基于cmac神经网络和pid控制器的无刷直流电动机速度控制摘要.ppt

基于CMAC神经网络和PID控制器的无刷直流电动机速度控制 摘要 无刷直流电动机（ BLDCM）具有结构简单、方便控制、高可靠性、高效率的优势，并已应用在许多工业领域。传统的控制器受到不明朗参数和非线性的无刷直流电机的限制。为了克服这些缺点，本文提出了一种在模型关节控制器（CMAC ）和PID控制器复合控制的新策略。  通过复合控制使用的CMAC与PID控制器，系统实现了双馈控制。 CMAC的形式馈控制器的系统，实现了动态模型的研究控制装置;常规PID控制器是用来弥补反馈控制器以确保系统的稳定性和抑制干扰。本文应用Visual C + +编写的程序用于复合控制器的离线控制。最后，  1 TMS320LF2407A的数字信号处理器（ DSP ）充分证明了实施控制策略的灵活性。这个系统实现了自我调节，参考模型的控制速度答到一个更好的程度上，并且控制灵活、适应性强，具有很高的控制精度和较好的鲁棒性。  引言 无刷直流电机引起了广泛的关注，由于它们有利的电子及机械性能，如高转矩密度，高效率和可靠性[1]。常规PID是广泛使用在伺服控制当中如驱动、机器人技术、机床等等。 常规PID控制用于电气工程外观是基于线性模型，但无刷直流电机是一个非线性系统，传统的控制器由于不确定参数和非线性的无刷直流电机，它是不能控的和精确识别的[2]。  在近年来，人工神经网络引起了广泛的注意，并在很多控制方面得到了应用，它们能够进行模式识别和任何非线性功能仿真。此外，人工神经网络具有快速并行计算、抗扰度高和较强容错能力等优势[3-4]。因此，人工神经网络与常规PID控制器结合应用到电机控制领域的最近成为研究领域的热门[5-6]。  CMAC智能控制器是广泛应用于在非线性系统 [7]。这是一个学习模仿人类小脑结构快速反应一样，条件反射，但不争议。CMAC是一种不使用数值计算方法来分析控制问题。它使用一查表法来计算控制功能指记忆表。因此，CMAC的是l快速响应和简单的学习。它提供了优良的非线性近似和好得多的后续行动与传统的PID调节策略。  因此，CMAC 与PID控制器相结合应用到无刷直流电机控制当中具有很强的实际意义。 CMAC CMAC神经网络是黄鳝在20世纪70年代，，提出的已被广泛承认的联想记忆中立网络的一个重要组成部分。它可以了解随机多维非线性映射，是一种自适应神经网络，表达复杂的非线性函数表的调查，并可以改变表的内容，具备学习能力。  1 CMAC神经网络可以描述为从它的输入至其输出的三个映象： 1激活映射在输入空间，确定哪些节点或神经元将继续积极为当前输入向量和在其中实力，他们将处理;内部映射，其中产生的产出为CMAC的记忆的基础上， 激活的神经元和输入参数的线性方程;和线性输出映射，其中执行加权总和的产出积极CMAC的回忆产生整体产出到网络[8]。图1 显示了示意图的CMAC的结构。  CMAC的网络被认为是当地的算法，因为， 映射可以被看作是一套多维交错接受领域，每一个有限和夏普边界。对于给定输入向量，只有少数接受领域将积极和贡献相应的网络输出，而大多数的接受领域仍然unexcited ，而不是作出贡献相应的输出。 对相同的方式，训练算法为CMAC网络 应只影响权重相应的活跃领域， 不包括大多数不活跃的领域，在网络中。这个提高效率的培训过程中，尽量减少计算所需作出的努力执行适应，在整个网络。 他们目前的以下特点： （ 1 ） 输入映射可以由设计师通过定义的叠加模式为接受领域选择 ; （ 2 ）网络输出线性相关到重量设定，作为反对的MLP模式，输入测绘转化的重量是一套适用于一非线性输出激活函数。 CMAC的设计步骤如下: （ 1 ）量化（概念映射）  n维输入空间应划分在投入层，每输入向量陷入超立方体单位。那个划分输入空间的需要，界定泛化参数C ，影响令人兴奋的领域。 中间层是由几个鉴定间隔。每随机输入，只有少数的间隔输出是非零值。有多少非零间隔是相同的泛化参数C ，并订明的严重性网络的输出地区。在同一时间内， c必须满足关系表达： （ 2 ）地址映射（哈希映射）  数量的物理内存位置的要求CMAC的是直接的比例与指数的N 。因为需求人数的主要功能应较小超过限定的数目除以单位，该案件与记忆规模较小的人数比超立方体是更多的利益。正常的算法是只适合于低维投入。如果是更高的层面，哈希映射技术应适用。  哈希映射可能协理几个超立方体一记忆体位置，并在这方面的记忆体位置存储数据而以往任何时候都占有丰富的记忆体空间，那么，更多的少映射将完