基于模糊神经网络的伺服调速控制.pdfVIP

基于模糊神经网络的伺服调速控制+ 王辉 王耀南 孙炜 (湖南大学电气工程系，长沙，410082) 摘要本文提出一种基于高斯函数网络的模糊伺服控制器，给出了函敷网络的控制模型和 学习算法．通过自学习不断修正模糊控制器规则，使模糊控制器具有自学习和自适应能力。 仿真结果表明这种智纯控制器具有是好的控制性能． 关键词模糊逻辑神经网络伺服调速控制 1引言 目前，在自动控制系统的研制开发应用中，高糖度、高速度移动是一个非常关键问题。 它们主要取决于伺服电机驱动系统的特性，希望伺服系统具有快速性好、无超调、无静差、 抗扰能力强等优点nl。而传统饲服系统包括三个反馈回路，即电流环、速度环和位置环。常用 控制方式是：电流环和速度环采用PID拄制，位置环采用P或PD控制。为了提高伺服系统 动态性能和稳态跟踪精度，常加入前馈补偿构成开、闭环复合控制系统或采用全数字式PID 控制、状态反馈的线性最优控制等。如果控制对象模型已知且不变，采用上述控制方法能取 得良好的控制效果，因此在工程上应用较多。但是，如果控制对象具有时变特性，参数变化 大及存在负载扰动，上述控制方法就难以得到满意的控制效果。为了提高伺服系统的控制精 度，实现无超调，无静差和抗扰动能力，本文提出一种新型的智能控制方案；位置环和速度 环采用模糊神经网络控制实现，使控制系统具有自学习、自适应控制能力。 2基本模糊逻辑控制 一般的模糊控制系统如图1所示，其中各部分变量定义如下 e∽=耖。(f)一烈，)}l。。=五白) (1) ∞(乃)=屯(力=—e(n—)_-eF(n一-1) (2) E(n)=蜀o(”) (3) EC(n)=局ec(n) (4) ‘澍南省自然科学基金项目 自动化理论、技术与应用(第5卷) 台(加F{E印)}={(巨，∥最(脚)))} 囝 壹∞)=F{昭印))={(蠡气‘职蝴) 渤 Ⅳ(肝)。{(ut，卢‘} 仍 ∞，=∥扣)} U+(”)=墨·U(n) l，(，0=u(n一1)+“+(押) 封(f)=甜伽) 对打，f≤(H+1)， ((聊协埘m }中r表示采样周期：虬9)，y(f)和”(f)分别表示给定值，过程输出和控制器输出；F伽)， 砌1和Ⅱ+(H)分别表示误差，误差变化率和控痞廿器输出；墨，疋和墨表示比例因子和放大 ；数，开·)表示模糊化，P(·)表示逆模糨化。 上述基本模糊控制器的主要缺陷是：模糊规则有一定的主观任意性；缺乏学习能力，难 【根据阻后所积累的经验知识来加以改进先验知识(隶属函数和规则)。为解决模期控制器存 ，妁闯霹，我们可利用神经弼络来宾现自学习模糊控制。通过鹅络的训练学习来改善控{扫{f器 f性能。 醋l横勘控制器鲒构 模糊神经网络自学控制 po托撕越 蕊2袭示了用神经网络实现自学习模糊控制器的结构，图中GFFIq(G戚m 鹏fion如enl．。rlc表示高斯势函数网络，它是一个双输入单输出的三层}《圣络-G秘秣麓络的输 为(一，x2)，输出为(～(_，屯)，其输入输出关系表示如下： el,j∈J ∞， 似渺ex删吲2+㈢}]i