基于神经网络滑模变结构的BLDC伺服控制系统.pdf

《基于神经网络滑模变结构的BLDC伺服控制系统.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第十六卷第三期安徽电气工程职业技术学院学报2011年9月Vo1．16。No．3JOURNALOFANHUIELECTRICALENGINEERINGPROFESSIONALTECHNIQUECOLLEGESeptember2011基于神经网络滑模变结构的BLDC伺服控制系统谢建华(六安供电公司，安徽六安237006)摘要：针对离散时间系统，分析了趋近律中参数对系统到达稳定状态时间的影响，提出了用递归神经网络方法自适应调整参数的控制策略；并将研究结果用于无刷直流电机(BLDC)位置伺服系统变结构控制器的设计。仿真试验结果表明，该控

2、制器可以使伺服系统具有良好的跟踪能力和很强的鲁棒性。关键词：变结构控制；趋近律；神经网络；无刷直流电机中图分类号：TM33文献标识码：A文章编号：1672-9706(2011)03—0039·05PositionServoSystemBasedonNeuralNetworkSlidingModeVariableStructureX／EJian-hua(LuallPowerSupplyCompany，Luan237006，China)Abstract：Fordiscretetimesystems，theefectofthepara

3、meterchoiceisanalyzedinordertosho~enthetimeofreachingtheslidinghypersurface．Thenthenewmethodwhichusedthenetworksregulatedadap—tivelyparametersisappliedtoachieveaccurateservotrackingtoBLDC(brushlessDCmotor)controlsys—tern．Thesimulationresultsdemonstratethatthecontroll

4、erdesignedcanprovidetheperfecttrackingandstrongrobustness．Keywords：variablestructurecontrol；reachinglaw；neuralnetwork；brushlessDCm0引言变结构控制是一种能用来实现线性和非线性鲁棒性控制的方法。由于在变结构控制系统中的滑动模态具有不变性⋯，即它同系统的参数摄动和外界的干扰无关，这种理想的鲁棒性引起了控制界的极大关注，且在连续时间系统中得到了很大的应用。随着计算机技术的高速发展和工业自动化等领域的实际需要

5、，控制算法越来越多地采用数字计算机来实现。但在采用数字计算机实现变结构控制算法时，由于采样过程的限制，变结构控制不能产生理想滑模的等效控制，只能产生准滑模(quasi．slidingmode)控制，使状态轨迹以抖动形式沿滑平面运动，引起系统的颤振甚至是不稳定，所以有必要在离散领域内研究变结构控制。高为炳提出了利用趋近律设计离散系统的变结构控制⋯，该方案具有诸多优越性，但系统会产生较大抖振。趋近律方法是通过改变控制律函数参数来达到控制目的，而控制器的控制律函数结构的跳变势必引起系统的抖振，因此许多学者提出了改进方案。马克茂等分析了

6、趋近律方法的到达条件，给出在达到准滑动模态时立刻切换为变增益控制律的方案，该方法有效地削弱了系统的抖振。翟长连等通过研究影响滑动区宽度变化的因素，提出了采用时变的滑模函数来取代8值的方法，该方法也收稿日期：2011-04-25作者简介：谢建华(1976-)，男，安徽六安市人，六安供电公司营销部稽查室。·39·安徽电气工程职业技术学院学报第十六卷第三期明显地削弱了抖振，但文中并没对参数8进行分析。文献[5]对趋近律方法中的参数和8如何影响作了定性地分析，并给出了较好的控制方案。由于趋近律方法中两个参数之间存在着相互影响的关系，而文

7、献[4]和[5]都是通过固定一个参数的情况下调整另一个参数，这为实际应用带来了诸多不便。由于神经网络在解决非线性问题上同变结构控制有着共性，因此二者可以很好地结合形成神经网络变结构控制。文献[6]在设计变结构控制时，就采用神经网络来补偿系统未知的非线性部分，结果表明该方案有效地减小了开关增益，把抖振限制在一个很狭窄的边界层内。文献[7]提出基于神经网络的等效控制器，对递归神经网络采用实时循环算法，从而使学习误差趋近于零，确保了系统稳定性。王贞艳等给出利用BP神经网络自适应调节趋近律中的参数的设计方案，并消除了系统抖振，取得了较好

8、的控制效果。但由于曰P算法本身存在一些缺陷。。，会影响变结构控制的动态品质。本文首先对在趋近律方法中参数和8如何影响系统的到达稳定状态的时间做出定量分析，进而采用一种递归神经网络对参数进行自适应调节，该方案使神经网络结构更简洁，学习速率更快；同时能改善系统的动态