【正文】 首先，在對三電機同步系統(tǒng)模型分析的基礎(chǔ)上，依據(jù)同步系統(tǒng)的結(jié)構(gòu)特點和控制要求，提出了一種 BP 神經(jīng)網(wǎng)絡(luò)算法與傳 統(tǒng) PID 控制相結(jié)合的三電機同步系統(tǒng)控制方案；其控制器由 三個 基于 BP 網(wǎng)絡(luò)自適應(yīng) PID 控制器和 一個 神經(jīng)元解耦補償器兩部分組成。三個 自適應(yīng) PID 控制器分別對速度控制回路和張力控制回路進行自適應(yīng)控制，使系統(tǒng)具有更強的適應(yīng)能力、更好的實時性和魯棒性；神經(jīng)元解耦補償器通過訓(xùn)練神經(jīng)元的權(quán)值，補償各回路之間的耦合影響，實現(xiàn)了速度和張力之間的解耦控制。實驗結(jié)果表明：與傳統(tǒng) PID 控制相比，采用神經(jīng)網(wǎng)絡(luò)控制的三電機同步系統(tǒng)具有更好的動靜態(tài)性能。從我國目前的張力設(shè)備來看，絕大部分仍沿用模擬張力型直流傳動方式，直流電機的控制方法簡單，調(diào)速方便，控制精度較高，但直流電機存在性能價格比差、維護費用高、轉(zhuǎn)速低和容量小等諸多難以克服的缺點。傳統(tǒng) PID 控制難以滿足精度高、反應(yīng)快、魯棒性好的要求，且參數(shù)的調(diào)整比較麻煩，往往需要根據(jù)現(xiàn)場情況結(jié)合實際經(jīng)驗進行多次調(diào)整。由于神經(jīng)網(wǎng)絡(luò)的非線性映射能力、自學(xué)習(xí)適應(yīng)能力、聯(lián)想記憶能力、并行信息處理方式及其優(yōu)良的容錯性能，使得它非常適合于電機控制系統(tǒng)這類復(fù)雜系統(tǒng)的建模與控制，特別是當(dāng)系統(tǒng)存在不確定性因素時，更體現(xiàn) 出神經(jīng)網(wǎng)絡(luò)控制方法的優(yōu)越性。人工神經(jīng)網(wǎng)絡(luò)的研究始于上世紀 40 年代初 ， 半個多世紀以來 ， 經(jīng)歷了漫長而曲折的發(fā)展道路。1984 年 ， Hiton 教授提出 Boltzman 機模型。他們給出了一種新的辨識與控制方案，以 multilayer 網(wǎng)絡(luò)與 recarrent 網(wǎng)絡(luò)統(tǒng)一的模型描述非線性動態(tài)系統(tǒng)，并提出了動態(tài) BP 參數(shù)在線調(diào)節(jié)方法。 1993 年 Yip 和 Pao 提出了一種帶區(qū)域指引的進化模擬退火算法，他們將進化策略引入?yún)^(qū)域指引，它經(jīng)過選優(yōu)過程，最終達到求解問題的目的。 Jenkins 等人研究光學(xué)神經(jīng)網(wǎng)絡(luò) ， 建立了光學(xué)二維并行互連與電子學(xué)混合的光學(xué)神經(jīng)網(wǎng)絡(luò) ， 它能避免網(wǎng)絡(luò)陷入局部最小值 ， 并最后可達到或接近最理想的解 ； SoleRV 等提出流體神經(jīng)網(wǎng)絡(luò) ， 用來研究昆蟲社會 ， 機器人集體免疫系統(tǒng) ， 啟發(fā)人們用混沌理論分析社會大系統(tǒng)。 1989年召開了全國第一屆神經(jīng)網(wǎng)絡(luò) 信號處理會議； 1990 年召開的第一屆神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)大會，開創(chuàng)了中國人工神經(jīng)網(wǎng)絡(luò)及神經(jīng)計算機方面科學(xué)研究的新紀元。目前，神經(jīng)網(wǎng)絡(luò)在控制領(lǐng)域已經(jīng)取得了以下幾個方面的進展 ： （ 1）基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辯識。 BP 網(wǎng)絡(luò)結(jié)構(gòu)簡單、 泛化能力強，應(yīng)用最為廣泛，但收斂速度慢和易陷入局部極小，已有許多學(xué)者提出了改進算法 [6][7]。 （ 3） 神經(jīng)網(wǎng)絡(luò)與其它算法相結(jié)合。在常規(guī)控制系統(tǒng)的設(shè)計中，常遇到求解約束優(yōu)化問題，神經(jīng)網(wǎng)絡(luò)為這類問題提供了有效的途徑。另外神經(jīng)網(wǎng)絡(luò)用于控制領(lǐng)域時間還不長，大部分研究停留在仿真和實驗階段，更缺乏深入的理論分析與證明，控制系 統(tǒng)的一些基本問題還尚待解決。這種應(yīng)用幾乎覆蓋了控制理論研究中的絕大多數(shù)問題[11~14]，主要有以下幾種形式： （ 1）系統(tǒng)的模擬和辨識：在被控系統(tǒng)輸入 /輸出映射為 11 映射的前提下，通過多層前饋網(wǎng)絡(luò)能夠提供該非線性被控對象的直接逆向模型。在以下幾種控制結(jié)構(gòu)中，多層前饋式神經(jīng)網(wǎng)絡(luò)的非線性擬合特性得到了應(yīng)用。它們之間的誤差被用作控制器網(wǎng)絡(luò)的訓(xùn)練，在這種模型結(jié)構(gòu)下，作為控制器的神經(jīng)網(wǎng)絡(luò)仍然起到的是逆?？刂频淖饔?。最優(yōu)決策控制 —— 這種控制模式中也用到了兩組神經(jīng)網(wǎng)絡(luò)。國際電工委員會 (IEC)于 1982 年 11月和 1986 年 1 月對 PLC 定義為：可編程序控制器 (programmable logical controller，簡稱 PLC)是一種數(shù)字運算操作的電子系統(tǒng)，專為在工業(yè)環(huán)境下應(yīng)用而設(shè)計。它在硬件上以“準計算機”的形式出現(xiàn)，在 I/O 接口電路上做了改進以適應(yīng)工控現(xiàn)場要求。因此，早期的 PLC 的性能要優(yōu)于繼電器控制裝置，其優(yōu)點是簡單易懂、便于安裝、體積小、能耗低、有故障顯示、能重復(fù)使用等。在軟件方面，除了保持原有的邏輯運算、計時、計數(shù)等功能以外，還增加了算術(shù)運算、數(shù)據(jù)處理、網(wǎng)絡(luò)通信、自診斷等功能。 20 世紀 90年代，隨著工控編程語言 IEC 611313 的正式頒布， PLC 在技術(shù)上取得新的突破。編程語言形象直觀，簡單易學(xué)，不易出錯，也不江蘇大學(xué)本科畢業(yè)論文 7 需要專門的計算機高級語言知識。已經(jīng)遠遠超過歷史意義上的可編程邏輯控制器的范疇。 當(dāng)各伺服電機之間存在速度、位置等約束時 ， 就需要采取適當(dāng)?shù)目刂撇呗詫Ω麟姍C的運轉(zhuǎn)進行協(xié)調(diào)控制。 第一章為緒論。 第五章分析神經(jīng)網(wǎng)絡(luò)控制方法的實驗效果，并與傳統(tǒng) PID 控制方 法進行比較，驗證神經(jīng)網(wǎng)絡(luò)控制方法的有效性和先進性。 但是 ， 實際上神經(jīng)網(wǎng)絡(luò)并沒用完全反映大腦的功能，只是對生物神經(jīng)網(wǎng)絡(luò)進行某種抽象 、 簡化和模擬 。神經(jīng)元由細胞及其發(fā)出的許多突起構(gòu)成 。 人工神經(jīng)元是對人腦神經(jīng)元的一種模擬與簡化 ， 它是 神經(jīng)網(wǎng)絡(luò)的基本處理單元。此時神經(jīng)元的輸出取 1或 0，反映了神經(jīng)元的興奮或抑制。 s 型函數(shù)定義如下： )ex p (1 1)( axxf ??? （ 25） 其中 a是 Sigmoid 函數(shù)的斜率參數(shù)，通過改變參數(shù) a，我們會獲得不同斜率的 Sigmoid 函數(shù) ，如圖 24所示。每個神經(jīng)元可以從前一層接受多個輸入，并只有一個輸出傳給下一層神經(jīng)元。所有的節(jié)點都是一樣的，它們之間都是相互連接的。例如，可以利用橫向抑制機理把某層內(nèi)具有最大輸出的神經(jīng)元挑選出來，從而抑制其 它 神經(jīng) 元，使之處于無輸出的狀態(tài)。而在相互結(jié)合網(wǎng)絡(luò)中，信號要在神經(jīng)元之間的反復(fù)傳遞，網(wǎng)絡(luò)處于一種不斷改變狀態(tài)的動態(tài)之中。神經(jīng)網(wǎng)絡(luò)應(yīng)用于控制系統(tǒng)設(shè)計主要是針對系統(tǒng)的非線性、不確定性和復(fù)雜性。 N N C被 控 對 象ueyy r圖 29 神經(jīng)網(wǎng)絡(luò)反饋系統(tǒng)控制結(jié)構(gòu)圖 其中， ry 表示期望輸出， y 表示系統(tǒng)實際輸出， u 表示控制器的輸出， e 表示系統(tǒng)誤差。在反饋控制系統(tǒng)中，神經(jīng)網(wǎng)絡(luò)作為控制器，它的工作原理如下： 設(shè)被控對象的輸入 u 和系統(tǒng)輸出 y 之間滿足如下非線性函數(shù)關(guān)系 )(ugy? （ 26） 控制的目的是確定最佳的控制量輸入 u，使系統(tǒng)的實際輸出 y 等于期望的輸出 ry 。由圖可見，BP網(wǎng)絡(luò)是一種具有三層或三層以上的神經(jīng)網(wǎng)絡(luò)，包括輸入層、隱含層和輸出層。隨著這種誤差反向的傳播修正不斷進行，網(wǎng)絡(luò)對輸入模 式響應(yīng)的正確率也不斷上升。即對于任何在閉區(qū)間內(nèi)的一個連續(xù)函數(shù)都可以用單隱含層的 BP 網(wǎng)絡(luò)逼近，因而一個三層 BP 網(wǎng)絡(luò)就可以完成任意的n維到 m維的 映射。首先使隱含層單元的數(shù)目可變，或者放入足夠多的隱含層單元，通過學(xué)習(xí)將那些不起作用的隱含層單元剔除，直到不可收縮為止。輸入樣本也同樣希望進行歸一化處理，使那些比較大的輸入仍落在傳遞函數(shù)梯度大的地方。這主要是由于學(xué)習(xí)速率太小造成的，可采用變化的學(xué)習(xí)速率或自適應(yīng)的學(xué)習(xí)速率加以改進。因此，網(wǎng)絡(luò)往往存在很大的冗余性，在一定程度上也增加了網(wǎng)絡(luò)學(xué)習(xí)的負擔(dān)。 電機 1 為主令電機 ， 電機 3 為從 動電機，各臺電機軸通過減速機與軋輥相連，軋輥間為連接皮帶，經(jīng)皮帶中央的浮動輥給皮帶施加張力。因此，要實現(xiàn)對三 臺電機的同步協(xié)調(diào)控制，就需要對系統(tǒng)中的速度和張力進行解 耦 。因此，根據(jù) 式（ 33）、（ 34） ，以主令電機 角速度和皮帶張力作為被控量，三臺變頻器的給江蘇大學(xué)本科畢業(yè)論文 20 定作為輸入，三電機同步系統(tǒng)的開環(huán)控制框圖如圖 32所示。 整個系統(tǒng)依然是一個 三輸入三 輸出系統(tǒng)，其中用于閉環(huán)控制的速度反饋信號由光電編碼器檢測，張力反饋信號由張力 傳感器檢測。 +P I D 212rrP I D 123rrP I D 3三電機同步控制系統(tǒng)++++1?3?*1r?12F23F*12F *23F1r?N N 2N N 1N N 33PK 3IK 3DK2PK 2IK 2DK1PK 1IK 1DK 1232?1u2u3u*1u*2u*3u1iW2iW3iW神 經(jīng) 元 解 耦 補 償 器 圖 34 神經(jīng)網(wǎng)絡(luò)控制 江蘇大學(xué)本科畢業(yè)論文 22 基于神經(jīng)網(wǎng)絡(luò)控制的三電機同步控制系統(tǒng)的構(gòu)建 經(jīng)典解耦控制理論和最優(yōu)控制方法都必須建立在對象精確數(shù)學(xué)模型的基礎(chǔ)上，而實際對象的數(shù)學(xué)模型往往難以得到，所以多變量系統(tǒng)的控制仍是一個難以解決的問題。 基于 BP 神經(jīng)網(wǎng)絡(luò)自整定 PID 控制器 傳統(tǒng) PID控制對于復(fù)雜非線性、參數(shù)時變系統(tǒng)不易在線實時整定參數(shù)，難以實現(xiàn)有 效的控制 ： 而神經(jīng)網(wǎng)絡(luò)能夠根據(jù)系統(tǒng)的運行狀態(tài)，通過神經(jīng)網(wǎng)絡(luò)的自身學(xué)習(xí)，在線調(diào)整 PID控制器的三個參數(shù)，使得給定性能指標最優(yōu)，能夠達到滿意的控制效果。所以 ， 我們可以用 BP神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練和學(xué)習(xí)來逼近 ()f? ，找到一個能使其取得最小值的 PK 、 IK 、 DK ， 即最優(yōu)控制規(guī)律。 輸出層的輸入輸出為 80012( ) ( )( ) ( )( ) ( 0 , 1 , 2)()()MJm jm jjMMmmMPMIMDne t k w v kv k g ne t kv k K mv k Kv k K?????? ?????????????? ????? （ 39） 式中， jmw —— 輸出層加權(quán)系數(shù)； 8mw —— 閥值 ， 8mw =m? ； ??g? —— 變換函數(shù)， 1() 1 exp( )gx x? ?? 采用以輸出誤差二次方為性能指標，其性能指標函數(shù)為 ? ?21 ( 1 ) ( 1 )2 rE y k y k? ? ? ? (310) 按照最快速度 下降法修正網(wǎng)絡(luò)的加權(quán)系數(shù)，即按 E 對加權(quán)系數(shù)的負梯度方向搜索調(diào)整，并附加一使搜索快速收斂全局極小的慣性項，則有 ( 1 ) ( )jm jmjmEw k w kw???? ? ? ? ? ?? (311) 江蘇大學(xué)本科畢業(yè)論文 25 式中， ? —— 學(xué)習(xí)速率； ? —— 慣性系數(shù)。( 1 ) ( ) ( )( 0 , 1 , 2 )( 1 ) ( )( 1 ) sg n ( )( ) ( )MJjm m j jmMMmm Mmw k v k w kmy k u ke k g n e t ku k v k?? ??? ? ? ? ???? ??? ? ? ????? ?? ??????? (317) 式中， ? ?39。 多變量自適應(yīng)神經(jīng)元解耦補償器 神經(jīng)元解耦補償器使用 的 神經(jīng)網(wǎng)絡(luò)將來自其他通道的耦合影響視為可測干擾進行補償，通過訓(xùn)練網(wǎng)絡(luò)權(quán)值，使神經(jīng)元解耦補償器與被控對象組成的廣義系統(tǒng)成為無耦合或耦合程度較小的系統(tǒng) [35][36][37] 如圖 34所示，神經(jīng)元解耦補償器采用在每對輸入輸出通道上設(shè)置一個單神經(jīng)元，每個神經(jīng)元有 3個輸入 ，均接受 3個自適應(yīng) PID控制器的控制信號 1u 、 2u 、 3u ，每個神經(jīng)元的輸出作為補償后的控制信號送至多變量系統(tǒng)，通過神經(jīng)元權(quán)值的修正達到解耦目的。 為使 iJ 達到最小，采用梯度下降法進行搜索 ： **( ) ( ) ( )( ( ) ( ) ) ( ( ) ( ) )( ) ( ) ( ) ( )i i i ii i i ii j i j i i jJ y k y k u kr k y k r k y kw k w k u k w k? ? ? ?? ? ? ? ? ?? ? ? ? (322) 由于對象參數(shù)未知，*()()iiykuk??不能直接計算，而*()()iiykuk??僅為()iijJwk??的一個相乘因子，其正負決定收斂的方向，其值只決定收斂速度，因此改用 ()iyk和 *()iuk的相對變化量的符號函數(shù)**( 1) ( )sgn ( ) ( 1)iiy k y ku k u k????近似代替*()()iiykuk??，而 * () ()()i jijuk ukwk? ??故 ： ( 1 ) ( )( 1 ) ( ) ( ( ) ( ) ) sgn ( ) ( )( ) ( 1 )1 ( )iiij ij i i jiiijy k y kw k w k r k y k u k i ju k u kw i j? ??? ? ? ? ? ?? ???? ??? (323) 其中， ? 為學(xué)習(xí)速率。下面進一步分析神經(jīng)元是如何減輕和消除多變量系統(tǒng)的動態(tài) 耦 合影響的。在無需任何先驗知識的情況下，神經(jīng)元權(quán)值初始矩陣設(shè)置為單位矩陣，通過選擇適當(dāng)?shù)膶W(xué)習(xí)速率，在運行過程中不斷修正權(quán)值達到在線解耦控制的目的。實驗條件下不能提供乳化液、防腐液、潤滑及散熱液體，也不能提供磨床不斷地對軋輥進行精加工，更不能提