基于神经网络的伺服控制系统及方法技术方案

本发明专利技术的目的在于提高伺服系统的控制精度，提出了一种应用于伺服系统的神经网络模型参考自适应控制方法，有效的补偿了伺服系统的非线性，抑制了干扰，提高了伺服系统的跟踪精度和鲁棒性。另外，本发明专利技术对伺服系统的控制不需要建立在对象精确建模的基础上，节省了建模的费用，易于在工程中实施并降低成本。

【技术实现步骤摘要】

本专利技术涉及一种。
技术介绍
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，本专利技术提出了一种基 于神经网络的控制方法和系统。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稳定性理论的自适应控制算法确保了该方法的稳定性。另外，在速度环精 确参考模型的基础上，位置环控制器的设计也变得非常的简单，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，包括一个位置环控制器，用于接收一个位置误差，并产生一个速度指令；一个自适应控制器，用于接收所述速度指令、一个模型误差和一个伺服对象速度信号，并产生一个自适应控制器输出；一个参考模型，用于接收所述速度指令并产生一个参考模型输出；一个神经网络控制器，用于接收所述模型误差、和所述模型误差的微分，并输出一 个神经网络控制器输出；一个鲁棒项部分，用于接收所述模型误差信号，并产生一个鲁棒项输出；一个微分器，用于接收所述模型误差，并产生所述模型误差的微分；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。根据本专利技术的一个具体实施例，上述位置伺服系统进一步包括一个位置检测装置，用于检测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；一个速度检测装置，用于检测所述位置伺服系统的伺服对象的速度，从而生成所 述伺服对象速度信号；一个第一加法器，用于把所述控制对象位置输出和所述位置伺服系统所接收到的 一个位置指令相减，从而生成所述位置误差；一个第二加法器，用于把所述自适应控制器输出、所述神经网络控制器输出和所 述鲁棒项输出相加，从而产生所述控制信号；一个第三加法器，用于把所述伺服对象速度与所述参考模型输出相减，从而生成 所述模型误差。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进一步包括归一化部分， 用于对所述模型误差和所述模型误差的微分，得到相应的归一化结果xl，x2... χη ；将归一 化部分的输出xl，x2... χη通过输入矩阵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Cli ；加权求和部分，用于将隐层节点Cli (即高斯基函数)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的输出。其中，所述权 值的更新算法为化=-Zewi，其中，qi为该权值的对应输入(即该神经网络的隐层节点)， Y1为一个预设的神经网络学习速率，其取值为大于零的实数，这个数值依据不同的系统做 出相应的调整(需要说明的是该值一般在0之1之间取值，但是，对于所有的控制系统来 说，该值并不是越大越好，也不一定是越小越好，应该依据系统根据经验做出合理的选择)。 βω即是所述的模型误差，其表达式和神经网络权值更新算法详见下文推导。根据本专利技术的另一个方面，提供了 一种位置伺服方法，包括用一个位置环控制器接收一个位置误差并产生一个速度指令；用一个自适应控制器接收所述速度指令、一个模型误差和一个伺服对象速度信 号，并产生一个自适应控制器输出；用一个参考模型接收所述速度指令并产生一个参考模型输出；用一个神经网络控制器接收所述模型误差和所述模型误差的微分，并输出一个神 经网络控制器输出；用一个鲁棒项部分接收所述模型误差信号并产生一个鲁棒项输出；用一个微分器接收所述模型误差并产生所述模型误差的微分。根据本专利技术的一个具体实施例，上述位置伺服方法进一步包括借助一个伺服执行装置，在所述控制信号的控制下，进行伺服操作；6借助一个位置检测装置，检测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；借助一个速度检测装置，检测所述位置伺服系统的伺服对象的速度，从而生成所 述伺服对象速度信号；一个第一加法器，用于把所述控制对象位置输出和所述位置伺服系统所接收到的 一个位置指令相减，从而生成所述位置误差；一个第二加法器，用于把所述自适应控制器输出、所述神经网络控制器输出和所 述鲁棒项的输出相加，从而产生所述控制信号；一个第三加法器，用于把所述伺服对象速度与所述参考模型输出相减，从而生成 所述模型误差。附图说明图1是根据本专利技术的一个实施例的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实施例的位置伺服系统的示意图；图3是经典的“三环”结构的传统伺服系统的示意图。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理论结构如图2所示。该系统的控制 部分包括位置环控制器101、自适应控制器102、神经网络控制器104、和鲁棒项部分105。图2中的标号107表示该伺服控制系统的控制对象。控制对象的最基本部分为伺 服执行部分1071。实际情况中，控制对象107通常还可包括电流反馈部分1072和功率放大 部分1073。图2所示的实施例的伺服控制系统还包括位置检测装置108、速度检测装置109及 微分器106。1)位置环控制器101位置环控制器101的输入为位置指令和位置输出的差值，其输出为速度环指令r。 多种类型的控制器可以作为位置环控制器，例如PID控制器(比例、积分、微分控制器)和P 控制器(比例控制器)，但不仅限于这两种控制器。在本方案中推荐选用简单的P控制器， 其输入输出关系可以写为1~ = 1(1)(9(1-0本文档来自技高网...

【技术保护点】
一种位置伺服系统，包括一个位置环控制器（１０１），用于接收一个位置误差，并产生一个速度指令（ｒ）；一个自适应控制器（１０２），用于接收所述速度指令（ｒ）、一个模型误差（ｅ↓［ω］）和一个伺服对象速度信号（ω），并产生一个自适应控制器输出（ｕ↓［ｍｒａｃ］）；一个参考模型（１０３），用于接收所述速度指令（ｒ）并产生一个参考模型输出（ω↓［ｍ）；一个神经网络控制器（１０４），用于接收所述模型误差（ｅ↓［ω）、和所述模型误差的微分（＊），并输出一个神经网络控制器输出（ｕ↓［ｎ］）；一个鲁棒项部分（１０５），用于接收所述模型误差信号（ｅ↓［ω］），并产生一个鲁棒项输出（ｕ↓［ｒ］）；一个微分器（１０６），用于接收所述模型误差（ｅ↓［ω］），并产生所述模型误差的微分（＊）；一个伺服执行装置（１０７），用于在所述控制信号（ｕ）的控制下，进行伺服操作。

【技术特征摘要】
1.一种位置伺服系统，包括一个位置环控制器(101)，用于接收一个位置误差，并产生一个速度指令(r)； 一个自适应控制器(102)，用于接收所述速度指令(r)、一个模型误差(ej和一个伺服 对象速度信号(ω)，并产生一个自适应控制器输出(Umra。)；一个参考模型(103)，用于接收所述速度指令(r)并产生一个参考模型输出(ωω)； 一个神经网络控制器(104)，用于接收所述模型误差( )、和所述模型误差的微分 (、),并输出一个神经网络控制器输出(Un)；一个鲁棒项部分(105)，用于接收所述模型误差信号(e )，并产生一个鲁棒项输出(Ur)；一个微分器(106)，用于接收所述模型误差( )，并产生所述模型误差的微分( ω )； 一个伺服执行装置(107)，用于在所述控制信号(u)的控制下，进行伺服操作。2.根据权利要求1所述的位置伺服系统，其特征在于进一步包括一个位置检测装置(108)，用于检测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；一个速度检测装置(109)，用于检测所述位置伺服系统的伺服对象的速度，从而生成所 述伺服对象速度信号(ω)；一个第一加法器(110)，用于把所述控制对象位置输出和所述位置伺服系统所接收到 的一个位置指令相减，从而生成所述位置误差；一个第二加法器(111)，用于把所述自适应控制器输出(u J、所述神经网络控制器输 出(Un)和所述鲁棒项输出OO相加，从而产生所述控制信号(u)；一个第三加法器(112)，用于把所述伺服对象速度(ω)与所述参考模型输出(ωω)相 减，从而生成所述模型误差(e )。3.根据权利要求2所述的位置伺服系统，其特征在于所述神经网络控制器进一步包括归一化部分，用于对所述模型误差(eu)和模型误差的微分( ω )进行归一化，得到相应 的归一化结果(X1, X2- . . xn)；加权求和部分，用于将隐层节点( )乘以对应的权值(Wi)并求和，从而得到作为神经 网络的输出的加权求和结果，高斯基函数处理部分，用于将归一化部分的输出(Xl，X2- . . xn)经过输入矩阵(V)的运 算再经一个选取的高斯基函数处理，从而得到相应的所述隐层节点( )。4.根据权利要求3所述的位置伺服系统，其特征在于所述权值(Wi)的更新算法为 次=U,其中，Qi为该权值的对应输入，Y ！是一个预先设定的神经网络学习速率，βω是所述模型误差，其中Y1的取值为大于零的实数，其数值可以依据控制系统的不同特性进行调整。5.根据权利要求1所述的位置伺服系统，其特征在于所述鲁棒项部分(105)的输出表 达式为6.一种位置伺服方法，包括用一个位置环控制器(101)接...

【专利技术属性】
技术研发人员：扈宏杰，王林，战平，王希洋，吕博，
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]