肖亚宁， 孙 雪， 李三平， 姚金言

(东北林业大学机电工程学院， 哈尔滨 150040)

无刷直流电机(brushless direct current motor, BLDCM)由于结构简单、可靠性高且机械性能良好，而被广泛应用于航空航天、国防军事、机器人等领域[1-2]。在BLDCM转速控制中最常用的方法是传统比例-积分-微分(proportional integral differential，PID)控制[3]，但BLDCM是一种非线性、强耦合的复杂系统[4]，传统PID控制品质对比例、积分和微分3个控制参数依赖性强，很难适应不同的工作条件，因此控制时往往会出现转速调节精度不高、响应速度慢、抗干扰能力差等问题，无法达到理想的控制效果[5]。

近年来，随着人工智能和计算机科学的蓬勃兴盛，出现了大量基于自然现象启发的群智能优化算法，例如：蜻蜓算法(dragonfly algorithm, DA)[6]、灰狼优化算法(grey wolf optimizer, GWO)[7]、鲸鱼优化算法(whale optimization algorithm, WOA)[8]、饥饿游戏搜索算法(hunger games search, HGS)[9]等。这些智能算法原理简单、易于实现，能够有效解决各种复杂问题，因此越来越多学者尝试利用其对BLDCM转速PID控制器进行优化设计，以进一步控制精度和工作稳定性。文献[10]提出了一种利用粒子群算法在线自整定PID控制方法，使得无刷直流电机具有更好的动态响应性能，但因算法本身搜索能力不足而在迭代后期易于陷入局部最优；文献[11]采用改进遗传算法优化无刷直流电机模糊PID控制器，可以降低稳态误差，提高响应速度，但因遗传算法复杂的选择，交叉，变异过程导致参数整定效率低下，转速控制精度有待提高；文献[12]提出了一种基于飞蛾火焰优化算法的模糊控制器设计方法，但因算法参数较多，且根据经验选取的模糊规则、隶属度函数具有很大程度上的主观性，难以达到理想的控制性能。……