引言

由于永磁伺服電機（PMSM）是一個多變量、嚴(yán)重非線性、參數(shù)時變及強耦合的控制對象，很難用精確模型描述其動態(tài)過程。矢量變換控制得到的是電流穩(wěn)態(tài)解耦數(shù)學(xué)模型，盡管變量電流和速度間仍然存在耦合，但在動態(tài)時仍存在耦合，模型對電機的運動過程有較強的依賴性，使其不易達到理想的控制目標(biāo)。在伺服系統(tǒng)中一般還具有滯后、未建模動態(tài)、不確定性以及負(fù)載變化等因素，傳統(tǒng)的PID控制器不能很好地滿足高精度、快速響應(yīng)要求。

與經(jīng)典控制方法不同，智能控制顯著特點是不依賴于被控對象的精確模型，具有自適應(yīng)和魯棒性強等特點，正好適于伺服系統(tǒng)這種被控對象。但是一般實現(xiàn)比較復(fù)雜，并且控制效果取決于模型樣本的質(zhì)量，即專家經(jīng)驗的定性信息。從實時控制的角度，神經(jīng)網(wǎng)絡(luò)、模糊控制均不如單神經(jīng)元簡單方便，而單神經(jīng)元又不具備模糊控制快速性的優(yōu)點。為此，本文基于逆動態(tài)模型的概念，采用一種FCMAC在線學(xué)習(xí)伺服裝置的逆模型，通過前饋通道與系統(tǒng)的原模型對消的方式，動態(tài)地克服系統(tǒng)的非線性和不確定因素，使輸出快速、準(zhǔn)確地跟蹤輸入，達到良好的動態(tài)跟蹤性能。

1、系統(tǒng)結(jié)構(gòu)及PMSM動態(tài)模型簡介

本文所介紹位置環(huán)采用FCMAC（模糊小腦模型神經(jīng)關(guān)節(jié)器）和PD的復(fù)合控制器。速度、電流環(huán)為常規(guī)控制器，為研究對位置的跟蹤能力，故將轉(zhuǎn)速、電流環(huán)合起來近似為一階慣性環(huán)節(jié)。系統(tǒng)簡化結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)簡化結(jié)構(gòu)圖

2、FCMAC網(wǎng)絡(luò)概述

CMAC是一種模擬小腦功能的神經(jīng)網(wǎng)絡(luò)模型，最初主要用于機器人的動態(tài)軌跡跟蹤控制。神經(jīng)生理學(xué)研究表明，小腦的功能是負(fù)責(zé)指揮肢體運動，其決策過程是條件反射式迅速響應(yīng)，而大腦則要經(jīng)過思考才能作出決定。CMAC是一種具有聯(lián)想和學(xué)習(xí)功能的前向網(wǎng)絡(luò)，本質(zhì)是一種表格查詢式神經(jīng)網(wǎng)絡(luò)。由于它在局部網(wǎng)絡(luò)結(jié)構(gòu)上存儲信息，而且每次修正的權(quán)數(shù)目很少，其學(xué)習(xí)速度要比BP神經(jīng)網(wǎng)絡(luò)快約2～3個數(shù)量級，因此特別適合于實時控制。

FCMAC是模糊邏輯與CMAC神經(jīng)網(wǎng)絡(luò)有機結(jié)合的產(chǎn)物?？梢允鼓：评砀臃奖悴⒕哂凶詫W(xué)習(xí)的功能，F(xiàn)CMAC的映射和存儲與CMAC相同。將FCMAC用于伺服電機這一復(fù)雜對象可以更準(zhǔn)確及時地抑制非線性及不確定因素，達到優(yōu)化控制的目的。FCMAC結(jié)構(gòu)可描述如圖2。

圖2 FCMAC神經(jīng)網(wǎng)絡(luò)模型

輸入信號從左至右依次經(jīng)過模糊化、規(guī)則推理和加權(quán)求和過程。輸入量經(jīng)量化映射到模糊感知層X為X1，同時激活相鄰C個單元，并獲得相應(yīng)的隸屬度。C為網(wǎng)絡(luò)的泛化參數(shù)，即感受野。C個單元通過滾動組合方式得到M中C個概念地址，該C個單元再通過壓縮編碼映射到實際物理存儲器A中的C個單元，對應(yīng)C個權(quán)值。

對一維輸入量的模糊輸出，隸屬度描述如圖3，隸屬度函數(shù)取底寬為6的等腰三角形，（論域可拓寬）。

圖3 隸屬度函數(shù)圖形

3、直接神經(jīng)控制器的算法

更多資訊請關(guān)注伺服系統(tǒng)頻道