基于神经网络的多电机同步控制系统的设计

2009-06-10 13:45:46来源: 电子技术(上海)

  1 引言

   在造纸、印染、纺织等高精度、高转速传动系统中,随着工业自动化程度的提高和生产规模的扩大,采用单电机驱动往往难以满足生产的要求。而多电机同步控制历来是最核心的问题,对多电机同步协调控制,国内、外同行也有不少研究。在实际应用中,多电机的同步性能会因各传动轴的驱动特性不匹配、负载的扰动等因素的影响而恶化,因此同步控制方法的好坏直接影响着系统的可靠性。

   本文通过对的多电机同步传动系统主要控制策略分析,得出改进的耦合控制是当前比较好的控制思想,实际应用中采用易于实现的PID作为同步补偿控制器算法。但传统PID控制器结构简单、鲁棒性较差且抗扰动能力也不太理想。因此在控制策略上,采用神经网络控制和PID控制算法相结合的方法。仿真结果表明,将该方法用于多电机同步控制中,不仅具有良好的动态性能,而且整个系统同步精度也有所提高。

  2 多电机同步控制的原理

   对于多电机同步控制系统来说,实现的是电动机转速的跟随,受到扰动的电动机转速是变化的,其它的电动机跟随这台电动机的转速变化。在系统受到扰动后的初始状态,电动机之间的转速趋于同步越快越好,即应尽快消除转速偏差;当电动机之间的转速趋于同步时,要尽量减小转速发生超调。一般情况是要求系统中的第i台电动机转速vi和第i+l台电动机转速vi+1,之间保持一定的比例关系,即vi=a·vi+1以满足系统的实际工艺要求。这里a为转速同步系数。在实际运行过程中若要满足系统的同步要求,周期采样获取某一环节的前台电动机转速vi和后台电动机转速vi+1后,vi和vi+1按下式定义转速同步偏差时,表明在同步系数a下,vi和vi+1同步,当e≠0时,表明在同步系统aF,vi和vi+l不同步.在本文中采用改进的耦合同步控制系统(如图1),各电机采用同一电压给定的基础上,电机l转速误差△v1=v1—vfb1,电机2的转速误差△v2=v2一vfb2,计算某一电机实际速度和给定速度的偏差e,以及当前的偏差变化量△e,同步控制器补偿同样采用PID控制。其差值经过PID补偿器加到随动电机输入端。

基于神经网络的多电机同步控制

  3 基于神经网络PID控制器的建立

   BP神经网络是应用最广泛的一种人工神经网络,在各门学科领域中都具有很重要的实用价值,根据本系统的控制系统的特点,为了快速消除同步误差,本文采用BP神经网络与PID相结合的作为同步补偿方法。

  3.1 BP神经网络PID控制系统的结构

   基于BP网络的PID控制系统结构如图2所示,控制器由两部分组成:

基于神经网络的多电机同步控制

  (1)常规PID控制器,直接对被控对象进行闭环控制,并且其控制参数Kp、Ki、Kd为在线调整方式;

   (2)BP神经网络,根据系统的运行状态,调节PID控制器的参数,以期达到某种性能指标的最优化,使输出层神经元的输出对应于PID控制器的3个可调参数KD、Ki、Kd。通过BP神经网络的自学习、加权系数的调整,使BP神经网络输出对应于某种最优控制规律下的PID控制器参数。以电机作为控制对像,一般采用增量式PID控制算法进行控制。它的控制算式为:

基于神经网络的多电机同步控制

  式中KP、KI、KD分别为比例、积分、微分系数.

  3.2 神经网络PID的算法实现

   1)训练阶段的工作

   第l步:设计输入输出神经元。本BP网络的输入层设置3个神经元,分别为输入速度vi、速度偏差e和偏差变化量△e,输出层有3个神经元,为PID控制器的3个可调节参数Kp、Ki、Kd;

   第2步:设计隐含层神经元个数。本文初步确定隐含层节点数为5个.学习一定次数后,不成功再增加隐含层节点数,一直达到比较合理的神经元数为止;

   第3步:设计网络初始值。本文中设定的学习次数N=5000次,误差限定值E=0.02;

   第4步:应用Simulink对BP网络进行训练和仿真。

   2)测试阶段的工作

   在测试阶段,主要是对训练过的网络输入测试样木,测试网络的学习效果,即判断网络的运算值与样本的期望值之差是否在允许的范围之内。在此不再赘述具体判定过程。

  4 仿真与分析

   本文以2台电机同步为模型进行仿真。在电机的参数设定时,对2台电机的参数取相同值。电机参数为:定子每相绕组电阻R=5.9Ω,定子d相绕组电感Ld=0.573,转子电阻R=5.6Ω转子电感L=O.58给定转速n=500rad/sec,极对数为3。在t=0.05 s时,突加阶跃扰动,利用Matlab对传统PID和神经网络PID分别进行仿真,得到实验曲线如图所示.

基于神经网络的多电机同步控制

基于神经网络的多电机同步控制

  比较两种仿真结果,经计算采用常规PID补偿器时,突加负载扰动后,同步误差△Verror=0.26%采用神经网络PID补偿器时,突加负载扰动后,同步误差△Verror.=O.08%,由些可以看到采用神经网络PID补偿器方法的时候,系统的同步性能、抗干扰性能优于只采用常规PID补偿器时的性能,其具有更好的控制特性。

  5 结束语

   本文针对于多电机同步控制中出现的多变量、强耦合、具有大惯性环节、难以建立准确数学模型的被控对象,在传统PID的基础上引入神经网络的的概念,将神经网络PID用于速度同步补偿中,仿真结果表明,该方法使系统的抗干扰能力增强,同步精度有所提高,控制效果良好。

关键字:多电机  神经网络  PID  同步控制

编辑:金海 引用地址:http://www.eeworld.com.cn/gykz/2009/0610/article_1751.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。
论坛活动 E手掌握
微信扫一扫加关注
论坛活动 E手掌握
芯片资讯 锐利解读
微信扫一扫加关注
芯片资讯 锐利解读
推荐阅读
全部
多电机
神经网络
PID
同步控制

小广播

独家专题更多

富士通铁电随机存储器FRAM主题展馆
富士通铁电随机存储器FRAM主题展馆
馆内包含了 纵览FRAM、独立FRAM存储器专区、FRAM内置LSI专区三大部分内容。 
走,跟Molex一起去看《中国电子消费品趋势》!
走,跟Molex一起去看《中国电子消费品趋势》!
 
带你走进LED王国——Microchip LED应用专题
带你走进LED王国——Microchip LED应用专题
 
电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2016 EEWORLD.com.cn, Inc. All rights reserved