基于motoharw平台的电机控制策略模型simulink仿真实现

Posted 2022-10-05 fpga和matlab

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了基于motoharw平台的电机控制策略模型simulink仿真实现相关的知识，希望对你有一定的参考价值。

一、理论基础

HCU的控制算法开发是一个极其复杂的过程。其过程包括多个步骤：功能概念定义、算法开发、软件编程、底层操作系统和驱动程序开发、匹配标定及验证、ECU软件灌装等。这些步骤在多数情况下相互关联且反复循环。MotoTron公司的基于产品级ECU的控制策略快速开发平台（包括：MotoHawk算法开发软件，MotoTune刷写及标定软件，产品级ECU硬件）配合ATI公司的VISION标定工具，可为客户提供一套完整的解决方案。

MotoHawk - Production ECU-based Rapid Prototyping

MotoHawk是基于MotoTron的ControlCore产品级软件架构和产品级ECU硬件下的策略开发软件，开发人员在Matlab/Simulink/Stateflow/RTW 编译环境下编写基于体系结构的应用软件，其可应用在ECU开发、标定及测试的各个阶段。MotoHawk利用产品级ECU硬件平台，集成了车上常用的传感器接口和执行器驱动，大大缩短了从开发到产品化的周期，降低成本。

二、核心程序

这个是基于原来那个模型，做了部分简化，然后增加了一个stateflow控制模块，其内部的状态转移结构如下所示：

速度大于2000为状态0，速度小于2000位状态1，如果没有外部输入激励，状态2.

clc;
clear;
close all;
warning off;

%加载数据
load train_data.mat

data1    = a(:,2);
data2    = a(:,3);
E        = data1 - data2;
Ec       = diff(E);
E        = E(1:length(Ec));
pstudy1  = E;
pstudy2  = Ec;
trnData1 = pstudy1;
trnData2 = pstudy2;
trnData  = [trnData1,trnData2,data1(1:length(Ec))];

%由训练数据直接生成模糊推理系统
numMFs = 7;%隶属度函数个数
mfType = 'gbellmf';%类型
fisMat = genfis1(trnData,numMFs,mfType);
[x1,mf1] = plotmf(fisMat,'input',1);%初始隶属度函数
[x2,mf2] = plotmf(fisMat,'input',2);%初始隶属度函数
figure;
subplot(121);plot(x1,mf1);title('E-Initial membership functions');
subplot(122);plot(x2,mf2);title('Ec-Initial membership functions');


%使用进行给定数据的神经模糊建模
numEpochs=400;%训练次数
fisMat1=anfis(trnData,fisMat,numEpochs);

%训练后模糊推理系统的隶属函数曲线
[x1,mf1]=plotmf(fisMat1,'input',1);
[x2,mf2]=plotmf(fisMat1,'input',2);
figure;
subplot(121);plot(x1,mf1);title('E  - Fiual Membership Functions');
subplot(122);plot(x2,mf2);title('Ec - Fiual Membership Functions');

% save patient1.mat fisMat
save patient2.mat fisMat1

figure;
plot(data1(1:length(Ec)),'b');hold on
plot(evalfis([E,Ec],fisMat1),'r-o');hold off;