基于CMAC神经网络PID控制算法控制直流电机的仿真研究

作者:刘迪;姜静;张大为 刊名:仪表技术 上传者:朱红卫

【摘要】传统的PID控制算法对控制参数难以适应,抗干扰能力差,对直流电动机进行控制时速度较慢、稳定性较差,为解决上述问题,文中提出了一种基于CMAC神经网络的PID控制算法来控制直流电动机,对PID控制参数进行自适应修改,仿真结果表明,该算法提高了系统的稳定性、响应速度、参数适应性和鲁棒性,改善了系统控制存在的稳态精度不高的问题。

全文阅读

0引言直流电动机具有起动转矩大、电能耗能少、控制性能优等特点,在机电产品中得到广泛应用。在负载一定的条件下,可根据工作需要,实现对电机的平滑无级调速,且调速范围较宽。目前,对直流电机的控制常采用PID控制。PID控制经过半个多世纪的研究发展,以其结构简单、稳定性好、较强鲁棒性等特点在工业控制领域占有重要地位。但传统的PID控制存在参数调整困难,在控制环境变化时无法自动调整参数的问题。随着智能控制算法的研究,出现不少自整定参数的混合PID控制方法,例如与模糊控制相结合的算法,但模糊控制由于对隶属度函数的选择和模糊规则的设计从而对控制经验要求较高。本文采用基于CMAC神经网络的PID控制算法控制直流电动机,该算法充分利用CMAC神经网络自学习功能,当控制环境等条件变化时,能够自适应调节参数KP、KI和Kd的数值,使控制效果达到最优,将该算法应用到直流电机控制系统中,实现对直流电机调速的自适应控制。1直流电机数学模型直流电动机的电磁转矩是由定子绕组中的电流与转子磁钢产生的磁场相互作用而产生。定子绕组产生的电磁转矩表达式为:T=(e1i1+e2i2+e3i3)(1)由式(1)可看出,直流电动机的电磁转矩大小与磁通和电流幅值成正比,所以控制逆变器输出方波电流的幅值即可控制直流电动机的转矩。为产生恒定的电磁转矩,要求定子电流为方波,反电动势为梯形波,且在每半个周期内,方波电流的持续时间为120电角度。由于在任何时刻,定子只有两相导通,则电磁功率可表示:P=e1i1+e2i2+e3i3=2EI(2)电磁转矩又可以表示为:T=P=2EI(3)运动方程为:T-Tl-B=JPu(4)式中:T为电磁转矩;Tl为负载转矩;B为阻尼系数;为电动机机械转速;J为转动惯量。2基于CMAC神经网络的PID控制算法2.1PID控制算法常用的PID控制算法为:u(k)=u(k-1)+KP[e(k)-e(k-1)]+Kie(k)+Kd[e(k)-2e(k-1)+e(k-2)](5)式中:KP、KI、Kd为比例、积分、微分系数。2.2基于CMAC神经网络的PID控制算法本文采用的是CMAC前馈控制,CMAC和PID控制算法的结构图如图1所示。通过前馈控制来实现CMAC和PID控制算法相结合,以确保系统的控制响应速度,减少超调量;通过常规PID算法实现反馈控制,保证系统的稳定性,抑制扰动。CMAC采用有导师的学习算法,每一控制周期结束时,计算出相应的CMAC输出un(k),并与总控制输入u(k)相比较,修正权值,进入学习过程。学习的目的是使总控制输入与CMAC的输出之差最小。经过CMAC的学习,使系统的总控制输出由CMAC产生。该系统的控制算法为:un(k)=ci=1wiai(6)u(k)=un(k)+up(k)(7)式中:ai为二进制选择向量,c为CMAC网络的泛化参数,un(k)为CMAC产生相应的输出,up(k)为常规控制器PID产生的输出。图1CMAC与PID控制算法相结合结构图3控制系统仿真研究对直流电动机的控制过程采用二阶惯性环节加大滞后模型来描述,被控对象的数学模型为:G(s)=5e-10ss2+15s+300具体参数设定如下:额定电压为50V,额定电流为3.5A,电动机的转速为1500r/min,定子绕线电阻为0.5,定子的电感L=0.08H,转动惯量为J=0.075kgm2,阻尼系数=0.01。PID的三个参数为Kp=0.27、KI=1.3、Kd=0.027。取输入信号为方波信号,仿真结果如图2和图3所示。图3分别给出了CMAC神经网络控制器、PID控制器和总控制器的仿

参考文献

引证文献

问答

我要提问