直線電機運動系統(tǒng)的參數辨識技術研究.pdf

1、直線電機系統(tǒng)的伺服性能與控制策略密切相關。能否建立恰當的控制模型則是控制策略成敗的關鍵。本文針對直線電機運動系統(tǒng)特點,在系統(tǒng)建模和控制優(yōu)化方面進行了研究。
　　在建立直線電機運動系統(tǒng)原理圖的基礎上,利用機理分析,推導了各個系統(tǒng)控制環(huán)節(jié)的傳遞函數,綜合整理得到整個系統(tǒng)的傳遞函數及其控制結構圖。并根據傳遞函數,進一步分析了影響直線電機運動系統(tǒng)建模精度的因素,比如非線性摩擦力、直線電機特有的端部效應,以及其他一些無法確定的干擾因素等等。

2、因此得出結論:用理論分析得到的數學模型,并不能充分描述運動控制系統(tǒng)的真實狀況。
　　綜合比較了常用于非線性系統(tǒng)的模型類之后,確定采用優(yōu)點突出的神經網絡拓撲結構作為直線電機運動系統(tǒng)的模型。介紹了神經網絡結構設計的要點,推導了基于Levenberg-Marquardt數值優(yōu)化方法的BP網絡訓練算法。為了避免神經網絡的訓練陷入局部極小值,結合單純形法進行了全局優(yōu)化:單純形的不同頂點代表BP網絡結構不同的初始權值和閾值,通過優(yōu)化單純形的頂

3、點來改變網絡連接權值和閾值的初始值,然后通過LMBP算法來訓練優(yōu)化這些連接權值和閾值。采用以上建模算法,仿真了一個含有死區(qū)的非線性系統(tǒng),結果表明:該算法具有良好的辨識效果。
　　針對神經網絡的訓練工作量大、耗時長,引入快速系統(tǒng)辨識算法,即對增廣遞推最小二乘法進行了改進,作為系統(tǒng)性能檢驗或故障診斷時的補充。利用伴隨微分方程法分析了該遞推算法的收斂性。并采用多次單獨計算機仿真,用統(tǒng)計的方法說明了在保持辨識精度和收斂速度的同時該算法改善

4、了運算量,降低了時間消耗。
　　以直線電機系統(tǒng)為研究對象,從系統(tǒng)辨識試驗設計著手,設計了合理的辨識信號和辨識方式,并利用開環(huán)系統(tǒng)的簡化機理模型確定了神經網絡模型結構,實現了以上建模的算法和思想。
　　以獲取的神經網絡模型為依據,選取前饋+PID負反饋復合控制作為直線電機運動系統(tǒng)的調節(jié)器;用神經網絡來訓練優(yōu)化PID控制器三個系數的組合,并根據不變性原理,采用系統(tǒng)的神經網絡逆模型作為前饋控制器。試驗表明,該控制方案具有良好的控制