模糊小脑模型神经网络在伺服控制中的应用.pdfVIP

模糊小脑模型神经网络在伺服控制中的应用 宫义山，赵海 (东北大学 信息科学与工程学院 辽宁,沈阳 110004) 摘 要：在高精度伺服跟踪控制系统中，为使输出响应快速地跟踪输入指令，需要克服系统滞后、未建模 动态、不确定性以及负载的变化因素等的影响，本文提出了一种模糊小脑模型神经网络 （FCMAC ）直接逆 控制的方案，可动态地克服这些影响。文中给出了较详细的原理分析及实现过程。仿真结果表明，该方法 能够明显提高伺服系统的快速跟踪能力，并使系统具有较强的适应性和鲁棒性。 关键词：FCMAC; 逆模型; 前馈; 伺服系统 1 引言 由于永磁伺服电机 （PMSM ）是一个多变量、 PMLSM 的d-q 轴电压方程及磁链方程为 严重非线性、参数时变及强耦合的控制对象，很难 u R i + p λ −vλ ( 1) d s d d q 用精确模型描述其动态过程[1] 。矢量变换控制得到 u R i + p λ + v λ (2) q s q q d 的是电流稳态解耦数学模型，尽管变量电流和速度 λ L i + λ (3) d d d PM 间仍然存在耦合，但在动态时仍存在耦合，模型对 λ L i (4) q q q 电机的运动过程有较强的依赖性，使其不易达到理 电磁推力表达式为 想的控制目标。在伺服系统中一般还具有滞后、未 3π [λ + −( ) ] (5) F i L L i i e PM q d q d q 建模动态、不确定性以及负载变化等因素，传统的 2τ 电流内环采用励磁分量i 0 的控制策略，则 PID控制器不能很好地满足高精度、快速响应要求。 d 3 π 与经典控制方法不同，智能控制显著特点是不 F λ i K i (6) e PM q f q 2 τ 依赖于被控对象的精确模型，