第１０卷第４期２０１０年２月１６７１—１８１５（２０１０）４－０９００－０４科学技术与工程
ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇ
Ｖ０１．１０Ｎｏ．４Ｆｅｂ．２０１０
＠２０１０Ｓｃｉ．Ｔｅｃｈ．Ｅｎｇｎｇ．
计算机技术
基于模糊神经网络的滑模控制算法
裴硕肖军翟春艳白雪
（辽宁石油化工大学信息与控制工程学院，抚顺１１３００１）
摘要提出了一种基于模糊神经网络的积分滑模控制算法。该算法利用模糊神经网络系统来代替传统的等效控制项，消除了其对数学模型的依赖；切换控制项则采用积分型变切换增益，有效地削弱系统抖振。该算法以永磁同步电机伺服系统为对象进行仿真研究。仿真结果表明，该方法控制精度高，鲁棒性强，有效提高了系统的控制性能。
关键词模糊神经网络积分滑模控制变控制增益永磁同步电机
中图法分类号ＴＰ２７３．４；文献标志码Ａ
滑模变结构控制是一种非连续控制。由于滑动模态可以进行设计且与对象参数及扰动无关，使其具有很好的鲁棒性，但是传统的控制策略要求事先知道参数变动等不确定因素的边界值。同时，高频率的切换也产生了严重的抖振现象。近几年，随着智能控制算法的逐步发展，将滑模控制算法与智能控制算法结合，利用智能控制的自学习、自适应、自组织、进化等功能来调节滑模控制并控制其输出，已成为滑模控制一个重要研究方向。文献［１，２］提出了一种自适应模糊滑模的设计方案，用自适应模糊控制逼近滑模控制中的等效控制，解决由于不确定性及干扰的存在而不能准确确定等效控制的问题。文献［３］提出了一种基于模糊逻辑的边界层方法消除抖振，通过模糊逻辑，实现了边界层厚度的自适应调整。
本文将滑模变结构控制与模糊神经网络控制相结合，设计了模糊神经网络滑模变结构控制器。利用模糊神经网络来逼近系统的等效控制，解决由于结构参数变化对等效控制的影响。同时为了抑制因
２００９年１１月４日收到辽宁省教育厅科学研究计划
（２００４Ｄ０３１）资助第一作者简介：裴硕（１９８４一），女，河北省辛集市人，硕士研究生，研究方向：先进控制算法。滑模的切换产生的系统抖振，采用了积分型变切换增益‘４１的方法，使切换增益在逼近切换面的过程中逐渐减小。本文以永磁电机交流伺服系统为例，介绍了该滑模控制器的设计方法。
１模糊神经网络滑模控制器的设计
考虑如下的非线性系统：
日＝八ｐ，ｔ）＋ｇ（日，ｔ）ｕ（ｔ）＋ｄ（ｔ）（１）式（１）中八日，ｔ）和ｇ（ｐ，ｔ）为未知的非线性函数，ｇ（ｐ，ｔ）＞０，ｄ（ｔ）为夕｝加干扰。
跟踪误差为ｅ（ｔ）＝一＋（ｔ）一ｐ（ｔ）（２）式（２）中，ｐ’（ｔ）为参考输出，秽（ｔ）为实际输出。
本文滑模控制的切换面选择文献［５］中选用的切换面：
Ｉ
ｓ（ｆ）＝匆（ｔ）一Ｊ【舀。（ｔ）一Ｃｌ毒（ｔ）一ｃ２ｅ（ｔ）ｌｄｔ
套
（３）式（３）中ｃ。，ｃ：是常数。
选择滑模变结构控制器为：
’Ⅱ＝“ｑ＋Ｍ?ｏ
其中，ｕ。为等效控制，Ⅱ。为切换控制。
当系统运动到滑动平面时，；（ｔ）＝ｓ（ｔ）＝０，即
４期裴硕，等：基于模糊神经网络的滑模控制算法９０１
弓（ｔ）＋ｃｌｅ（ｔ）＋ｃ２ｅ（ｔ）＝０（４）
将（１）式代人（４）式，得滑模控制的等效控制为：Ⅱｑ＝赤【－火∞）一ｄ（ｔ）．＋匆‘－ｃｌ；一ｃ２ｅ】
（５）式（５）是在八口，ｔ），ｇ（ｐ，ｔ），ｄ（ｔ）都已知的前提下得出的理想等效控制律，但在实际控制中，由于八０，ｔ），ｇ（Ｏ，ｔ），ｄ（ｔ）是无法直接测得的，使得等效控制无法直接由（５）式获得，本文利用模糊神经网络输出‰来逼近等效控制％。
１．１等效控制器设计
系统采用四层双输入单输出的模糊神经网络控制器，以位置误差和“。的前一次输出作为控制器的输入，以ｕ。为控制器的输出。
设模糊系统有一组规则组成，采用单点模糊化，乘积推理和中心平均加权解模糊得到模糊系统的输出。
第一层，输入层：
∥＝“：＂；ｏ：”＝正¨。
第二层，模糊化层：采用高斯隶属函数；
路’＝ｕ：”；
。譬’＝ｅｘｐ（一半）。
其中ａ矗，ｂ矗分别是第ｋ个输入变量的第．『个模糊集合的高斯型隶属函数的均值和标准差，均为可调参数。
第三层，模糊条件层：采用乘积推理
巧３’＝０。（。２’Ｄ孑’；Ｄ扩’＝彤’。
第四层，解模糊化层：
∥ｋ莩∥哟；０（％参。
采用误差反传算法修正％，ａ矗，ｂＢ。
定义误差函数为：Ｅ（后）＝虿１（Ⅱｑ一五呵）２。
为了克服标准ＢＰ算法的缺点，本文采用添加动量项法和变步长方法。
网络连接权学习规则：
哟（｜ｊ｝＋１）＝哆（Ｉ｜｝）一丐（｜ｉ｝）画ＯＥ＋雎畸（露一１）；％（．｜｝＋１）＝％（｜｜｝）一∞（后）瓦ａＥ＋耻口“（七一１）；６“（矗＋１）＝６矗（后）一ａｊ（ｋ）瓦ＯＥ＋耻６“（Ｊ｝一１）；
其中，吩（后）为变学习步长，第三项为动量项。面ＯＥ＝瓦ＯＥ监０／（４）酉ａｌ（４）小节‘）。亩㈣面２瓦一面叫ｕ印咄甲卜可万哆“５
瓦ＯＥ＝ＯＥ。参筹等ａｔｏ（２）ａｕ—Ｌｕ，ｐ‘）×抛“一。ａＤ『３’ｄＤ；，抛“…～７＾ｎ：哆莩ｑ一手ｑｑ２（秽ｑ；）Ｄ；—矿节。瓦ＯＥ气ａＥ务器瓦ａｏｌ２，．＿（圹∞吣２ａｕ
瓯一。ａ嘶３’ａｏ沪碱。一¨单～印∥笱５
ｑ∑ｑ一∑哆ｇ
．．．．．．．．．』！．．．．．．．．．．．．．．．．．．．．．Ｊ：．．．．．．．一
（∑ｑ）２
Ｊ
由于ｕ叼无法直接求取，而ｕｑ—ｕ钾趋于０与滑模ｓ（ｔ）趋于Ｏ的控制效果相同，因此选用滑模面ｓ（ｔ）来代替ｕ唧一ｕ。［６１。
１．２切换控制器设计
滑模变结构控制虽然具有快速响应、对不确定性扰动不敏感等优点，但是它本身的切换控制不可避免的产生抖振问题。不仅影响系统的稳定性和跟踪精度，同时增加能量消耗。为了减弱抖振的影响，本文采用积分型切换增益，即引入ｓ（ｔ）的积分项，当ｓ（ｔ）趋近于０时，ｓ（ｔ）的积分也趋近于０，从而使切换增益在靠近滑模面时逐渐减少，从而消除抖振。
文献¨ｏ中选用的积分型切换项为：
叱＝一ＫｌＩＰｓｇｎ（ｓ（ｆ））；
‘
Ｐ＝Ｊｓ（ｔ）ｄｔＫｌ＞０”（６）
矗。
当不在滑动模态时，ｓ（ｔ）的值较大，所以ｓ（ｔ）的积分也较大，造成切换项的增益较大，因此文献【８１在（６）式的基础上做了如下修改，即在积分项中加入负的权值疋。
科学技术与工程
１０卷
ｐ＝，（砀＋ｓ（ｆ））ｄ‘；坞＜０
（７）
０
修改后在ｐ的表达式中，当ｐ＞０时，鳓＜０，当ｐ＜０时，砌＞０，有效避免了当系统不在滑动
模态阶段时切换项增益的过大。两者的比较如图ｌ，图２所示。
一＜
镰器辑
一＜
察器轻
时间ｆ，ｓ
图１修改前的积分切换增益
图２修改后的积分切换增益
３仿真研究
这里以永磁同步电机位置伺服为例，其动态方程为‘８１：
髫ｌ＝龙２；
Ｂ
．１．５Ｐ。妒，正
晚２—７：＋丁Ⅱ一了。
其中戈。和石：分别为电机的转角和角速度，Ｍ为控制
输入，电机极对数Ｐ。＝４，永磁体基波励磁磁场链过定子绕组的磁链砂ｒ＝０．８，粘滞系数Ｂ＝０．００２，转动惯量Ｊ＝０．００８ｋｇ?ｍ３负载转矩瓦＝１Ｎ?ｍ。假设位置指令信号为口＋＝０．２ｓｉｎ
ｆ７ｒｔ＋要１，外加干
、
Ｚ，
扰ｄ（ｔ）＝２００ｓｉｎ（２１ｒｔ）。取滑模控制面的ｃ。．＝１５０，ｃ２＝２００，系统初始状态为［Ｏ，０］，ｋｌ＝３０，
ｋ２＝一２５。
为了方便比较，在同样的条件下，对常规滑模变
结构控制进行仿真。
蜊赛篮鹾
图３跟踪轨迹曲线
时间ｆ／ｓ
图４跟踪误差曲线
图３是在相同的外加干扰和负载转矩条件下，
基于常规等效控制的滑模控制和基于模糊神经网络等效控制的滑模控制的正旋跟踪信号的比较曲线，
４期裴硕，等：基于模糊神经网络的滑模控制算法９０３
图４为两者的位置跟踪误差比较曲线。从图３、图４中可知，本文提出的控制策略能更好地消除外界干扰，有效地跟踪控制信号，同时有效地削弱了系统抖振。
４结论
本文设计了一种基于模糊神经网络的积分滑模控制器，将滑模控制与智能控制结合在一起，利用模糊神经网络的不依赖于对象的数学模型的优点，消除了等效控制器对数学模型的依赖；同时，采用变切换增益，减弱了系统抖振。以永磁电机交流伺服系统为控制对象的仿真结果表明，该控制器较好地消除了外界干扰，抑制了抖振，具有较强的鲁棒性。
参考文献
Ｉ刘云峰。缪栋．导弹电液伺服机构的自适应模糊滑模跟踪控制
电光与控制，２００７；１４（１）：７６—８０
２Ｃ，ｕａｎＰ．“ｕＸＪ。如ＪＺ．Ａｄａｐｔｉｖｅｆｕｚｚｙｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌｆｏｒｆｌｅｘｉｂｌｅｓａｔｅｌｌｉｔｅ．ＥｎｇｉｎｅｅｒｉｎｇＡｐｐｌｉｃａｔｉｏｎｓｏｆＡｒｔｉｔｌｅｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ。
２００５；１８（５）：４５１－－－－－４５９
３ＳｅｎｏｌＩ，ＤｅｍｉｒｔａａＭ，ＲｕｓｔｅｍｏｖＳ，ｅｌａ／．Ｐｏｓｉｔｉｏｎｃｏｎｔｒｏｌｏｆｉｎｄｕｃｔｉｏｎｍｏｔｏａｎｅ－＇ｗ—ｂｏｕｎｄｅｄｆｔｔｚｚｙｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌｌｅｒ．ＥｌｅｃｔｒｉｃａｌａｎｄＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，２００５；ｔ０（４）：１４５—１５７
４ＷｏｎｇＬＪ，地ＦＨＦ，ＴａｍｐＫＳ．ＡｃｈａｔｔｅｒｉｎｇｅＨｍｉｎａｆｉｏｎａｌＳｏｒｉｔｈｍｆｏｒｓｌｉｄｉｎｇｌ￥１０ｄｅｃｏｎｔｒｏｌｏｆｕｎｃｅｒｔａｉｎｎｏｎ—ｌｉｎｅａｒｓｙｓｔｅｍｓ．Ｍｅｃｈａｔｒｏｎ—ｉｃｓ，１９９８；８（７）：７６５—７７５
５部明，丛爽，徐娟．基于ＧＡ的非线性电机自适应模糊滑模控制器设计．系统仿真学报，２００８；２０（１２）：３１４ｌ—３１４５
６张远深，张文涛，徐正华．模糊神经滑模控制在气动位置伺服系统中的应用．机床与液压，２００８；３６（５）：５８－－－－６４
７ＴａｈａｒａＪＩ，ＴｍｂｏｉＫ，ＳａｗａｎｏＴ．ＡｎａｄａｐｔｉｖｅＶＳＳｃｏｎｔｒｏｌｍｅｔｈｏｄｗｉｔｈｉｎｔｅｇｒａｌｔｙｐｅ．ＳｗｉｔｃｈｉｎｇＧａｎ．ＰｒｏｃｅｅｄｉｎｇｏｆｔｈｅＵ同陋ＤＩｎｔｅｒｎａｔｏｎａｌＣｏｎｆｅｒｅｎｃｅＲｏｂｏｔｉｃｓａｎｄＡｐｐｌｉｆｉｏｎ，ｎ谢ｄａ，ＵｓＡ，２００１：１０６一１１ｌ
８李长红，陈明俊，吴小役．ＰＭＳＭ调速系统中最大转矩电流比控制方法研究．中国电机工程学报，２００５；２５（２１）：１６９一１７４
ＡｌｇｏｒｉｔｈｍｏｆＳｌｉｄｉｎｇＭｏｄｅＣｏｎｔｒｏｌＢａｓｅｄｏｎＦｕｚｚｙＮｅｕｒａｌＮｅｔｗｏｒｋ
ＰＥＩＳｈｕｏ，ＸＩＡＯＪｕｎ，ＺＨＡＩＣｈｕｎ－ｙａｎ，ＢＡＩＸｕｅ
（ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇ，ＬｉａｏｎｉｎｇＳｈｉｈｕａＵｎｉｖｅｒｓｉｔｙ，Ｆｎｓｈｕｎ１１３００１，Ｐ．Ｒ．Ｃｈｉｎａ）
［Ａｂｓｔｒａｃｔ］Ａｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋｉｎｔｅｇｒａｌｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌａｐｐｒｏａｃｈｗａｓｐｒｏｐｏｓｅｄ．Ａｉｍｅｄｔｏｍａｋｅｔｈｅｅｑｕｉｖａｌｅｎｔｃｏｎｔｒｏｌｌｅｒｉｎｄｅｐｅｎｄｅｎｔｏｆｔｈｅｏｂｊｅｃｔ’Ｓａｃｃｕｒａｔｅｍａｔｈｅｍａｔｉｃｍｏｄｅｌ，ｔｈｅｅｑｕｉｖａｌｅｎｔｃｏｎｔｒｏｌｌｅｒｗａｓｓｕｂｓｔｉｔｕ－ｔｅｄｂｙｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋｓｙｓｔｅｍｓ．Ｉｎｏｒｄｅｒｔｏｒｅｄｕｃｅｃｈａｔｔｅｒｉｎｇ，ｖａｒｉａｂｌｅｃｏｎｔｒｏｌｌｅｒａｄｏｐｔｅｓａｉｎｔｅｇｒａｌｖａｒｉａｂｌｅｇａｉｎ．ＩｔＷａｓｕｓｅｄｔｏｃｏｎｔｒｏｌｔｈｅｐｏｓｉｔｉｏｎ￥ｅＩ＇ｖｏｓｙｓｔｅｍｏｆＴｈｅＰＭＳＭ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｈａｓｗｅｌｌｔｒａｃｋｉｎｇｐｅｒｆｏｒｍａｎｃｅａｎｄｒｏｂｕｓｔｎｅｓｓ．
［Ｋｅｙｗｏｒｄｓ］ｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋｉｎｔｅｇｒａｌｓｌｉｄｉｎｇｍｏｄｅｌｖａｒｉａｂｌｅｃｏｎｔｒｏｌｇａｉｎＰＭＳＭ
基于模糊神经网络的滑模控制算法
作者：裴硕， 肖军， 翟春艳， 白雪
作者单位：辽宁石油化工大学信息与控制工程学院,抚顺,113001
刊名：
科学技术与工程
英文刊名：SCIENCE TECHNOLOGY AND ENGINEERING
年，卷(期)：2010，10(4)
被引用次数：0次
参考文献(8条)
1.刘云峰,缪栋.导弹电液伺服机构的自适应模糊滑模跟踪控制.电光与控制,2007;14(1):76-80
2.Guan P,Liu X J,Liu J Z.Adaptive fuzzy sliding mode control for flexible satellite.Engineering Applications of ArtificialIntellisence,2005 ;18(5):451-459
3.Senol I,Demirtas M,Rustemov S,et al.Position control of induction motoa new-bounded fuzzysliding mode controller.Electrical and Electronic Engineering,2005 ; 10(4):145-157
4.Wong L J,Leung F H F,Tamp K S.A chattering elimination algorithrn for sliding mode control of uncertain non-linear systems.Mechatronics,1998 ;8(7):765-775
5.郁明,丛爽,徐娟.基于GA的非线性电机自适应模糊滑模控制器设计.系统仿真学报,2008;20(12):3141-3145
6.张远深,张文涛,徐正华.模糊神经滑模控制在气动位置伺服系统中的应用.机床与液压,2008;36(5):58-64
7.Tahara J I,Tsuboi K,Sawano T.An adaptive VSS control method with integral type.Switching
Gan.Proceeding of the IASTED Internatonal Conference Robotics and Applition,Florida,USA,2001:106-111 8.李长红,陈明俊,吴小役.PMSM调速系统中最大转矩电流比控制方法研究.中国电机工程学报,2005;25(21):169-174
本文链接：https://www.doczj.com/doc/2811371849.html,/Periodical_kxjsygc201004012.aspx
授权使用：广东商学院图书馆(gdsxy)，授权号：9bbba6f4-9e84-4fc5-aa67-9e50009a5a8f
下载时间：2010年12月18日