基于Elman神经网络的永磁直线同步电机互补滑模控制

赵希梅  金鸿雁

DOI:10.19595/j.cnki.1000-6753.tces.170881

01

导语

针对永磁直线同步电机(PMLSM)易受系统参数变化、外部扰动和摩擦力等不确定性因素影响而降低伺服系统控制性能的问题,提出了一种Elman神经网络互补滑模控制方法。

02

研究(项目)背景

近年来,随着电力电子技术、纳米技术和数控技术的进步,高精密伺服加工领域也在不断发展。直线电机制造和控制技术的进步使其在精密仪器仪表、航空航天、数控加工等高速度、高精度制造行业倍受关注。

虽然PMLSM通过消除中间环节的机械结构可直接获得直线运动,产生较大推力,减小机械损耗,但系统参数变化、摩擦力变化、负载扰动等不确定性因素将不经衰减地作用在电机动子上,增加了系统的控制难度。尤其是在高速度、高精度的数控加工领域,伺服系统应满足的要求越来越高。

为解决系统存在的问题,满足系统控制要求,必须选取合适的控制方法以实现直线电机的高精度伺服控制。

03

论文所解决的问题及意义

针对PMLSM中存在不确定性因素而影响伺服系统性能的问题,提出一种Elman神经网络互补滑模控制方法。互补滑模能够提高系统暂态响应并减小跟踪误差。为了更加准确地估计不确定性因素的值,并改善抖振现象,将Elman神经网络引入控制系统。Elman神经网络有良好的动态特性,能够记忆前一时刻的信息并反馈给隐含层,提高系统处理动态信息的能力。

实验结果表明,Elman神经网络互补滑模控制与互补滑模控制相比,不仅改善了系统的位置跟踪性能,还提高了系统的鲁棒性能。

04

论文方法及创新点

本文提出一种Elman神经网络互补滑模控制方法,该方法将Elman神经网络和互补滑模控制相结合。互补滑模控制是在常规滑模控制的基础上增加一个广义误差滑模面,不仅可以减少系统状态达到滑模面的时间,又能保证系统的跟踪精度。但是,在实际应用中互补滑模控制的切换增益和边界层厚度的值很难选取。

为对系统中不确定性因素的值进行估计,并削弱滑模控制的抖振现象,采用Elman神经网络估计器替代滑模控制中的切换控制,降低不确定性因素对伺服控制系统的影响,进一步提高系统的鲁棒性。

05

结论

为解决PMLSM易受参数变化、负载扰动和摩擦力等不确定性因素影响而降低系统控制性能的问题,利用滑模控制鲁棒性强和神经网络控制自适应学习能力强的特点,提出一种Elman神经网络互补滑模控制方法。互补滑模控制用来提高控制系统的鲁棒性,Elman神经网络用来估计系统中存在的不确定因素的值。

实验结果表明,所提出的控制方法有效可行,在不同给定信号下,无论是在稳态条件还是在加入扰动状态下,Elman神经网络互补滑模控制都能有效减小系统的位置误差,改善抖振问题,提高伺服系统的跟踪性能和鲁棒性能。

引用本文

赵希梅, 金鸿雁. 基于Elman神经网络的永磁直线同步电机互补滑模控制[J]. 电工技术学报, 2018, 33(5): 973-979.

Zhao Ximei, Jin Hongyan. Complementary sliding mode control for permanent magnet linear synchronous motor based on Elman neural network[J]. Transaction of China Electrotechnical Society, 2018, 33(5): 973-979.

作者简介

赵希梅   女,1979年生,副教授,博士生导师,长期从事电机控制、智能控制和机器人控制等方面科研工作。先后主持和参与完成了多项国家自然科学基金项目、辽宁省自然科学基金计划重点项目、辽宁省博士启动基金项目等课题,取得了一些有理论意义和应用价值的研究成果。目前已发表SCI/EI期刊论文50余篇,获授权发明专利15项,出版编著2部。相关研究曾获得辽宁省教学成果二等奖和辽宁省科技进步三等奖等多项奖励。

金鸿雁  女,1993年生,博士研究生,研究方向为电机控制,智能控制等。

(0)

相关推荐