单神经元PID滑模平行复合控制交流电伺服系统.docx

单神经元PID滑模平行复合控制交流电伺服系统.docx

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
单神经元PID滑模平行复合控制交流电伺服系统 摘要:考虑改变负载转矩和转动惯量的交流电位置伺服系统,单神经元PID和滑模并 联复合控制策略强干扰的建议。并行架构,由位置环的滑模变结构控制和单神经元PID 控制器的设计中。滑模控制抑制参数摄动和负载扰动,单神经元PID控制的实现比例、 积分、微分传统的PID控制器参数的在线调整。仿真结果表明,所设计的并行复合控制 器可以保证静态和动态的系统性能。 关键词:单神经元PID控制;滑模变结构控制;交流伺服系统;复合控制;并行的体系 结构 1?简介 永磁同步电动机是机床传输的主要执行机构。其控制结构由电流环,速度环和位置 环。在传统的机床的伺服系统,速度环和位置环与PI或PID控制用于确保精度高,良 好的跟踪性能和定位的位置控制不产生连续振荡。由于这种传统的控制没有考虑的非线 性模型和参数不确定性的非线性,也很难适应变化和力矩的强干扰惯性。近年来,单神 经元PID控制和滑模变结构控制被广泛使用在交流伺服系统。滑模变结构的优点是适应 的系统参数变化时,不容易受到外界的干扰[l-4]o单个神经PID控制不仅具有简单的结 构的传统的PID控制器,和PID参数的在线调节,以及少量的计第所以被广泛使用[5?6]。 然而,由于对算法有关的误差的平方,当误差已经很大很长一段时间的积分项的权重, 所述参数变得过大,对学习效果,以及溢流现象的影响[7]。本文结合滑模变结构控制和 单神经元PID控制的优点,根据单神经元PID理论,提高了系统的跟踪性能设计位置环 控制器。TFor模型参数扰动和外部扰动的影响,它是通过使用滑模控制克服。通过仿真 研究,与经典的对照组相比,并行设计复合控制策略,获得了良好的跟踪性能,系统更 健壮。 2 ?永磁同步电机筑底的电流解耦控制的线性数学模型 假设:(1忽略饱和效应;的马达空气间隙磁场(2)均匀分布现场,感应电动势的正 弦形(3不包括磁滞和涡流损耗;4无励磁电流的动态响应;(5)转子无励磁绕组;(6) 定子电流场分量使用转子磁极位置的方向矢量控制时ld =0。 根据上述假设,我们可以写岀系统的转子坐标系中的线性数学模型,即心坐标系。 % = Riq + L(dijdt)+ (1) Q]0 0]VO 2牛^ 02 护儿= (3) Tem=Ti + B(? ”) + (〃 几)(〃? /〃) (4) 其中,叫,偏是〃电枢电压分量坐标系Jd是dp电枢电流分量坐标系;厶是等效 电枢电感(厶= /=,)在DP坐标系统;R, ?是电枢绕组电阻和电角速度〃〃坐标 系;妙/,几是相应的永磁转子磁链和电机极对。 3.控制器的设计 3.1位置环滑模控制器设计 因为比位置环,它是位置环路的截止频率的速度冋路响应快的比倒数的速度环路吋 间常数小得多。在控制速度的推导,速度环可等效为一阶惯性。 让勺二勺,位置为阶跃信号,状态方程为: (5) 下:其中,5是一个正的常数。讣位置滑模线性开关的功能如 下: 其中,5是一个正的常数。 (6) 让位置环滑模变结构控制器的输出如下: f引之2 I . 1 K 1 ? e2=---—u+-^ref (7) 由滑模达到条件,我们可以得到位置环的滑模变结构控制参数: U =人弓+右幺2 ref $ 2单神经兀PID控制器 K 单神经元自适应PID控制器的结构图示于图2 — [a\ 勺 s0 0 _“2 e2so 单神经元自适应PID 控制器的结构图示于图 卩―“勺WO九2一 S呻0 1 1中。 图1单神经元PID控制器的结构图 误差信号是由变流器,西広)时,勺広)时,?⑹转换的一个单一的神经元的输入 信号由下式给出: Xj {k) = e{k) x2(k} = e(k)-e(k-\) (9) 兀3 4 j = e(k) - 2e(k-1)+e(k -2) 式中,e (k)是误差信号。 在控制过程中单神经元控制器持续调整由监督赫布学习算法,该算法自动地适应环境中 的受控对象的状态变化的3加权系数。以确保收敛性和鲁棒性,算法需要正常化。由正 常化,公式由下式给出:3 u(.(£) = u(.(£ 一 1) + K1 £ 冈(£ )兀{k) (10) 3立叱(£)1W:(£ +1) = W](£)+〃/ e(k )uc (k )西(k) w2(k + l)= w2 (k)+T]pe\k)uc (k)x2(A:) 叫 “ +1 )=些 @ 伙 3 立叱(£)1 叫広)是输岀;Z=1 叫広)是输岀; 式中,KI为神经元的比例系数;w,(k)是对应于所述加权系数兀*); “D是比例,积分和导数的学习率。 从以上分析可知,简化化合物控制的示于图2的原理图。 图2并联复合控制结构图4 ?仿真实验axilnlcr0.020t/S0.5 图2并联复合控制结构图 4 ?仿真实验

文档评论(0)

ggkkppp + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档