外文翻译1修正版..docVIP

嘉兴学院毕业设计外文翻译 论文题目： 小功率伺服电机控制器的设计 专业班级：电气112 学生姓名：饶志建 指导老师:熊远生 外文题目： 一种新的自适应开启PID控制器的基础上复发性小波神经网络的永磁同步机调速驱动系统 出 处： 先进控制工程与信息科学 作 者：　是的预期速度参考模型的输出。速度误差频率和其差被用作小波神经的输入网络。网络计算线路，并提供，，PID控制器的值的参数，并则控制信号从PID控制器产生以驱动永磁同步电动机的矢量控制系统。网络参数可被自动校正，这使得系统是自适应和自学习。马达转子速度已经反馈到指令输入，并使其速度闭环系统。 2.2参考模型结构 模型参考自适应控制已经被证明可以有效地减轻干扰，实现最佳的系统。在本文中，为了获得预期的控制性能，参考模型已被用于给出由马达转子速度中减去，以产生对网络的训练误差信号，使控制器的输出可以按照一个速度的基准速度信号理想的系统。一阶惯性系统被采用作为基准模型，传递函数被定义为： 图1 反复小波神经网络PID控制系统 2.3电流回路的设计 该系统的电流闭环可以从永磁同步电机的数学模型中导出。使用PI调节器，电流 环路最终简化为一阶惯性系统，其传递功能被示出为等式： (1) 其中K为与比例因子、、，奇相当于小惯量控制增益，是当前调节比例的参数，是电流调节器的积分时间常数 2.4经常性的小波神经网络结构 甲三层小波网络采用的是这样的设计。该网络的输入变量选择为马达速度误差及其差别。有六个隐藏神经元节点。高斯的一阶导函数用作在隐藏层中的小波函数。隐层增加复发性节点的自反馈通过记忆老态使得抑制振荡网络可以得到一个稳定的输出。网络的输出用于接通PID控制器在线路实现良好的系统性能强劲。为了加快收敛，参考文献[12]被用于初始化运行的参数为该控制器。 2.5在线培训算法 该RWNN的参数需要通过在线培训，更新适应的不确定性控制系统。在本文中，监督梯度下降法被选择作为上线学习算法，能量函数定义为： (2) 因此，要传播输出层中的误差项推导： (3) (4) (5) (6) (7) 各层的重量和平移和膨胀参数的更新方面，可以计算 是RWNN的，和是连接权重是学习的学习率参数翻译和膨胀参数的速率参数。 因此，RWNN的参数更新法则由下式给出： ，， (8) ，， (9) 它是很难得到的公式（3）中的值由于永磁同步电动机的非线性和 不确定性引起的参数变化。用克服这个问题的一个目的和增加网络参数的在线学习速率，输出层中的误差项是被替换。 3.数值模拟 与验证控制方案的可行性和有效性的目的，数值模拟研究已进行了正常的PID算法，并在提出的控制算法相同的条件。所使用的电机参数为200，3极，3000时，0.64;转子时刻惯性0.375，额定电流为1.63，阻力线线是8.02，电感线线16.3，和扭矩常数是0.48。 仿真结果示于图2。对于提出的控制器，响应速度非常快，它是不受任何过冲或下冲，即有一个稳态零误差，并执行良好的稳定性。负载扰动进行了研究，以验证所提出的RWNN的抗干扰能力控制器。结果表明，该RWNN控制器得多不敏感的扰动与常规的PID控制器进行比较。因此它可以从模拟结果得出这样的结论RWNN PID控制器具有优异的动态稳定性能和坚固性比普通PID控制器。 图2（a） 模拟条件下常规PID和PID响应速度的调查得知，步速命令改变;条件常规PID和快速响应速度；（b）在负载施加模拟调查 图3（a） 步骤速度命令被改变的PID和PID速度响应实验的