远世明，杨明发

(福州大学电气工程与自动化学院，福建 福州 350108)

1 引言

因构造简单、效率突出等突出特点，无刷直流电机(Brushless DC Motor，BLDCM)在工业伺服数控中应用广泛[1]。而其中的过程控制一般采用PID控制器来实现。相比较于传统PID控制器存在的参数整定困难，依赖人工经验，无法满足程应用对高精度、低延时、抗干扰能力强的要求等问题，目前研究人员采用多种智能算法来优化参数整定[2]，以降低一线工程师的工作量。

当下应用较多的智能算法有模糊控制(Fuzzy Control，FC)、遗传算法(Genetic Algorithm，GA)、神经网络(Neural Network，NN)、蚁群算法(Ant Colony Optimization，ACO)以及粒子群算法(Particle Swarm Optimization，PSO)等。其中模糊控制的思路为不考虑被控对象的数学模型，通过模拟人工的实践经验来提高系统的自适应性[3]，但模糊规则以及隶属度函数的选取没有系统的方法，完全依赖经验[4]，且处理复杂问题时将导致需求的模糊规则范围扩大，降低控制精度，严重时甚至不能实时控制。遗传算法的思想来源于生物界的自然选择学说，根据适应度函数和生物基因遗传中的复制、交叉和变异对个体进行筛选[5]，但其效率通常较低，易过早收敛[6]，无法全面地表述所需优化问题的约束条件。神经网络是对人脑在微观结构和功能上的抽象概括[7]，通过模拟人脑中信息在神经元中传递过程而得到结果，但训练模型所需时间极其漫长，对神经网络深度学习的理论研究也难言完善[8]。蚁群算法参考了自然界蚁群觅食行为，以个体对最短路径的追求和信息素的正反馈得到所求最优解[9]，但该算法的特点导致其在求解初期速度缓慢，且极易陷入局部最优[10]。……