无刷直流电机的神经滑模变结构控制.pdf

《无刷直流电机的神经滑模变结构控制.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3l卷第8期计算机仿真2014年8月文章编号：1006—9348(2014)08一0402一05无刷直流电机的神经滑模变结构控制尹西杰1，徐建国2(1．山东女子学院，山东济南250014；2．大众报业集团，山东济南250014)摘要：针对工业控制中对无刷直流电机位置控制的高精度要求，研究了滑模变结构控制和神经网络相结合的控制方法。为了消除滑模变结构控制方法中存在的抖振缺点，提出了一种神经滑模控制方法。方法首先设计了一个二阶时变滑模面，使系统的初始状态就在滑模面上，可以增强系统的鲁棒性。然后，通过径向基函数神经网络学习电机的负载、干扰等参数，使滑模控

2、制的切换控制项能随着负载参数的变化而变化，削弱了滑模变结构控制的抖振。对上述方法进行仿真，结果证明了上述方法的有效性，为无刷直流电机优化控制提供了有效手段。关键词：神经网络；滑模控制；抖振；滑模面中圈分类号：7rP391文献标识码：BNeuralSUdingModeControlf；DrBmsme豁DCMotorsYINXi—jiel，XUJian—gu02(1．ShandongWomen’sUniversity，JinaIlShaIldong250014，China；2．D船hongNewsp印erGmup，JinanShaIIdong250014

3、，China)ABSTl认CT：，11leappmach“ichcombinedslidingmodecontIDl肌dneuralnetworksisresearchedfortlIep∞itioncontmllerofbrushJessDCmotorsinindustry．Anewneuralsndingmodec蚰ⅡDlschemewaspmposedforreducingchatteringofslidingmodecontrolinthepaper．Adobalslidingmodem锄ifoldwasdesignedinthis印proa

4、ch，whichgu啦nteestllattllesystem8tatescanbeontheslidingmodem帅ifoldatiIlitialtimeaIldtllesystemmbustIlessc叩beincreaLsed．Amdialb鹊isfunctionneuralnetwork(RBFNN)wasappliedtole锄themaximumofunknownloadsandextemaldisturb锄ces．B鹊ed0ntheneuralnetworks，lhes讯tchingcontrolp籼etersofslidingrr州

5、econ响lc锄bead印tivelyadjustedwitlluncenainextemaldisturbancesalldunkno帆loads．nerefore，tllechattedngoftheslidingmodecomrouerwasreduced．卟esimulationresultspmveth砒thiscontmlschemeisvalidbysimulalionexperi·ments．KEnVO础)s：Neu商netwo矗s；S1idingmodecon￡rol；Chattering；Slidingmodem8nifoldl引

6、言无刷直流电机(BLDcM)因为具有恒定的机械转矩、良好的机械特性和调速特性被广泛应用到机器人、打印机等领域。但无刷直流电机系统具有时变、非线性、强耦合等特征¨。3]，这些特点决定了其数学模型很难建立，其准确动力学参数也无法获得，其控制系统也更加复杂。传统的控制方法虽然对具有精确数学模型的系统具有算法简单、快速性好、控制精度高等优点，但在被控对象数学模型不确定或为非线性时，通常较难满足系统的各种要求。基于人工智能的收稿日期：2014一oI一25修回日期：2014—03—15—402一控制方法，如模糊控制、神经网络控制等方法，具有自学习、自适应、自组织

7、等特性。因此许多学者研究了将人工智能控制与传统控制相结合的方法H‘7l。文献[4]利用神经网络对电机参数进行学习，并利用参考模型进行自适应控制，取得了较好的效果，但仍然存在较大的超调。文献[5，6]利用神经网络对电机参数进行学习并控制，取得了很好的静态效果，但由于神经网络初始阶段的误差，动态特性仍有待于改善。文献[7]改善了神经网络的学习方法，但需要离线学习，这无法应用到工业生产的实际中。本文在此基础上研究了无刷直流电机的滑模变结构控制和神经网络相结合的方法，提出了一种神经滑模变结构控制。滑模变结构控制可以充分利用电机的已知参数对电机进行快速控制，而

8、对电机的未知参数可以利用神经网络进行在线学习，消弱了滑模变结构控制存在抖振的缺点，使系统具有了良好的鲁棒性和