基于神经元控制器的交流伺服系统

D0I:10.13374/j.issnl001053x.1998.06.016 第20卷第6期 北京科技大学学报 Vol.20 No.6 1998年12月 Journal of University of Science and Technology Beijing Dec.1998 基于神经元控制器的交流伺服系统 解仑)王志良)永井正武)刘寰)赵涛) 1)北京科技大学信息学院，北京1000832)冶金部自动化院，北京1000713)日本中帝京大学理工学部情报科学科 摘要实现了神经元在线参数自学习功能，利用神经元控制器及滞环比较器、智能功率模块实现 了基于神经元控制器的交流伺服系统.由仿真和实验结果，可以看出神经元控制器具有较强的自 适应性及鲁棒性， 关键词神经元控制器：滞环控制器；交流伺服系统 分类号TM383.42:TM921.541 1神经元控制器 1.1神经元的数学模型 常规PD控制器是一种对偏差的比例、积分、微分调节方法，而神经元可从生物化学、电 生物学、数：等方面描述其功能，并且从信息处理角度为其构造各种形式的模型简言之， 神经元是-一个具有多输人单输出及阀值为的非线性处理单元.其数学表达式为： Y(t+1)=f[∑W)·X0-B] (1) 其中，f0是一有界非线性函数，当n=3时，有(2)式： t+1)=f[X(④·W(④+X(④·W()+X,(④·W(©] (2) 这样，当X(),(因，X,因及W(因，W(因，W因取一定值时，(2)式与PD算法很相似，但(2) 式中的参数W,(),W(,W(肉能进行自适应调整，所以可以大大地提高控制器的鲁棒性. 神经元的权值通过学习算法进行调整，它是神经元控制器的核心，反映了学习方式与学 习能力.一般均采用如下方法：由被控对象的期望输出与实际输出之差，沿整个系统误差函 数的相应于W的负梯度方向来调整权系数W,使e快速趋于0. 设： Ek=(1/2)·[d)-]2=(12)·e2(内 (3) 则 Wk+1)=w因-n:·e(·(e(/aW) (4) 其中，d(为期望输出值，并且可以进一步推得： ae(/oW(k=-(o内/∂u()·e(周 (5) ae(/W=-(ay/u(·[e(-e(k-1)】 (6) ae(因W,(内=-(ayau)·[e(因-2·e(k-1)+e(k-2)] (7) 其中：e(内-e(k-1)为误差的一阶后向差分行形式；e(内-2·e(k-1)+e(k-2)为误差的二 阶后向差分形式：其中∂y()/⑦()可以通过寻找一种近似其值的方法，此方法既有较高的精 度，又有较快的运算速度，适合在线实时控制.因此可以保证权值的修订是以相应于权值 的负梯度方向进行，并可以证明只要足够小，整个系统是稳定的且学习算法收敛)，神经元 1998-03-25收稿解仑男，30岁，工程师，博士研究生 *国家自然科学基金资助课题

第 卷 第 期 年 月 北 京 科 技 大 学 学 报 】尧 基于神经元控制器 的交流伺服系统 解 仑 王 志 良 永井正 武 刘 寰 赵 涛 北 京科技大学信息学 院 ， 北京 冶金部 自动化 院 ， 北京 日本中帝京大学理工学部情报科学科 摘要 实现 了神经元在线参数 自学习功能 利用神经元控制器及滞环 比较器 、 智能功率模块实现 了基于神 经元控制器 的交流伺服 系统 由仿真和 实验结果 ， 可 以 看 出神经元控制器具有较强 的 自 适应性及 鲁棒性 关健词 神经元控制器 滞环控制器 交流伺服 系统 分类号 神经元控制器 神经元 的数学模型 常规 控 制器是 一种对偏 差 的 比例 、 积分 、 微分 调 节方 法 ， 而 神 经元可从生 物 化学 、 电 生 物学 、 数学等方 面描述其功能 ， 并且 从信息处理 角度 为其构造 各种 形 式 的模 型 川 简 言之 ， 神经元是 一个具有多输人单输出及 阀值为 的非线性处理单元 其数学表达式 为 艺哪 · 似 一 其 中 ， 是 一有界 非 线性 函数 ， 当 时 ， 有 式 玫 戈 · 城 戈 · 代 戈 · 琪 这样 ， 当 戈 ， 弋 ， 以 及 城 ， 代 ， 哄 取一 定值时 ， 式与 算法很相 似 ， 但 式 中的参数 叫 的 ， 吼 ， 叽 的能进行 自适应调整 ， 所 以可 以大大地提高控制器 的鲁棒性 神 经元 的权值通 过 学 习算法 进行调 整 ， 它是 神经元控制器 的核心 ， 反 映了学 习方式 与学 习 能力 一般均 采 用 如下 方 法 由被控 对象的期望输 出与实际输 出之差 。 ， 沿 整个系统误差 函 数的相 应于 附 的负梯度方 向来调 整权系数 班 ， 使 。 快速趋于 设 · 一 玫 ， · 。 ， 则 叮 斌 一 。 ‘ · · 哪 其 中 ， 为期望 输 出值 ， 并 且 可 以进 一步 推得 日斌 一 刁夕 刁 · 刁 刁琪 一 少 · 一 一 刁 己代 一 己夕 · 一 · 一 一 其 中 一 一 为误差 的一 阶后 向差分行形 式 一 · 一 十 一 为误差 的二 阶后 向差 分 形 式 其 中 可 以 通 过 寻 找一 种 近 似其值 的方 法 ， 此方法 既有 较高的精 度 ， 又有 较快 的运算速度 ， 适合在 线实 时控 制 因此 可 以 保证权值的修订是 以 双 相 应于 权值 的负梯 度方 向进行 ， 并 可 以 证 明只 要粉足 够小 ， 整 个 系 统是 稳 定 的且 学 习算法 收敛 神经元 一 一 收稿 解 仑 男 ， 岁 ， 工 程 师 ， 博士 研究 生 国家 自然科学基金 资助课题 DOI ：10．13374／j ．issn1001－053x．1998．06．016

Vol.20 No.6 解仑等：基于神经元控制器的交流何服系统 ·577· 控制器的结构如图1所示，其输人分别为：X(附=e(,X,()=(内~e(k一1)，X()= e()-2·e(k-1)+e(k-2),其中W,(~ e(k) w内C W,(阳可以通过学习算法进行调整，输出为 e(-e(k-1) W u(k). U(k) e(-2·e(k-1)+e(k-2 1.2神经元控制器的交流伺服系统 所采用的电动机为中法合资华腾数控有 WK内 学习算法 限公司所生产的凸极式永磁电动机，根据其 d,q轴定子电压方程及转矩方程，可得其简 图1神经元控制器 化后的电机传递函数，并用于仿真分析中（见后）.基于神经元控制器的交流伺服系统如图2 所示，其中电机的磁极位置，由可逆计数器求得，转速由位置信号的后向差分得到. 驱 逆 相 制 电 变 PM 环器 器 学习算法 AP B 图2 神经元控制的交流伺服系统 2 仿真及实验 基于以上控制思想，首先进行了仿真研究控制对象的传函为： G(s)=1/s·(s+4.0) (8) 经Z变换以后为： G(2)=0.165·z[(z-1)·(z-0.4)+0.172·z (9) 取采样周期T=0.25s,可得差分方程： Y(=1.372·Y(k-1)-0.42·Y(k-2)+0.183·X(k-1) (10) 此时不妨设伺服系统开环传函为：Ms)=·[(s·sa)+(2·bla·s+ (11) a,b,k在运行中不为常数，尤其在动态过程中变化较大.图3为参数k发生变化时PID控 (a) (b) 1000 1000 750h 750 500 500 250 250 0.2 0.40.60.8 0.2 0.40.60.8 t/s t/s 图3PIS控制器(a)和(b)神经元控制器输出 制器与神经元控制器的输出，图4为参数α发生变化时两控制器的输出.在学习过程中，可在 启动时取较大的学习步长(7)，接近稳态时，减少n值，以免产生震荡.采用Intel8098单片机 作处理器，以PM20CSJ060三菱功率模块为主回路，对实际系统进行了实时控制.图5为脉冲

解 仑等 基于 神经元控制器 的交流伺服 系 统 控 制 器 的 结 构 如 图 所 示 ， 其 输 人 分 别 为 戈 ， 戈 一 一 ， 戈 一 · 一 一 ， 其 中 附 一 琪 可 以通 过学 习算法进行调整 ， 输 出为 神经 元控制器的交流伺服 系统 所采用 的电动机 为中法合资华腾数控有 限公 司所 生 产 的凸极 式永磁 电动机 ， 根 据其 ， 轴定 子 电压 方程 及 转矩 方 程 ， 可 得 其 简 玛 图 神经元控制器 化后 的 电机传递 函数 ， 并用于仿真分 析 中 见后 基 于 神 经元 控 制 器 的交 流 伺服 系 统如 图 所示 ， 其 中 电机 的磁极位置 由可逆计数器求得 ， 转速 由位置信号 的后 向差 分得 到 刀 一一月 霎 制 ’ ’ 环器 学习算法 驱 匕二 逆 一 动 匡二 件一乙习 由 匕一一口 二艾 吧 卜一习 路 器 、一 圈 － 旦士 一 神经元控制的交流伺服系统 矛 八，︸ 、尹、 ‘、、了、 仿真及实验 基 于 以上控 制思想 ， 首先进行 了仿真研究 控制 对象 的传 函 为 · 经 变换 以后 为 · 刁〔 一 · 一 · 取采样周 期 ， 可得差分方程 · 一 一 · 一 · 一 此 时不 妨设伺服 系 统开环传函为 峨 二 幼 · · ， ， 在运行 中不 为常数 ， 尤其在动态过程 中变化较大 · · 图 为参数 发生变化 时 控 口 · 、﹄此 图 控制器 和 神经元控制器输出 制器 与神经元控 制器 的输 出 ， 图 为参数 发生 变化 时两控制器 的输出 在学 习过程 中 ， 可 在 启 动 时取 较大 的学 习步 长 川 ， 接 近稳 态 时 ， 减 少，值 ， 以 免产生震 荡 采 用 单片机 作处理 器 ， 以 三 菱功率模 块 为主 回路 ， 对实 际系 统进行 了实 时控 制 图 为脉 冲

·578· 北京科技大学学报 1998年第6期 触发信号；图6为A相电流反馈信号；图7为实时速度响应曲线. (b) 1000 000 750 750 500 500 250 250 0.20.40.60.8 0.20.40.60.8 t/s 1/s 图4参数a发生变化时PIS(a)和(b)神经元控制器输出 图5脉冲触发信号（幅值15V,图6电机相电流波形（幅值 图7实时速度响应曲线：（学习步 f=33 Hz) 5V.f=33 Hz) 长启动时取0.73，稳态取0.47， 速度1000rmin,时间ms) 3 结论 分析表明神经元控制器具有较强的鲁棒性和自适应性，能提高系统的动、静态特性， 参考文献 1李贻斌.基于神经元的参数自学习PD控制器.计算技术与自动化，1996(4)：1 2胡建元等.采用单个神经元的PID学习控制.控制与决策，1993(2)：135 AC Servo System Based on Neruon Controller Xie Lun Wang Zhiliang Zhao Tao MASAEAKE NAGAP)Liu Huan 1)Information School,UST Beijing,Beijing 100083,China 2)ARIM,Beijing 100071 3)Associate Professor Department of Information Scienses.School of Science and Engineering Teikyo University ABSTRACT A novel speed control system for servo motor was presented.The neuron controller with its self-learning ability and its fast approximate solution algorithm of control sensitivity can realize the on-line learning algorithm.With the neuron controller as the speed controller and the three-phase hysteresis controller as the current controller,the servo system can be made.Through the simulation and the experiment,it shows that the neuron controller has the strong adaptability and better on-line performance. KEY WORDS neuron controller;hysteresis controller;AC servo system

剧砚