基于模糊RBF神经网络的无刷直流电机调速控制
- 格式：pdf
- 大小：213.26 KB
- 文档页数：3
ｅ ） ＝ ｎ ） 一ｎ ） （ （ （ （） １
能弥补模糊控制的 自学 习或 自适应 性 ， 能处理模 糊 数据 和经典数据 ， 能够实现模 糊控制等功能 ， 并通 过 模糊控制的规则 ， 很容易 地表达 出来 。可 见把模糊 控制和神经网络 自学 习能力相结 合 ， 以提高整个 可 系统 的学习和表示能力 。 。如此 针对无 刷直流 电 机调速系统的控制 ， 设计 的模糊 Ｒ Ｆ神经 网络 ＰＤ Ｂ Ｉ
ＰＤ控制参数 ， Ｉ 达到对转速跟 随控制 。同时 自适应 网络 对整 个 系统的动 态性 能起 到 了改善 作用。仿真结 果表 明
该 方 法 具 有很 好 的控 制 效 果 。
关键词 ： 模糊 Ｒ Ｆ神经 网络 ；Ｉ 无刷直流 电机 Ｂ ＰＤ；
中 图分 类号 ： Ｐ ７ 文 献 标 识 码 ： 文 章 编 号 ： ０ ０３ ３ （０ ０ ０ － ８ ４３ Ｔ ２３ Ａ １０ —９２ ２ １ ）７０ ４３ ０ １ 引 言
设计一个具有七个 模糊标记 ， 也就是由 ４ ９条控 制规则构成 的 Ｆ Ｎ控制器 ， Ｎ 网络结构如 图 ２所示为
２７ ３型 网络模型 ， － ． 一共具 有四层 ： 输人 层 、 模糊 化 层、 隐含层 、 出层 。其实把 前面两层合并后 ， 只 输 就 有三层 ， 这与模糊控制 中的模 糊化 、 规则推理 以及 反 模糊化正好相对应 ， 具有 明显的模糊逻辑意义 。
２ 模 糊 砌 神 经 网络 的构 建
目前对无 刷直流 电机的速度调节采用的是线性 模 型 ＰＤ控制器 ， Ｉ 尽管调节性 比较好 ， 因其三个参 但 数是 固定的、 不能修 正 ， 导致 当环境 因素 、 电机参数 变化时调节能力不是很 强 ， 加上无刷 直流 电机的反
电动势 波形 是 １０ 电角 度 的 平 顶 波 形 （ 是 理 想 波 ２。 这
第 ７期
卿启 新等． 于模糊 Ｒ Ｆ神 经网络的无刷直流 电机调速控制 基 Ｂ
・８ ５・
小、 、 零 正小 、 正中、 正大。传递 函数也就是隶属度 函
数采 用 Ｓ ｍ ｉ ｉ ｏ ｇ ｄ型函数 ：
， ） ：Ｓ ｍ ｉ ＝ １（ （ ｉ ｏ ｇ ｄ（） ／ １＋ｅ ） （） ３
卿启 新 ， 汉 民， 晓武 ， 叶 杨 时晓 霞
（ 桂林理工大学 机械与控制工程学院 ， 西 桂林 ５ １０ ） 广 ４ ０ ４
摘要 ： 针对无刷直流 电机的速度控制 ， 把模糊控制与神经网络原理相 结合 ， 出了基 于模糊 Ｒ Ｆ神经 网络 提 Ｂ
的 ＰＤ控 制 方 法 ， 网络 具 有 自适 应性 。利 用最 小均 方 差 来 调 整 网络 的权 值 ， 径 向基 函数 快速 收 敛 ， 得 较 佳 Ｉ 该 使 获
（ ，） 量化 因子分别 为 、 一ｂ ６ ，
变量模糊论域为
Ａ、 ｅｅ＝ ｛ ， ， ，， ， ， ｝量化后变换到语 一６ 一４ 一２０ ２ ４ ６ ，
言变量论域中 ， 并相应于论域的具体元 素。 输入信号
Ａ、 ｅｅ对应 产 生 七个 模 糊 子集 为 ｛ Ｂ， Ｍ， Ｓ Ｚ Ｎ Ｎ Ｎ ，Ｅ，
富 ， 有 可 能使 系 统 控 制 存 在 缺 陷 。 而 神 经 网络 却 这
图 ２ 模 糊 Ｒ Ｆ神 经（） １ 信号输入 层。该 层有 两个 节点 ， 通过 给定 转速 ｎ 以及采样得 到 ｎ的测 量值 ， ， 将相减 得到 的
速度误差 ｅ 以及它的变化率 △ 作 为输入信号 ， ： ｅ 即
控 制 图如 图 １ 示 。 所
△（ ）＝ 七 （ ）一ｅ 五一１ （ ）
（） ２
传递函数 为 ｇ ）＝ （ 。 （） ２ 模糊归一量化层 ， Ｒ Ｆ神经网络输 入层 。 即 Ｂ
该 层 共 有七 个 节 点 。输 入信 号 △ 进 行 量 化 有 七 个 ｅ
节点 ， 进行量 化 也是 七 个节 点 。 基本 论 域 均为 ｅ 设
Ｐ ， Ｍ， Ｂ｝ 子集 中元素依 次代表 ： ＳＰ Ｐ ， 负大 、 中、 负 负
收稿 日期 ：０ ００ ￣２ 修改稿 ） ２ １－４ （
基 金 项 目 ：广 西 区 ２０ 年 度 研 究 生 创 新 项 目 基 金 ０９
图 Ｉ 模糊 Ｒ Ｆ神经网络控制框图 Ｂ
（０ ９ ０９ ０ １ ２ ） ２ ０ １５ ６ ８ Ｍ ３ １
形， 这跟 实际有 区别 ） 同时还有 电感 、 变器等 各 ， 逆 个非线性器件在环 境 中变得 比较重要 时 ， 无刷直 流 电机 的非线性也就 突显 出来 ， 速也就跟 着变得不 转 稳定 。所以以一组 固定 不变 的 ＰＤ参数 去适 应被 Ｉ 控对象参数变化 、 负载干扰等因素 ， 显然难以达到理 想的控制效果 ， 需要 寻求新 的控制 策略来满 足无 刷 直流电机调速控制系统的高精度要求 。 模糊神经网络是模糊 控制与神 经网络 的结 合 ， 它们具有互补性 。模糊控制缺乏在线或离线 自学 习 或 自调整的能力 ， 一切 都靠专 家的知识经 验或现场 操作来制定模糊规则 ， 然后根据模糊规则进行推理 ， 这跟经验有关 ， 如果认 识 的程度 不深 ， 经验 不丰 或
研 究 与 应 用
化 动 及 表，０ ，７７： —６ 工自 化 仪 ２ ０ ３（）４ ８ １ ８
Ｃｏ ｔ ｌ ｎ ｎ ｔ ｍｅ ｔ ｎ Ｃｈ ｍｉａ ｎ ｕ ｔ ｎｒ ｄ Ｉ ｓｒ ｏａ ｕ ｎ ｓ ｉ ｅ ｃ ｌＩ ｄ ｓｒ ｙ
基 于 模 糊 Ｒ Ｆ神 经 网 络 的 无 刷 直 流 电 机 调 速 控 制 Ｂ
∑ １） Ａ ） （， ｘ ｊ
ｌ 。＝ 。 『 ｆ：
确定量 化因子 ：
６
＝ ，
∑ｗ２） ｆ ） （， ｘ（ ｊ
∑ｗ３ ） ｆ ） （√ ｘ（ ｊ
（ ７ １）
：
能弥补模糊控制的 自学 习或 自适应 性 ， 能处理模 糊 数据 和经典数据 ， 能够实现模 糊控制等功能 ， 并通 过 模糊控制的规则 ， 很容易 地表达 出来 。可 见把模糊 控制和神经网络 自学 习能力相结 合 ， 以提高整个 可 系统 的学习和表示能力 。 。如此 针对无 刷直流 电 机调速系统的控制 ， 设计 的模糊 Ｒ Ｆ神经 网络 ＰＤ Ｂ Ｉ
ＰＤ控制参数 ， Ｉ 达到对转速跟 随控制 。同时 自适应 网络 对整 个 系统的动 态性 能起 到 了改善 作用。仿真结 果表 明
该 方 法 具 有很 好 的控 制 效 果 。
关键词 ： 模糊 Ｒ Ｆ神经 网络 ；Ｉ 无刷直流 电机 Ｂ ＰＤ；
中 图分 类号 ： Ｐ ７ 文 献 标 识 码 ： 文 章 编 号 ： ０ ０３ ３ （０ ０ ０ － ８ ４３ Ｔ ２３ Ａ １０ —９２ ２ １ ）７０ ４３ ０ １ 引 言
设计一个具有七个 模糊标记 ， 也就是由 ４ ９条控 制规则构成 的 Ｆ Ｎ控制器 ， Ｎ 网络结构如 图 ２所示为
２７ ３型 网络模型 ， － ． 一共具 有四层 ： 输人 层 、 模糊 化 层、 隐含层 、 出层 。其实把 前面两层合并后 ， 只 输 就 有三层 ， 这与模糊控制 中的模 糊化 、 规则推理 以及 反 模糊化正好相对应 ， 具有 明显的模糊逻辑意义 。
２ 模 糊 砌 神 经 网络 的构 建
目前对无 刷直流 电机的速度调节采用的是线性 模 型 ＰＤ控制器 ， Ｉ 尽管调节性 比较好 ， 因其三个参 但 数是 固定的、 不能修 正 ， 导致 当环境 因素 、 电机参数 变化时调节能力不是很 强 ， 加上无刷 直流 电机的反
电动势 波形 是 １０ 电角 度 的 平 顶 波 形 （ 是 理 想 波 ２。 这
第 ７期
卿启 新等． 于模糊 Ｒ Ｆ神 经网络的无刷直流 电机调速控制 基 Ｂ
・８ ５・
小、 、 零 正小 、 正中、 正大。传递 函数也就是隶属度 函
数采 用 Ｓ ｍ ｉ ｉ ｏ ｇ ｄ型函数 ：
， ） ：Ｓ ｍ ｉ ＝ １（ （ ｉ ｏ ｇ ｄ（） ／ １＋ｅ ） （） ３
卿启 新 ， 汉 民， 晓武 ， 叶 杨 时晓 霞
（ 桂林理工大学 机械与控制工程学院 ， 西 桂林 ５ １０ ） 广 ４ ０ ４
摘要 ： 针对无刷直流 电机的速度控制 ， 把模糊控制与神经网络原理相 结合 ， 出了基 于模糊 Ｒ Ｆ神经 网络 提 Ｂ
的 ＰＤ控 制 方 法 ， 网络 具 有 自适 应性 。利 用最 小均 方 差 来 调 整 网络 的权 值 ， 径 向基 函数 快速 收 敛 ， 得 较 佳 Ｉ 该 使 获
（ ，） 量化 因子分别 为 、 一ｂ ６ ，
变量模糊论域为
Ａ、 ｅｅ＝ ｛ ， ， ，， ， ， ｝量化后变换到语 一６ 一４ 一２０ ２ ４ ６ ，
言变量论域中 ， 并相应于论域的具体元 素。 输入信号
Ａ、 ｅｅ对应 产 生 七个 模 糊 子集 为 ｛ Ｂ， Ｍ， Ｓ Ｚ Ｎ Ｎ Ｎ ，Ｅ，
富 ， 有 可 能使 系 统 控 制 存 在 缺 陷 。 而 神 经 网络 却 这
图 ２ 模 糊 Ｒ Ｆ神 经（） １ 信号输入 层。该 层有 两个 节点 ， 通过 给定 转速 ｎ 以及采样得 到 ｎ的测 量值 ， ， 将相减 得到 的
速度误差 ｅ 以及它的变化率 △ 作 为输入信号 ， ： ｅ 即
控 制 图如 图 １ 示 。 所
△（ ）＝ 七 （ ）一ｅ 五一１ （ ）
（） ２
传递函数 为 ｇ ）＝ （ 。 （） ２ 模糊归一量化层 ， Ｒ Ｆ神经网络输 入层 。 即 Ｂ
该 层 共 有七 个 节 点 。输 入信 号 △ 进 行 量 化 有 七 个 ｅ
节点 ， 进行量 化 也是 七 个节 点 。 基本 论 域 均为 ｅ 设
Ｐ ， Ｍ， Ｂ｝ 子集 中元素依 次代表 ： ＳＰ Ｐ ， 负大 、 中、 负 负
收稿 日期 ：０ ００ ￣２ 修改稿 ） ２ １－４ （
基 金 项 目 ：广 西 区 ２０ 年 度 研 究 生 创 新 项 目 基 金 ０９
图 Ｉ 模糊 Ｒ Ｆ神经网络控制框图 Ｂ
（０ ９ ０９ ０ １ ２ ） ２ ０ １５ ６ ８ Ｍ ３ １
形， 这跟 实际有 区别 ） 同时还有 电感 、 变器等 各 ， 逆 个非线性器件在环 境 中变得 比较重要 时 ， 无刷直 流 电机 的非线性也就 突显 出来 ， 速也就跟 着变得不 转 稳定 。所以以一组 固定 不变 的 ＰＤ参数 去适 应被 Ｉ 控对象参数变化 、 负载干扰等因素 ， 显然难以达到理 想的控制效果 ， 需要 寻求新 的控制 策略来满 足无 刷 直流电机调速控制系统的高精度要求 。 模糊神经网络是模糊 控制与神 经网络 的结 合 ， 它们具有互补性 。模糊控制缺乏在线或离线 自学 习 或 自调整的能力 ， 一切 都靠专 家的知识经 验或现场 操作来制定模糊规则 ， 然后根据模糊规则进行推理 ， 这跟经验有关 ， 如果认 识 的程度 不深 ， 经验 不丰 或
研 究 与 应 用
化 动 及 表，０ ，７７： —６ 工自 化 仪 ２ ０ ３（）４ ８ １ ８
Ｃｏ ｔ ｌ ｎ ｎ ｔ ｍｅ ｔ ｎ Ｃｈ ｍｉａ ｎ ｕ ｔ ｎｒ ｄ Ｉ ｓｒ ｏａ ｕ ｎ ｓ ｉ ｅ ｃ ｌＩ ｄ ｓｒ ｙ
基 于 模 糊 Ｒ Ｆ神 经 网 络 的 无 刷 直 流 电 机 调 速 控 制 Ｂ
∑ １） Ａ ） （， ｘ ｊ
ｌ 。＝ 。 『 ｆ：
确定量 化因子 ：
６
＝ ，
∑ｗ２） ｆ ） （， ｘ（ ｊ
∑ｗ３ ） ｆ ） （√ ｘ（ ｊ
（ ７ １）
：
