【正文】 法進(jìn)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(jì)算，而*()()iiykuk??僅為()iijJwk??的一個(gè)相乘因子，其正負(fù)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。在無需任何先驗(yàn)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(yùn)行過程中不斷修正權(quán)值達(dá)到在線解耦控制的目的。 該多電機(jī)采用三機(jī)架結(jié)構(gòu)， 三臺(tái)鼠籠式交流電機(jī)分別拖動(dòng)三套軋輥，電機(jī)軸與軋輥之間使用行星擺線針輪減速機(jī)實(shí)現(xiàn) 15:1 的減速比，使用螺栓分別將電機(jī)軸 與軋輥進(jìn)行剛性連接，可以靈活的組成單機(jī)、雙機(jī)、三機(jī)實(shí)驗(yàn)系統(tǒng)。 江蘇大學(xué)本科畢業(yè)論文 29 第四章 三電機(jī)同步系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制的實(shí)現(xiàn) 三電機(jī)同步控制系統(tǒng)的硬件組成 課題實(shí)驗(yàn)中所用的三電機(jī)同步系統(tǒng)的實(shí)物照片如圖 41所示。 (2)神經(jīng)元解耦控制的工 作機(jī)理 神經(jīng)元解 耦 控制系統(tǒng)的解 耦 控制能力來自它內(nèi)部神經(jīng)網(wǎng)絡(luò)的非線性映射特性，在進(jìn)行訓(xùn)練學(xué)習(xí)時(shí)，它本身并不知道完成的任務(wù)是解 耦 還是控制，它只是根據(jù)目標(biāo)函數(shù)的要求，完成包含對象在內(nèi)的系統(tǒng)輸入到系統(tǒng)輸出的映射。0( 1 ) ( ) ( )( 0 , 1 , , 7 )( ) ( )JIij j i ijJ J Mj j m jmmw k v k w kjf n e t k w k? ? ????? ? ? ? ???? ???? ??? ? (318) 江蘇大學(xué)本科畢業(yè)論文 26 式中， 39。輸入節(jié)點(diǎn)對應(yīng)于系統(tǒng)的運(yùn)行狀態(tài)量，輸出節(jié)點(diǎn)分別對應(yīng)于 PID控制器的三個(gè)可調(diào)參數(shù) PK 、 IK 、 DK ， 由于 PK 、 IK 、 DK 不能為負(fù)，所以輸出層神經(jīng)元的變換函數(shù)取非負(fù)的 Sigmoid函數(shù)，而隱含層神經(jīng)元的變換函數(shù)可取正負(fù)對稱的 Sigmoid函數(shù)。 本文針對 三 輸入、 三 輸出的 三 電機(jī)同步控制系統(tǒng)，設(shè)計(jì)了一種結(jié)合了 BP神經(jīng)網(wǎng)絡(luò) Pk ， Ik ， Dk 參數(shù)自學(xué)習(xí) PID控制器和自適應(yīng)神經(jīng)元解耦補(bǔ)償器的多電機(jī)神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)，其結(jié)構(gòu)圖如圖 34所示。 變 頻 器 1+ 電 機(jī) 1變 頻 器 1+ 電 機(jī) 1222pkrn11 1KTs ?111pkrn變 頻 器 1+ 電 機(jī) 1333pkrn22 1KTs ?++*3?*2?*1? 1r?12F23F 圖 32 三變頻調(diào)速電機(jī)開環(huán)控制框圖 三電機(jī)同步系統(tǒng)的傳統(tǒng) PID閉環(huán)控制 +P I D 212rrP I D 113rrP I D 3三電機(jī)同步控制系統(tǒng)++++3?1?2?*1r?12F23F*12F*23F1r? 圖 33 傳統(tǒng) PID閉環(huán)控制結(jié)構(gòu)圖 傳統(tǒng) PID閉環(huán)控制框圖如圖 33所示。 根據(jù)虎克定律，考慮前滑量，張力具有以下的形式 [27][28]： . 1121 1 1 2 2 2 1 21 1 2 111()rrpp AVAEF r k r k FL n n L??? ? ? 1 1 21 1 1 2 2 21 1 2 111()rrppKFr k r kT n n T??? ? ? (31) . 2232 2 2 3 3 3 2 32 2 3 211()rrpp AVAEF r k r k FL n n L??? ? ? 232 2 2 2 3 3 32 2 3 211()rrppFK r k r kT n n T??? ? ? (32) 式中 ： 11K EV? 與 22K EV? 為傳遞系數(shù) ； 1 1 1T L AV? 與 2 2 2T L AV? 為張力變化常數(shù) ； 江蘇大學(xué)本科畢業(yè)論文 19 12F 為 電機(jī) 電機(jī) 2之間 皮帶的張力 ； 23F 為 電機(jī) 電機(jī) 3之間 皮帶的張力 ； 1r ， 1k 為第 1臺(tái)皮帶輪 （ 軋輥 1） 的半徑、速比 ； 2r ， 2k 為第 2臺(tái)皮帶輪 （ 軋輥 2） 的半徑 、 速比 ； 1r? ， 2r? ， 3r? 分別 為 電機(jī) 電機(jī) 2和電機(jī) 3的電氣角速度 ； 1pn ， 2pn ， 3pn 分別為電機(jī) 電機(jī) 2和電機(jī) 3的的極對數(shù) ； A 為皮帶的截面積 ； E 為皮帶的楊氏彈性模量 ； 1L 為 電機(jī) 2機(jī)架 之間 的距離 ， 2L 為 電機(jī) 3機(jī)架 之間 的距離 ； 1V 與 2V 為期望的速度。對于這個(gè)問題，可以采用附加動(dòng)量法解決。 （ 3） 初始值的選取 由于系統(tǒng)是非線性的，初始值對于學(xué)習(xí)能否達(dá)到局部最小和是否能夠收斂的結(jié)果關(guān)系很大。如果輸入是模擬信號波形，那么輸入層可以根據(jù)波形的采樣點(diǎn)數(shù)目決定輸入單元的維數(shù)，也可以用一個(gè)單元輸入，這時(shí)輸入樣本為采樣的時(shí)間序列 ； 如果輸入為圖像，則輸入單元可以為圖像的像素，也可以是經(jīng)過處理的圖像特征。 由于要采用神經(jīng)網(wǎng)絡(luò)控制的被控對象一般是復(fù)雜的且多有不確定性，因此非線性函數(shù) g(x)是難以建 立的，可以利用神經(jīng)網(wǎng)絡(luò)具有逼近非線性函數(shù)的能力來模擬 )(1 xg? ，盡管 g(x)的形式未知，但通過系統(tǒng)的實(shí)際輸出 y 與期望輸出 ry 之間的誤差來調(diào)整神經(jīng)網(wǎng)絡(luò)中的連接權(quán)值，即讓神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，直至誤差0??? yye r 的過程就是神經(jīng)網(wǎng)絡(luò)模擬的過程，它實(shí)際上是對被控對象的一種求逆過程，這就是神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)直接控制的基本原理。 反饋控制系統(tǒng)結(jié)構(gòu)圖如圖 29 所示，其中神經(jīng)網(wǎng)絡(luò)在反饋控制系統(tǒng)中直接充當(dāng)控制器。 Hopfield 網(wǎng)絡(luò)和 Boltzmann 機(jī)均屬于這種類型。感知機(jī)網(wǎng)絡(luò)和 BP 神經(jīng)網(wǎng)絡(luò)均屬于前向網(wǎng)絡(luò)。 江蘇大學(xué)本科畢業(yè)論文 11 f ( x )0 1 1 11x 圖 23 分?jǐn)嗑€性函數(shù) （ 3） Sigmoid 函數(shù) Sigmoid 函數(shù) 也稱 s型函數(shù)。突起的作用是傳遞信息，作為輸入信號的若干個(gè)突起 ， 稱為樹突 ； 作為輸出端的突起只有一個(gè) ， 稱為軸突。 江蘇大學(xué)本科畢業(yè)論文 9 第二章 神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ) 神經(jīng)網(wǎng)絡(luò)模型 神經(jīng)網(wǎng)絡(luò)是指由大量與生物神經(jīng)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)細(xì)胞相類似的人工神經(jīng)元互相連接而組成的網(wǎng)絡(luò) ； 或由大量像生物神經(jīng)元的處理單元并聯(lián)互連而成 ， 這種神經(jīng)網(wǎng)絡(luò)具有某些智能和仿人控制功能 。 Kulkarni 和 Srinivasan 詳細(xì)分析了交叉耦合補(bǔ)償江蘇大學(xué)本科畢業(yè)論文 8 控制策略 ， 并于 1989 年提出了最優(yōu)控制方案 ； Tomizuka 等又將自適應(yīng)前饋控制 用于交叉耦合控制器中 ， 以提高瞬間響應(yīng)和抗干擾能力 [24]； Koren 和 Lo (1991 ,1992) 針對一般性的軌跡曲線提出了變增益交叉耦合控制 ； 近年來 ， 又有許多科學(xué)工作者把魯棒控制、變結(jié)構(gòu)控制、模型參考自適應(yīng)控制、神經(jīng)網(wǎng)絡(luò)與遺傳算法 等 大批的現(xiàn)代控制理論的控制方法應(yīng)用到 多電機(jī)協(xié)調(diào)控制中 ， 取得了很好的效果。 (4）有較強(qiáng)的控制功能和驅(qū)動(dòng)能力。 20 世紀(jì) 80年代，由于超大規(guī) 模集成電路技術(shù)的迅速發(fā)展，微處理器價(jià)格大幅度下跌，使得各種類型的 PLC 所采用的微處理器的檔次普遍提高。另外，還采取了一些措施，以提高抗干擾能力。 PLC 的發(fā)展概況 1969 年美國數(shù)字設(shè)備公司 (DEC)，研制出世上第一臺(tái) PLC，并在 GM 汽車生產(chǎn)線上應(yīng)用成功。直接逆?？刂?—— 神經(jīng)網(wǎng)絡(luò)在其中被用于建立被控對象的逆向模型，并當(dāng)被控對象參數(shù)變化時(shí)進(jìn)行在線的學(xué)習(xí)調(diào)整，使該種控制器具有一定的魯棒特性。目前的神經(jīng)網(wǎng)絡(luò)，尤其是在線學(xué)習(xí)不能滿足要求，所以需要從自身方面改進(jìn)或?qū)⑸窠?jīng)網(wǎng)絡(luò)與各種控制方法有機(jī)結(jié)合進(jìn)行改進(jìn)，如神經(jīng)網(wǎng)絡(luò)與經(jīng)典控制結(jié)構(gòu)和算法的綜合應(yīng)用或與其它智能算法的結(jié)合，將會(huì)有很廣闊的發(fā)展空間。江蘇大學(xué)本科畢業(yè)論文 4 例如神經(jīng)網(wǎng)絡(luò) PID 控制器 [9]，證明有效改善控制品質(zhì)?？稍谝阎Ｒ?guī)模型結(jié)構(gòu)的情況下，估計(jì)模型的參數(shù)。 我國的神經(jīng)網(wǎng)絡(luò)研究起步較晚，始于 80 年代末，主要在應(yīng)用領(lǐng)域開展了一些基礎(chǔ)性工作。 1993 年誕生了國際性雜志 Evolutionary Computation。 神經(jīng)網(wǎng)絡(luò)的發(fā)展大致經(jīng)過三個(gè)階段 [2]： 1947～ 1969 年為初期 ， 在這期間科學(xué)家們提出了許多神經(jīng)元模型和學(xué)習(xí)規(guī)則 ， 如 MP 模型、 HEBB 學(xué)習(xí)規(guī)則和感知器等 ； 1970～ 1986 年為過渡期 ， 這個(gè)期間神經(jīng)網(wǎng)絡(luò)研究經(jīng)過了一個(gè) 繼續(xù)發(fā)展低潮 。特別是經(jīng)歷了 近 20 多年 的迅速發(fā)展，在很多應(yīng)用領(lǐng)域都取得了顯著的進(jìn)展。高性能的多 電機(jī)同步協(xié)調(diào)控制可 以提高紡織、冶金、機(jī)械、造紙等行業(yè)產(chǎn)品的質(zhì)量和成品率。 J I A N G S U U N I V E R S I T Y 本 科 畢 業(yè) 論 文 基于 S7300 PLC 的神經(jīng)網(wǎng)絡(luò)三電機(jī) 控制系統(tǒng) Threemotor Synchronous System with Neural Network Control Based on S7300 學(xué)院名稱： 電氣學(xué)院 專業(yè)班級： 自動(dòng)化 0501 學(xué)生姓名： 指導(dǎo)教師姓名： 指導(dǎo)教師職稱： 教 授 2021 年 6月 江蘇大學(xué)本科畢業(yè)論文 I 基于 S7300 PLC 的神經(jīng)網(wǎng)絡(luò)三電機(jī)控制系統(tǒng) 專業(yè)班級：自動(dòng)化 0501 學(xué)生姓名： ** 指導(dǎo)教師： *** 職稱：教授 摘要 本文針對交流感應(yīng)電機(jī)同步控制系統(tǒng)多變量解耦 控制問題 ， 應(yīng)用神經(jīng)網(wǎng)絡(luò)控制方法 ， 對由三臺(tái)交流電機(jī)和變頻器組成的三電機(jī)同步系統(tǒng)的速度和張力解耦控制進(jìn)行研究。 關(guān)鍵詞 ： 三電機(jī)同步系統(tǒng) BP 神經(jīng)網(wǎng)絡(luò) 速度 張力 江蘇大學(xué)本科畢業(yè)論文 II Threemotor Synchronous System with Neural Network Control Based on S7300 Abstract The paper focuses on the muftivariable decoupling control of synchronization system of the AC induction motors. With the application of neural work control method, we make researches on the decoupling control between the velocity and tension of the threemotor synchronization system posed of three AC induction motors and transducers. Firstly, On the basis of model analysis of the threemotor synchronization system, according to the structural character and controlling requests of the synchronization system, we propose a control strategy of the threemotor synchronization system bined with BP neural works arithmetic and traditional PID control. The neural works controller is made up of three adaptive PID con