基于BP神經網絡的伺服速度控制參數自整定研究*

周　佳，盧少武，周鳳星

(武漢科技大學 信息科學與工程學院，武漢　430081)

?

基于BP神經網絡的伺服速度控制參數自整定研究*

周佳，盧少武，周鳳星

(武漢科技大學 信息科學與工程學院，武漢430081)

摘要：針對PMSM伺服系統PI控制參數自整定方法控制效果不理想、整定效率低的問題，提出一種基于BP神經網絡的伺服系統速度控制參數自整定方法，該方法利用BP神經網絡具有以任意精度逼近任意非線性函數的能力，構造BP神經網絡速度PDFF控制器，對伺服系統速度控制參數進行在線整定，改善常規速度PI控制器的控制效果，最后通過仿真實驗進行了驗證。仿真結果表明：與常規PI控制方法相比，該方法穩定有效，控制精度高，收斂速度快，控制效果更好。引入了BP神經網絡的伺服系統，提高了動態性能，增強了系統穩定性和快速性。

關鍵詞：伺服系統；永磁同步電機；BP神經網絡；PDFF參數整定

0引言

隨著電力電子技術、新型電機控制理論和稀土永磁材料的快速發展，永磁同步電機在許多領域得到了廣泛應用，而伺服系統控制參數的好壞直接影響到永磁同步電機伺服系統的控制性能。速度環為伺服系統三層控制環節的中間層控制環，是交流伺服系統中極為重要的一個環節，其作用是增強系統抗負載擾動的能力，抑制速度波動，保證電動機的轉速與指令值相一致，消除負載轉矩擾動等因素對電動機轉速的影響，因此對伺服系統速度控制參數自整定方法進行研究具有重要意義[1-2]。

隨著神經網絡走入人們的視野，人們逐漸認識到神經網絡的優越性。目前，將BP神經網絡應用于伺服系統控制已成為一大研究熱點。文獻[3]針對液壓伺服控制系統的非線性和時變性因素，提出一種基于BP神經網絡的PID控制器，該控制器結合PID算法和神經網絡二者的優點，具有魯棒性強、超調量小和運行平穩等特點。文獻[4]提出RBF網絡動態辨識的BP神經網絡PID參數自整定算法，該算法能克服被控對象的不確定性和非線性，顯著提高伺服電機轉速的動態響應和跟蹤精度。文獻[5]提出一種基于BP神經網絡的PID控制算法，利用BP神經網絡學習能力強的特點實現PID控制參數的在線調整和優化，該PID控制器能明顯提高系統收斂速度和誤差精度，使伺服系統具有較強的適應性和魯棒性。

BP(BackPropagation)神經網絡不僅具有以任意精度逼近任意非線性函數的能力，而且具有自適應學習、并行分布處理和有較強的魯棒性和容錯性等特點，適用于復雜非線性系統的建模和控制[6]。本文以永磁同步電機伺服系統速度環為研究對象，采用基于BP神經網絡的速度PDFF控制器對伺服系統速度控制參數進行整定，實現伺服系統速度環參數自動調節。最后在Matlab中進行了仿真，得到較為滿意的結果。

1PDFF控制器模型

通常伺服系統速度環調節中使用PI控制器，而PI調節存在超調量容易過大、DC剛度低的問題。本文中伺服系統速度環控制結構采用了由PI控制器經過改進的PDFF控制器。PDFF控制通過加一前饋增益可以使許多低頻干擾信號被積分環節過濾，同時可以在加大積分增益的情況下不會產生過大的超調，從而達到既可以提高系統響應能力又可以提高系統DC剛度的目的，所以在速度環上采用了PDFF控制器[7-8]。圖1為PDFF控制器框圖。系統由PDFF控制器和速度環被控對象組成。

圖1　PDFF控制器框圖

本文采用增量式PDFF控制器，由圖1所給控制器結構，得到速度誤差為：

e(k)=ω*(k)-ω(k)

(1)

PDFF控制器的離散形式：

(2)

由式(2)推出式(3)：

(3)

則PDFF控制算法為：

u(k)=u(k-1)+kvf(ω*(k)-ω*(k-1))-

kvp(ω(k)-ω(k-1))+kvie(k)

(4)

其中，ω*(k)是速度輸入指令，ω(k)是速度輸出，u(k)是控制器輸出，kvf為前饋增益系數，kvp為比例系數，kvi為積分系數。

2BP神經網絡速度PDFF參數整定

2.1BP神經網絡的速度PDFF控制器結構

BP神經網絡的速度PDFF控制器結構如圖2所示。該控制器由常規PDFF控制器和BP神經網絡兩部分組成。BP神經網絡能夠根據系統運行狀態和運行環境的變化所產生的誤差，自動調整控制參數，通過BP神經網絡較強的非映射能力逼近控制器的最優參數，進而得到最理想的控制效果[9]。

圖2　BP神經網絡的速度PDFF控制器結構

2.2BP神經網絡

BP(BackPropagation)神經網絡是一種前向網絡。它由輸入層、隱含層、輸出層組成。當外界環境發生改變時，該神經網絡模型通過自學習、加權系數的調整，能夠使得神經網絡輸出對應于該環境下最優的控制參數[10]。

BP神經網絡輸入層的輸入為：

(5)

式中，M表示輸入變量的個數，由被控系統的復雜程度決定。

BP神經網絡隱含層的輸入和輸出分別為：

(6)

(7)

(8)

BP神經網絡輸出層的輸入和輸出分別為：

(9)

(10)

(11)

輸出層神經元的活化函數由非負的Sigmoid函數表示：

(12)

BP神經網絡是個不斷學習的過程，需要有一個考察學習次數的性能指標函數，本文中取性能指標函數為：

(13)

按照梯度下降法修正網絡的權系數，并附加一使搜索快速收斂全局極小的慣性項，則有：

(14)

式中，η為學習速率；α為慣性系數。

(15)

(16)

由式(4)和式(11)，可求得：

(17)

(18)

(19)

通過以上分析可推導出網絡輸出層權的的學習算法為：

(20)

(l=1,2,3)

(21)

同理可得隱含層加權系數的學習算法：

(22)

(23)

式中，g′(·)=2g(x)(1-g(x)),f′(·)=1-f2(x)

3仿真實例

為了驗證本文提出的基于BP神經網絡的伺服系統速度控制參數自整定方法相比常規PI控制方法具有收斂速度快、控制精度高的優點，將兩種方法進行仿真對比。伺服電機的相關參數如表1所示，通過對伺服系統速度環的數據在線采樣，并對其進行遞推最小二次辨識可得被控對象近似模型為：

ω(k)=ω(k-1)-0.0003478ω(k-2)+1.388u(k-1)+0.1986u(k-2)

(24)

表1　伺服電機參數

圖3　速度階躍響應

圖4　速度跟蹤誤差

圖5　控制參數自適應整定

由圖3可以看出基于BP神經網絡的速度PDFF控制方法的輸出響應要比常規速度PI控制方法的輸出響應更快到達輸入給定值；由圖4可知基于BP神經網絡的速度PDFF控制方法跟蹤誤差達到0的時間比常規速度PI控制方法的跟蹤誤差達到0的時間更短，且常規速度PI控制方法存在較小的穩態速度跟蹤誤差。由此可以看出，與常規速度PI控制方法相比，基于BP神經網絡的速度PDFF控制參數自整定方法收斂速度更快，控制精度更高，具有更好的控制效果。

4結束語

本文以永磁同步電機伺服系統速度環為研究對象，結合BP神經網絡和PDFF控制器二者的優點，采用基于BP神經網絡的速度PDFF控制器對伺服系統速度環的控制參數進行整定，實現伺服系統速度環參數自動調節，通過仿真實驗說明基于BP神經網絡的伺服系統速度PDFF控制參數自整定方法能明顯改善常規PI控制效果，提高收斂速度和控制精度，同時也驗證了該方法的穩定性和正確性。

[參考文獻]

[1] 楊立永, 張艷秋,陳智剛, 等.永磁同步調速系統自整定PI速度控制器設計[J].電力電子技術,2012,46(5):28-30.

[2] 鄭世祺, 唐小琦,盧少武,等.PMSM伺服系統參數自整定研究[J].電氣傳動,2013,43(3):10-13.

[3] 丁曙光, 吳衛平.桂貴生.基于神經網絡PID的液壓位置伺服系統控制的研究[J].組合機床與自動化加工技術,2009(3):49-51.

[4] 林青松,姚玉菲,王軍曉.智能PID參數自整定技術在伺服系統中的應用[J].自動化儀表,2011,32(2):59-62.

[5] 王軍曉,林青松,姚玉菲,等.基于BP神經網絡的PID控制器在伺服系統中的應用研究[J].工礦自動化,2010(5):68-70.

[6] 陳書謙, 張麗虹.BP神經網絡在PID控制器參數整定中的應用[J].計算機仿真,2010,27(10):171-174.

[7] 李寧剛,代作曉.PDFF調節在交流永磁同步電機控制中的應用[J].科學技術與工程,2006,6(13):1907-1910.

[8] 唐道奎,支長義,譚志紅,等.基于PDFF和輸入整形的鉆孔機殘余震動抑制[J].微電機,2011,44(1):100-103.

[9] 黃劍平.基于BP神經網絡的PID控制研究[J].計算機仿真,2010,27(7):167-170.

[10] 劉金坤.先進PID控制MATLAB仿真[M].3版.北京:電子工業出版社,2011.

(編輯李秀敏)

文章編號：1001-2265(2016)07-0070-03

DOI:10.13462/j.cnki.mmtamt.2016.07.020

收稿日期：2015-08-11;修回日期：2015-09-15

*基金項目：國家自然科學基金項目(51405349)

作者簡介：周佳(1990—)，男，湖北黃岡人，武漢科技大學碩士研究生，研究方向為伺服控制器和嵌入式，(E-mail)598308367@qq.com。

中圖分類號：TH166;TG659

文獻標識碼：A

Study on Speed Control Parameters Auto-tuning of Servo System Based on BP Neural Network

ZHOU Jia, LU Shao-wu, ZHOU Feng-xing

(CollegeofInformationScienceandEngineering,WuhanUniversityofScienceandTechnology,Wuhan430081,China)

Abstract：In order to solve the problem of PI control parameters auto-tuning of PMSM servo system about being low efficiency, this paper presents a speed control parameters auto-tuning algorithm of servo system based on BP neural network. The neural network was used because it could change parameters itself on line. The aim of the algorithm is to improve the control effect of PI controller. It is verified through simulation finally. The simulation results show that, compared with PI control algorithm, the proposed algorithm is stable and effective, and has high precision, fast convergence rate and better control effect. Based on the BP neural network, the dynamic performance, the study speed and the stability of the servo system is improved obviously.

Key words：servo system; PMSM; BP neural network; PDFF parameter tuning