描述為{NB，Z，PB}，其論域定義為［-1，1］。其隸屬度函數(shù)的選取如圖3所示。

模糊自適應(yīng)PID控制器的輸入E、EC的語言描述均為{NB，NS，ZO，PS，PB}，其論域均定義為{-4，-3，-2，-1，0，1，2，3，4}；輸出變量ΔKi、ΔKd的語言描述均為{NB，NS，ZO，PS，PB}，其論域均定義為［-1，1］。其隸屬度函數(shù)的選取如圖4所示。

由手動控制經(jīng)驗，建立ΔKi、ΔKd的模糊規(guī)則如表1所示。

利用MATLAB仿真工具箱，建立充電機(jī)仿真模型如圖5所示。

3 仿真結(jié)果及分析

將單位階躍信號作為輸入信號，分別加到傳統(tǒng)PID控制系統(tǒng)和模糊免疫自適應(yīng)PID控制系統(tǒng)，觀察輸出結(jié)果。

3.1 參數(shù)不變情況下，兩種控制算法比較

經(jīng)過調(diào)試，參數(shù)取值如下：Ke=3.2，Kec=30，KKi=0.3，KKd=0.05，K=0.8，η=0.376，Ki（0）=0.9，Kd（0）=0.2，Kp= 0.85，Ki=1，Kd=0.5。在沒有任何擾動下，兩種控制算法的仿真結(jié)果如圖6所示。加入擾動時，兩種控制算法的仿真結(jié)果如圖7所示。

表1 ΔKi、ΔKd模糊控制規(guī)則

由圖6的仿真結(jié)果可以看出，模糊免疫自適應(yīng)PID算法較傳統(tǒng)PID算法，動態(tài)響應(yīng)更快、超調(diào)量更小。由圖7的仿真結(jié)果可以看出，在加入干擾信號時，模糊免疫自適應(yīng)PID算法的抗干擾能力更強(qiáng)。

3.2 參數(shù)變化情況下，兩種控制算法比較

由圖8、圖9的仿真結(jié)果可以看出，模糊免疫自適應(yīng)PID算法的適應(yīng)性較傳統(tǒng)PID算法有了大大提高，控制效果更好。

4 結(jié)論

本文針對傳統(tǒng)PID算法在軍用電源智能充電機(jī)中的缺陷，結(jié)合智能充電機(jī)的特點(diǎn)，提出了一種基于模糊和免疫機(jī)理的PID控制算法。該算法通過模糊免疫反饋機(jī)理對PID控制的比例系數(shù)Kp進(jìn)行實時調(diào)整，采用模糊自適應(yīng)控制器對PID控制的微分、積分時間常數(shù)Ki和Kd進(jìn)行在線整定。仿真結(jié)果表明，模糊免疫自適應(yīng)PID算法較傳統(tǒng)PID算法不僅具有更短的響應(yīng)時間、更小的超調(diào)量和更強(qiáng)的抗干擾能力，而且提高了系統(tǒng)的自適應(yīng)能力，極大地改善了充電機(jī)系統(tǒng)的動態(tài)和靜態(tài)性能。

［1］夏正鵬，汪興興.電動汽車電池管理系統(tǒng)研究進(jìn)展［J］.電源技術(shù)，2012（7）：1052-1054.

［2］王迎迎.通用型電動汽車蓄電池智能充電機(jī)設(shè)計［J］.電源技術(shù)，2011（8）：922-955.

［3］李俊.蓄電池快速充電技術(shù)的研究［D］.成都：西南交通大學(xué)，2009.

［4］王勇.電動汽車充電系統(tǒng)及其控制器的研究［D］.北京：華北電力大學(xué)，2009.

［5］范興明.基于改進(jìn)安時積分法的電動汽車電池SOC估計與仿真研究［J］.電氣應(yīng)用，2015（8）：64-68.

［6］邊朝朝，田興國，胡振，等.蓄電池正負(fù)極柱的識別方法及故障診斷分析［J］.汽車電器，2013（7）：45-46.

［7］CHUANG Y C，KE Y L，CHUANG H S，et al.Implementation and analysis of an improved series-loaded resonant DC-DC converter operating above resonance for battery chargers［J］.IEEE Transactions on Industry Applications，2009，45（3）：1052-1059.

［8］CHIANG S J，SHIEH H J.Modeling and control of PV charger system with SEPIC converter［J］.IEEE Transactions on Industrial Electronics，2009，56（11）：4344-4353.

A New Control Algorithm of Military Power Intelligent Charger

WU De-gang，ZHAO Li-ping
（Shangqiu Institute of Technology，Shangqiu 476000，China）

The military charger is a system of multiple parameters and time varying.The traditional PID control algorithm is difficult to adjust online，so it can not reach the purpose of optimizing the charging curve.To solve this problem，a self-adaptive PID control algorithm based on fuzzy and immune mechanism is proposed in this paper.The proportional coefficient of PID is adjusted in real time by fuzzy immune feedback mechanism in the algorithm.The differential and integral time constant of PID are set online by fuzzy self-adaptive controller.The simulation results show that the algorithm has the characteristics of short response time，small overshoot and strong robustness.The adaptability of the system is greatly improved，and the purpose of optimizing the charging curve is achieved by this algorithm.

intelligent charger，fuzzy immune，self-adaptive control，immune feedback

TM912.34

A

1002-0640（2017）01-0129-04

2015-11-05

2016-02-20

河南省高等學(xué)校重點(diǎn)科研基金資助項目（15A480012）

吳德剛（1980-），男，河南濮陽人，碩士，講師。研究方向：電源技術(shù)、智能儀器儀表等。