基于模糊RBF神经网络分数阶滑模控制器优化设计.docVIP

基于模糊RBF神经网络分数阶滑模控制器优化设计 　　摘 要： 针对神经滑模控制系统中存在的对先验数据依赖性较强的问题，结合RBF神经网络的泛化能力和自学习能力以及模糊推理算法的强适应能力，提出基于模糊RBF神经网络的永磁同步电机分数阶速度控制系统。模糊推理的引入为神经网络的不确定性提供了有效的指导作用，同时，分数阶微积分算子的引入增加了传统滑模控制器的自由度，从而对该控制器进行了进一步的优化。仿真结果表明，相比RBF神经滑模控制器，提出的模糊RBF神经分数阶滑模控制器具有更好的控制性能。 　　关键词： 永磁同步电机； 滑模控制器； RBF神经网络； 分数阶； 模糊推理； 自由度 　　中图分类号： TN876?34； TM461 文献标识码： A 文章编号： 1004?373X（2018）11?0087?04 　　Optimization design of fractional?order sliding mode controller 　　based on fuzzy RBF neural network 　　YU Xiao， HUANG Huixian 　　（College of Information Engineering， Xiangtan University， Xiangtan 411105， China） 　　Abstract： Since sliding mode control based on neural network has the problem of strong dependence on prior information， the generalization ability and self?learning ability of RBF neural network and strong adaptability of fuzzy reasoning algorithm are combined to propose the fuzzy RBF neural network based fractional order speed control system of permanent magnet synchronous motor （PMSM）. The introduction of fuzzy reasoning provides an effective guidance for the uncertainty of the neural network， and the introduction of fractional?order calculus operator can increase the degree of freedom of the traditional sliding mode controller， so as to further optimize the controller. The simulation results show that， in comparison with the sliding mode controller based on RBF neural network， the fractional order sliding mode controller based on fuzzy RBF neural network has better control performance. 　　Keywords： PMSM； sliding mode controller； RBF neural network； fractional order； fuzzy inference； degree of freedom 0 引 言 　　永磁同步电机在机器人、数控机床、医疗设备等领域内得到了广泛应用，但受制于系统中的参数变化和负载扰动等因素，电机的转速控制性能受到一定的影响。滑模控制技术对系统内外部干扰所体现出的强鲁棒性为电机的高性能调速提供了一条有效途径，但考虑到滑模控制器的理想输出是高频切换的开关量，而运动控制系统中执行机构在时间上的延迟将导致系统状态在滑模面上的运动轨迹不会准确发生在设定的切换流形面，系统抖振将随之发生[1]，这无疑限制了滑模控制技术的应用范围。 　　国内外学者通过对抖振削弱方法的研究，获得了大量成果[2?10]。其中，文献[2?4]提出高阶滑模控制算法，但这种方法较为复杂，控制器的输出信号中存在着与其导数的耦合，不利于滑模控制律的设计；文献[5?7]依据干扰观测器对负载转矩进行观测，并设计出一类积分型滑模控制器对干扰进行抑制，但在这类方法作用下，系统的动态性能会受到一定的影响；文