Управление бесщеточным контроллером постоянного тока с датчиком положения и датчиком без положения и тремя видами интеллектуального управления. Во -первых, с управлением датчиком положения с датчиком положения установлен на бесщеточном датчике положения статора двигателя постоянного тока, чтобы обнаружить положение ротора и управление коммутацией обмотки статора. Датчик положения используется в электромагнитном (таких как вращающийся трансформатор с магнитным сопротивлением), фотоэлектрический (если маска), магнитная восприимчивость (например, датчик зала) и т. Д., Датчик зала является наиболее широко используемым. Во -вторых, без датчика управления бесщеточным управлением двигателя постоянного тока без датчиков, не непосредственно на бесщеточных датчиках положения установки двигателя постоянного тока, чтобы обнаружить положение ротора. Обычно он использует напрямую против обнаружения потенциала, потенциального трех гармонического метода, метода мониторинга пути тока, метода напряжения схемы открытой цепи, метода фазовой индуктивности, методов потенциального логического уровня, таких как метод интегрального сравнения, для косвенного обнаружения позиции ротора. Три, интеллектуальное управление, интеллектуальное управление-это этап разработки теории управления, как правило, включает в себя нечеткий контроль, управление нейронной сетью, экспертную систему и т. Д. Интеллектуальная система управления имеет такую функцию, как самообучение, адаптивное, самоорганизационное, способное решить проблему неопределенности модели, нелинейного контроля и других более сложных задач. Строго говоря, BLDCM представляет собой многодолевую, нелинейную, сильную связь, поэтому использование интеллектуального управления может достичь удовлетворительного результата управления. В настоящее время в управлении двигателем постоянного тока, применяемые гораздо более зрелые интеллектуальные методы управления управлением,: комбинация нечеткого контроля и контроля над контролем PID, нечеткого контроля и нейронной сети с комбинацией контроля составного контроля и параметров членства с помощью генетического алгоритма для оптимизации контроля Fuzzy и адаптивного контроля с одним невроном.
