一种基于音圈电机的主动隔振控制方法技术

本发明专利技术公开了一种基于音圈电机的主动隔振控制方法，该方法采用基于神经网络的近似自适应动态规划方法，无需建立隔振装置的精确动力学模型，通过测量隔振装置的输入输出值，训练神经网络控制器达到规定的性能指标，当两个网络均达到收敛条件，即得到所需的主动隔振控制器，实现隔振控制。在本发明专利技术中，用于实现控制器的传感器信息通过线性可变差动变压器（ＬＶＤＴ）式位移传感器和加速度传感器获取。控制器中的评判网络和行为网络的训练同时进行，权值的更新都采用最小二乘梯度下降方法。本发明专利技术克服了现有常规控制系统的不足，提高了主动隔振控制的可用性，降低了对隔振装置动力学建模的要求，具有一定的普遍性。

Active vibration isolation control method based on voice coil motor

The invention discloses a voice coil motor active vibration control method based on the approximate method using adaptive dynamic programming method based on neural network, without the need to establish accurate dynamic model of the vibration isolation device, input and output isolation device by measuring the value of training neural network controller to achieve specified performance index, when two networks are required to achieve convergence conditions, active vibration controller, realize vibration control. In the present invention, sensor information for implementing the controller is obtained by a linear variable differential transformer (LVDT) displacement sensor and an acceleration sensor. The training of judgment network and behavior network is carried out at the same time, and the least squares gradient descent method is used to update the weights. The invention overcomes the shortcomings of the existing conventional control system, improves the availability of the active vibration isolation control, reduces the requirement for the dynamic modeling of the vibration isolation device, and has a certain universality.

【技术实现步骤摘要】

本专利技术涉及隔振控制
，更具体的说，涉及一种基于音圈电机 的主动隔振控制方法。
技术介绍
振动存在于绝大多数的机电系统中，如果不加以合理的隔离，会造成 严重的后果。例如在集成电路制造中，精密机械装置和测量仪器仪表对振 动非常敏感。振动会影响加工精度，缩短机械装置的寿命，甚至对整个系 统造成严重的损坏。因此为了满足精密加工、测量等场合对振动环境的严 格特殊的要求，尤其是有效地抑制低频和超低频振动的要求，合理的隔振 装置和高效的隔振控制方法显得尤为重要。传统的隔振方法为被动隔振，它只能比较有效地克服高频振动的影 响，对低频振动的隔离效果较差，而且被动隔振方法对系统中存在的不确 定因素无能为力。因此被动隔振方法已经不能达到上述机电系统的要求和 精度。电磁致动器是常见的主动隔振装置所采用的驱动器之一，音圈电机是 典型的代表。这类驱动器结构简单，具有通用的控制系统和开放式的控制 结构。然而其中电磁驱动器的力、位移有较大的非线性。同时，考虑到主 动隔振装置中弹簧和阻尼器所具有的本质非线性特性，无法建立起基于电 磁驱动器的主动隔振装置的精确动力学模型。因此一般的常规控制方法和现代控制方法很难保证其控制精度，或过 于复杂、繁琐，无法保证实时控制的需要。所以使用一种能克服复杂环境影响的行之有效的控制方法，是保证隔 振装置在实际工作中得以应用的关键性技术问题。
技术实现思路
(一) 要解决的技术问题有鉴于此，本专利技术的主要目的在于提供一种基于音圈电机的主动隔振 控制方法，以克服现有常规控制系统的不足，提高主动隔振控制的可用性。(二) 技术方案为达到上述目的，本专利技术提供了一种基于音圈电机的主动隔振控制方 法，该方法采用基于神经网络的近似自适应动态规划方法，无需建立隔振 装置的精确动力学模型，通过测量隔振装置的输入输出值，训练神经网络 控制器达到规定的性能指标，当两个网络均达到收敛条件，即得到所需的 主动隔振控制器，实现隔振控制。上述方案中，该方法具体包括步骤a:训练神经网络控制器中的评判网络和行为网络； 步骤b:将训练好的神经网络控制器投入到实际隔振装置中。 上述方案中，所述步骤a具体包括 步骤l、初始化评判网络和行为网络的权值；步骤2、将通过传感器测量出来的k时刻的信息输入到行为网络，计 算k时刻的控制信号，k为自然数；步骤3、将k时刻的信息和控制信号输入到评判网络，计算k时刻的 评价值；步骤4、将k时刻的控制信号输入到隔振控制装置，通过传感器测量 得到k+l时刻的信息；步骤5、将通过传感器测量出来的k+l时刻的信息输入到行为网络， 计算k+l时刻的控制信号；步骤6、将k+l时刻的信息和控制信号输入到评判网络，计算k+l时 刻的评价值；步骤7、固定行为网络的权值，应用最小二乘算法更新评判网络的权值；步骤8、固定评判网络的权值，将常数"1"作为更新误差，应用最小 二乘算法更新行为网络的权值；步骤9、如果训练过程满足收敛条件，则训练过程结束，否则从步骤 2开始继续上述神经网络的训练。上述方案中，步骤a中所述训练神经网络控制器，采用最小二乘梯度下降方法。上述方案中，步骤a中所述神经网络，采用具有一个隐含层的非线性 前向神经网络结构。上述方案中，步骤a中所述训练神经网络控制器时，其训练数据由安 装在隔振装置上的线性可变差动变压器LVDT式位移传感器和加速度传感 器获取。上述方案中，所述训练数据包含训练神经网络控制器所需要的信号和 产生控制量所需要的信号。上述方案中，步骤a中所述神经网络控制器，其设计完全通过测量装 置的输入输出值完成，无需建立隔振装置的精确动力学模型。上述方案中，所述步骤b之后进一步包括步骤b完成后所得的控制 信号通过PC104总线的形式输入到一运动控制卡中，该运动控制卡输出-10 至10V的模拟信号，该信号通过信号调理单元后，输入到伺服驱动器中， 由伺服驱动器驱动音圈电机完成对振动的隔离。(三)有益效果 从上述技术方案可以看出，本专利技术具有以下有益效果1、 本专利技术提供的这种基于音圈电机的主动隔振控制方法，能够克服 现有常规控制系统的不足，提高了主动隔振控制的可用性。2、 本专利技术提供的这种基于音圈电机的主动隔振控制方法，减少了对 隔振装置动力学模型的限制，具有一定的普遍性。3、 采用本专利技术提供的这种基于音圈电机的主动隔振控制方法，与纯 被动振动隔离装置相比，具有很好的隔振效果。具体而言，该主动隔振方 法对于不同频率的振动均具有良好的隔离作用，其控制特性，抗干扰特性 较纯被动系统而言都有很好的改进，对振动环境要求很高的仪器仪表系统 和工业制造业而言，该专利技术的应用具有重要的作用。附图说明图1为本专利技术提供的基于音圈电机的主动隔振控制的方法流程图2是评判网络的权值更新方框图3是行为网络的权值更新方框图4是隔振控制系统具体实施方案原理图5是连续正弦振动信号的隔振效果图6是不连续振动信号的隔振效果图。具体实施例方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。本专利技术的核心内容是通过采用基于神经网络的近似自适应动态规划方法，无需建立隔振装置的精确动力学模型，通过测量隔振装置的输入输出值，训练神经网络控制器达到规定的性能指标，当两个网络均达到收敛条件，即得到所需的主动隔振控制器，实现隔振控制。如图1所示，图1为本专利技术提供的基于音圈电机的主动隔振控制的方法流程图，该方法具体包括以下步骤步骤a:训练神经网络控制器中的评判网络和行为网络； 步骤b:将训练好的神经网络控制器投入到实际隔振装置中。 上述步骤a中所述训练神经网络控制器中的评判网络和行为网络，具体包括步骤l、初始化评判网络和行为网络的权值；步骤2、将通过传感器测量出来的k时刻的信息输入到行为网络，计算k时刻的控制信号，k为自然数；步骤3、将k时刻的信息和控制信号输入到评判网络，计算k时刻的 评价值；步骤4、将k时刻的控制信号输入到隔振控制装置，通过传感器测量 得到k+l时刻的信息；步骤5、将通过传感器测量出来的k+l时刻的信息输入到行为网络， 计算k+l时刻的控制信号；7步骤6、将k+l时刻的信息和控制信号输入到评判网络，计算k+l时刻的评价值；步骤7、固定行为网络的权值，应用最小二乘算法更新评判网络的权值；步骤8、固定评判网络的权值，将常数"l"作为更新误差，应用最小 二乘算法更新行为网络的权值；步骤9、如果训练过程满足收敛条件，则训练过程结束，否则从步骤 2开始继续上述神经网络的训练。上述步骤a中所述训练神经网络控制器，采用最小二乘梯度下降方法； 步骤a中所述神经网络，采用具有一个隐含层的非线性前向神经网络结构； 步骤a中所述训练神经网络控制器时，其训练数据由安装在隔振装置上的 线性可变差动变压器LVDT式位移传感器和加速度传感器获取。上述训练数据包含训练神经网络控制器所需要的信号和产生控制量 所需要的信号。上述步骤b中控制量的计算和产生由如图4所式的控制系统来完成。 控制系统由一台工业控制计算机构成，步骤b完成后所得的控制信号通过 PC104总线的形式输入到一运动控制卡中，该运动控制卡输出-10 10V的 模拟信号，该信号通过信号调理单元后，输入到伺服驱动器中，由伺服驱 动器驱动音圈电机完成对振动的隔离本文档来自技高网...

【技术保护点】
一种基于音圈电机的主动隔振控制方法，其特征在于，该方法采用基于神经网络的近似自适应动态规划方法，无需建立隔振装置的精确动力学模型，通过测量隔振装置的输入输出值，训练神经网络控制器达到规定的性能指标，当两个网络均达到收敛条件，即得到所需的主动隔振控制器，实现隔振控制。

【技术特征摘要】

【专利技术属性】
技术研发人员：谭民，侯增广，杨涛，马嘉，梁自泽，李恩，梁潇，蔡丽，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：11[中国|北京]