根据神经网络的多电机同步控制系统的规划

　　1 导言

　　 在造纸、印染、纺织等高精度、高转速传动体系中，跟着工业自动化程度的进步和出产规模的扩展，选用单电机驱动往往难以满意出产的要求。而多电机同步操控向来是最中心的问题，对多电机同步和谐操控，国内、外同行也有不少研讨。在实践使用中，多电机的同步功能会因各传动轴的驱动特性不匹配、负载的扰动等要素的影响而恶化，因而同步操控办法的好坏直接影响着体系的可靠性。

　　 本文经过对的多电机同步传动体系首要操控战略剖析，得出改善的耦合操控是当时比较好的操控思维，实践使用中选用易于完成的PID作为同步补偿操控器算法。但传统PID操控器结构简略、鲁棒性较差且抗扰动才能也不太抱负。因而在操控战略上，选用神经网络操控和PID操控算法相结合的办法。仿真成果标明，将该办法用于多电机同步操控中，不只具有杰出的动态功能，而且整个体系同步精度也有所进步。

　　2 多电机同步操控的原理

　　 关于多电机同步操控体系来说，完成的是电动机转速的跟从，遭到扰动的电动机转速是改变的，其它的电动机跟从这台电动机的转速改变。在体系遭到扰动后的初始状况，电动机之间的转速趋于同步越快越好，即应赶快消除转速差错；当电动机之间的转速趋于同步时，要尽量减小转速产生超调。一般状况是要求体系中的第i台电动机转速vi和第i+l台电动机转速vi+1，之间坚持必定的份额关系，即vi=a·vi+1以满意体系的实践工艺要求。这儿a为转速同步系数。在实践运转进程中若要满意体系的同步要求，周期采样获取某一环节的前台电动机转速vi和后台电动机转速vi+1后，vi和vi+1按下式界说转速同步差错时，标明在同步系数a下，vi和vi+1同步，当e≠0时，标明在同步体系aF，vi和vi+l不同步．在本文中选用改善的耦合同步操控体系(如图1)，各电机选用同一电压给定的基础上，电机l转速差错△v1=v1—vfb1，电机2的转速差错△v2=v2一vfb2，核算某一电机实践速度和给定速度的差错e，以及当时的差错改变量△e，同步操控器补偿相同选用PID操控。其差值经过PID补偿器加到随动电机输入端。

　　3 依据神经网络PID操控器的树立

　　 BP神经网络是使用最广泛的一种人工神经网络，在各门学科范畴中都具有很重要的实用价值，依据本体系的操控体系的特色，为了快速消除同步差错，本文选用BP神经网络与PID相结合的作为同步补偿办法。

　　3．1 BP神经网络PID操控体系的结构

　　 依据BP网络的PID操控体系结构如图2所示，操控器由两部分组成：

　　(1)惯例PID操控器，直接对被控目标进行闭环操控，而且其操控参数Kp、Ki、Kd为在线调整办法；

　　 (2)BP神经网络，依据体系的运转状况，调理PID操控器的参数，以期到达某种功能指标的最优化，使输出层神经元的输出对应于PID操控器的3个可调参数KD、Ki、Kd。经过BP神经网络的自学习、加权系数的调整，使BP神经网络输出对应于某种最优操控规则下的PID操控器参数。以电机作为操控对像，一般选用增量式PID操控算法进行操控。它的操控算式为：

　　式中KP、KI、KD别离为份额、积分、微分系数．

　　3．2 神经网络PID的算法完成

　　 1)练习阶段的作业

　　 第l步：规划输入输出神经元。本BP网络的输入层设置3个神经元，别离为输入速度vi、速度差错e和差错改变量△e，输出层有3个神经元，为PID操控器的3个可调理参数Kp、Ki、Kd；

　　 第2步：规划隐含层神经元个数。本文开始确认隐含层节点数为5个．学习必定次数后，不成功再添加隐含层节点数，一向到达比较合理的神经元数停止；

　　 第3步：规划网络初始值。本文中设定的学习次数N=5000次，差错限定值E=0．02；

　　 第4步：使用Simulink对BP网络进行练习和仿真。

　　 2)测验阶段的作业

　　 在测验阶段，首要是对练习过的网络输入测验样木，测验网络的学习作用，即判别网络的运算值与样本的期望值之差是否在答应的规模之内。在此不再赘述详细断定进程。

　　4 仿真与剖析

　　 本文以2台电机同步为模型进行仿真。在电机的参数设守时，对2台电机的参数取相同值。电机参数为：定子每相绕组电阻R=5．9Ω，定子d相绕组电感Ld=0．573，转子电阻R=5．6Ω转子电感L=O．58给定转速n=500rad／sec，极对数为3。在t=0．05 s时，突加阶跃扰动，使用Matlab对传统PID和神经网络PID别离进行仿真，得到试验曲线如图所示．

　　比较两种仿真成果，经核算选用惯例PID补偿器时，突加负载扰动后，同步差错△Verror=0．26％选用神经网络PID补偿器时，突加负载扰动后，同步差错△Verror．=O．08％，由些能够看到选用神经网络PID补偿器办法的时分，体系的同步功能、抗干扰功能优于只选用惯例PID补偿器时的功能，其具有更好的操控特性。

　　5 结束语

　　 本文针关于多电机同步操控中呈现的多变量、强耦合、具有大惯性环节、难以树立精确数学模型的被控目标，在传统PID的基础上引进神经网络的的概念，将神经网络PID用于速度同步补偿中，仿真成果标明，该办法使体系的抗干扰才能增强，同步精度有所进步，操控作用杰出。