基於RBF 类神经网路之非线性增益控制器於磁浮系统性能改善.PDF

陳盛基等／南臺學報工程科學類 第2 卷第 1 期 201 7 年3 月 1 —17 1 基於RBF 類神經網路之非線性增益控制器 於磁浮系統性能改善 * 1 2 陳盛基 、郭俊毅 南臺科技大學電機工程系 *amtfcsg123@stust.edu.tw 摘要 本研究應用於非線性磁浮系統，針對平衡點建立線性化的數學模型 ，且分析系統操作點的穩定性 ， 並根據系統動態設計控制器 。為了使鐵球穩定懸浮於每個氣隙高度，本文運用徑向基函數類神經網路 (radial basis function neural network ，RBFNN)結合比例積分微分(PID)控制器 ，建構出一種線上學習且非線 性增益的智慧型控制器，將受控體與徑向基函數網路之輸出所產生的誤差透過類神經網路的自我學習能 力調整出最佳化的控制參數 。對於磁浮系統的控制加入離散化的低通濾波器 ，濾除感測器雜訊以改善系 統的動態響應，形成具有數位濾波且非線性增益的回授控制架構。除了懸浮於每個高度的定位控制，本 文嘗試以 1Hz 與 10Hz 正弦波的位置命令進行追蹤控制，控制效果皆能達到理想的系統響應，實驗結果 顯示本文所提出的控制器優於傳統PID 控制器 ，大幅提昇系統的性能。 關鍵詞：磁浮系統、 比例積分微分(PID)控制器 、RBF 類神經網路、數位低通濾波器 RBF Neural Network Based Nonlinear Gain Controller to Improve Magnetic Levitation System Performance *Seng-Chi Chen, Chun-Yi Kuo Department of Electrical Engineering, Southern Taiwan University of Science and Technology Abstract In this study, a nonlinear gain controller, based on radial basis function neural network (RBFNN), is presented to manipulate a linearized magnetic levitation system (MLS). The controller was developed in accordance with the system dynamic and equilibrium point. To control the stable levitation of the steel ball in the air gap, the proposed controller exploited RBFNN structure with online learning to identify PID gains. Through the RBFNN self-learning ability, the controller had optimal tuning parameters. Due to linearized system and uncertainties of disturbance by the position feedback sensor device, the digital low pass fil