基于ＧＧＡＰＲＢＦ神经网络逆的复杂多电机系统同步控制

2012年04月12日11:56:11 本网站我要评论(2)字号：T | T | T

关键字：应用

张今朝，刘国海
江苏大学电气信息工程学院，江苏镇江

嘉兴学院机电工程学院，浙江嘉兴

摘　　　要：针对以矢量控制工作方式的复杂多电机同步系统，以３台电机同步系统为研究对象，证明了该系统可逆，提出了基于增长和修剪的ＲＢＦ（ＧＧＡＰＲＢＦ）神经网络逆的多电机同步控制方法。将ＲＢＦ神经网络逆串接在三电机系统之前，组成由速度和张力子系统组成的伪线性复合系统，分别对速度和张力子系统设计闭环控制器，实现了对速度和张力的解耦控制。根据给定的性能指标，对ＲＢＦ神经元数目进行适当增删和修剪，解决了ＢＰ神经网络逆控制系统难以进行优化的问题，为复杂多电机同步系统的控制提供了简化依据。仿真结果表明，该方法具有较好的动静态性能。

关　键　词：多电机；ＧＧＡＰＲＢＦ；神经网络逆；解耦控制

１　引　言
现代工业中，如造纸、纺织、冶金等方面，多电机系统得到了越来越广泛的应用。多电机高精度协调运转不仅可以提高产品的产量，而且能大幅度改善产品的质量。近年来，国内外相关领域越来越重视多电机系统中速度和张力的解耦控制研究［１３］。目前，神经网络逆控制方法在多电机同步系统控制中，效果更为显著［４７］。其特点是实现对一般非线性系统的线性化解耦控制，结构简单，易于工程实现。其中，文献［４］使用神经网络逆系统方法实现了单台感应电机变频调速系统的线性化解耦控制；文献［５］使用神经网络逆系统方法实现了两电机变频调速系统速度与张力的解耦控制。文献［６］提出了广义逆解耦控制方法建立伪线性复合系统，实现对同步系统闭环稳定控制。以上文献中主要以单台或两电机同步系统为研究对象。而对于３台及３台以上多电机系统，神经网络结构将更为复杂，而且计算量大。为了解决上述问题，本文结合ＲＢＦ神经网络的特点（局部响应）和ＧＧＡＰＲＢＦ的思想［７］，提出一种基于改进的ＲＢＦ神经网络逆系统的多电机同步控制方法。不仅可以实现对速度和张力的解耦控制，而且对网络结构进行实时优化。仿真结果验证了本文算法的有效性。

登录网站后可下载文件

基于ＧＧＡＰＲＢＦ神经网络逆的复杂多电机系统同步控制

相关阅读: