基于ＲＢＦ神经网络的伺服控制系统及方法技术方案

本发明专利技术是为了提高伺服系统的控制精度提出一种应用于伺服系统的神经网络自适应控制方法，实现了对伺服系统的非线性补偿和干扰抑制，提高了伺服系统的跟踪精度和鲁棒性。另外，不需要速度闭环，使整个系统的设计工作变得相当方便，易于在工程中实施并降低成本。

【技术实现步骤摘要】

本专利技术涉及具有神经网络自适应控制的伺服控制系统和方法。 技术背景伺服系统是复杂的机电控制系统，其本质可以视为一个由电动机拖动的位置闭环 控制系统，其在国民生产和国防建设中起着重要的作用。由于其在各领域中占有十分重要 的地位，所以对其性能的要求也不断提高，尤其在国防军事和航空航天等尖端领域。从当前 国内外伺服系统总的发展趋势可以看出，“高频响、超低速、高精度”是其主要发展方向。其 中，“高频响”是反映伺服系统跟踪高频信号的能力，即在位置指令信号不断变化时系统的 跟踪能力。“超低速”，是反映系统的低速平稳性，影响低速特性的主要因素是机械摩擦，必 须采用一定的控制方法对摩擦进行补偿。“高精度”是指系统跟踪指令信号的准确程度。存在于伺服系统中的机械摩擦、电路参数的飘移、轴系间的力矩耦合、环境干扰、 以及轴系间的不垂直度或不交度而引起的系统负载力矩的不平衡、机械装置刚度不足而引 起的机械变形、负载的波动以及电机本身的齿槽效应等许多非线性的、不确定性等因素，给 伺服系统的控制造成了很多困难，对系统的精度影响很大。因此，消除这些干扰源引起的扰 动并克服各种非线性因素对系统带来的影响是实现伺服系统高精度控制的关键。经典的伺服系统设计一般采用传统的“三环”结构的PID控制方法(参见图3)，由 内到外是电流环、速度环和位置环。电流环和速度环的作用是提高系统的刚度来抑制系统 的非线性及外部扰动，控制系统的精度由位置环来保证。但这种传统控制方法的适应性差， 在系统受扰的情况下控制精度低，不适合高精度控制的场合。而本专利技术能够很好的抑制系 统的参数摄动、摩擦干扰和负载变化带来的扰动；在对象的非线性和不确定性较强的情况 下也可以正常运行，极大的提高了伺服系统的控制精度。
技术实现思路
为了提高伺服系统的控制精度，特别是提高伺服系统在存在非线性和不确定性以 及系统的参数摄动、摩擦干扰和负载变化等干扰情况下的控制精度，提出一种应用于伺服 系统的神经网络自适应控制方法。本专利技术实现了对伺服系统的非线性补偿和干扰抑制，提 高了伺服系统的跟踪精度。本专利技术是在传统的控制方法的基础上加入了神经网络自适应控 制的方法，极大的提高了系统的鲁棒性，使系统对各种干扰都能够进行快速有效的抑制，达 到极高的控制精度。并且基于Lyapimov稳定性理论的神经网络自适应控制算法确保了该 方法的稳定性。另外，此控制算法不需要速度闭环，进而使整个系统的设计工作变得相当方 便，易于在工程实际中实施。根据本专利技术的一个方面，提供了一种位置伺服系统，包括一个前馈控制器，用于 接收一个位置指令，并产生一个前馈控制器输出；一个PID控制器，用于接收所述位置误差 指令，并产生一个PID控制器输出；一个神经网络控制器，用于接收所述伺服对象位置输出 信号、一个位置误差信号，并输出一个神经网络控制器输出；一个鲁棒项，用于接收位置误差并产生一个鲁棒项输出；一个第一加法器(107)，用于把所述位置指令和位置输出相减， 从而产生位置偏差信号；一个第二加法器(108)，用于把所述前馈控制器输出、PID控制器 输出和神经网络控制器输出相加，从而产生用于第三加法器(109)的加数；一个第三加法 器(109)，用于把所述第二加法器(108)的输出和鲁棒项的输出相加，从而产生用于第三加 法器(109)的加数；第三加法器(109)的输出产生控制信号；一个伺服执行装置，用于在所 述控制信号的控制下，进行伺服操作；一个位置测量装置，用于测量所述位置伺服系统的伺 服对象的位置，并生成一个控制对象位置输出信号。根据本专利技术的一个进一步的方面，上述神经网络控制器包括归一化部分，用于对 所述位置输出信号和所述位置偏差信号进行归一化，得到相应的归一化结果xl，x2. ..xn； 高斯基函数处理部分，将归一化部分的输出xl，x2... xn经过输入矩阵V运算再经过选取的 高斯基函数处理得到相应的隐层节点Qi ；加权求和部分，用于将隐层节点Qi (即高斯基函数 的输出)乘以对应的权值并求和，从而得到加权求和结果作为神经网络的输出部分，其中， 所述权值的更新算法为水=Z1W,，其中Qi为该权值的对应输入(也是该神经网络的隐层节 点)，Y i为一个预设的神经网络学习速率，其取值为大于零的实数，这个数值可以根据系统 的不同做人为的调整。根据本专利技术的另一个方面，提供了一种位置伺服方法，包括一个前馈控制器，用 于接收一个位置指令，并产生一个前馈控制器输出；一个PID控制器，用于接收所述位置误 差指令，并产生一个PID控制器输出；一个神经网络控制器，用于接收所述伺服对象位置输 出信号、一个位置误差信号，并输出一个神经网络控制器输出；一个鲁棒项，用于接收位置 误差并产生一个鲁棒项输出；一个第一加法器(107)，用于把所述位置指令和位置输出相 减，从而产生位置偏差信号；一个第二加法器(108)，用于把所述前馈控制器输出、PID控制 器输出和神经网络控制器输出相加，从而产生用于第三加法器(109)的加数；一个第三加 法器(109)，用于把所述第二加法器(108)的输出和鲁棒项的输出相加，从而产生用于第三 加法器(109)的加数；第三加法器(109)的输出产生控制信号；一个伺服执行装置，用于在 所述控制信号的控制下，进行伺服操作；一个位置测量装置，用于测量所述位置伺服系统的 伺服对象的位置，并生成一个控制对象位置输出信号。根据本专利技术的一个进一步的方面，上述用所述神经网络控制器产生一个神经网络 控制器输出的所述步骤进一步包括对所述位置输出信号和所述位置偏差信号进行归一 化，得到相应的归一化结果xl，x2. . . xn ；将归一化部分的输出xl，x2. . . xn经过输入矩阵V 运算再经过选取的高斯基函数处理得到相应的隐层节点Qi ；加权求和部分，用于将隐层节 点Qi (即高斯基函数的输出)乘以对应的权值并求和，从而得到加权求和结果作为神经网 络的输出部分即神经网络控制器输出。其中，所述权值的更新算法为次=；^仏，其中Qi为该 权值的对应输入(也是该神经网络的隐层节点)，Y工为一个预设的神经网络学习速率，其 取值为大于零的实数，这个数值可以根据系统的不同做人为的调整。ν的表达式和神经网络 权值更新算法详见下文推导。附图说明图1是神经网络控制器的详细结构示意图；图2是根据本专利技术的一个位置伺服系统的结构框图3是传统的“三环”结构的经典伺服系统的示意图； 具体实施例方式根据本专利技术的一个实施例的伺服控制系统的框图如图2所示。该系统的控制器部 分包括前馈控制器101、PID控制器102、神经网络控制器103和鲁棒项部分104。图2中的标号106表示该系统的控制对象。控制对象106的最基本部分是伺服执 行部分1061。作为一种可选实施例，控制对象106还可以进一步包括电流反馈部分1062和功放 部分1063，如图2所示。图2所示的实施例的伺服控制系统还包括位置检测装置105。现分别介绍根据图2所示的实施例的伺服控制系统所包括的模块1)前馈控制器101前馈控制器101的输入是位置指令，输出是前馈控制器输出，这个模块的输入输 出关系为 =&色+绝，其中Uq是前馈控制器输出，θ d是输入的位置指令，^和纟是模型参数，可以利用常用的系统辨本文档来自技高网...

【技术保护点】
一种位置伺服系统，包括一个前馈控制器（１０１），用于接收一个位置指令，并产生一个前馈控制器输出；一个ＰＩＤ控制器（１０２），用于接收一个位置误差指令，并产生一个ＰＩＤ控制器输出；一个神经网络控制器（１０３），用于接收所述位置伺服系统的伺服对象的位置输出信号和所述位置误差信号，并输出一个神经网络控制器输出；一个鲁棒项部分（１０４），用于接收所述位置误差信号并产生一个鲁棒项输出；一个第一加法器（１０７），用于把所述位置指令和所述位置输出信号相减，从而产生所述位置误差信号；一个第二加法器（１０８），用于把所述前馈控制器输出、所述ＰＩＤ控制器输出和所述神经网络控制器输出相加；一个第三加法器（１０９），用于把所述第二加法器的输出和所述鲁棒项输出相加，从而产生控制信号；一个伺服执行装置（１０６），用于在所述控制信号（第三加法器（１０９）的输出）的控制下，进行伺服操作；一个位置测量装置（１０５），用于测量所述伺服对象的位置，并生成所述位置输出信号。

【技术特征摘要】

【专利技术属性】
技术研发人员：扈宏杰，战平，王林，吕博，王希洋，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11[中国|北京]