静电悬浮的ＮＡＲＸ网络自适应逆控制

2012年03月07日10:43:19 本网站我要评论(2)字号：T | T | T

关键字：电力

颜诗源１，张克志２，钱　峰２，席　涛１，张胜修１
第二炮兵工程学院３０３室，陕西西安

上海交通大学导航与控制研究所，上海

摘　　　要：静电悬浮控制系统中存在建模不准确及对象扰动，传统控制器只能在动态控制精度和扰动消除性能之间折衷；为了克服其对控制器精度的影响，研究了带扰动消除的自适应逆控制算法。以非线性自回归动态神经网络进行正模型、逆模型以及扰动消除控制器的实时辨识，利用基于遗传算法的改进粒子群算法进行神经网络的更新，以提高自适应收敛速度和精度。设计了基于ＤＳＰ与ＰＣ的仿真环境，分别部署静电悬浮虚拟被控对象和自适应逆控制算法，实现对控制算法的实时验证。结果表明所设计的控制结构与算法可以实现对静电悬浮的稳定控制与扰动消除。利用ＰＣ和相应的Ｉ／Ｏ接口，以及所部署的实时控制算法可以实现快速控制原型，为控制器的工程实现提供基础。

关　键　词：静电悬浮；ＮＡＲＸ神经网络；自适应逆控制；实时仿真

１　引　言
静电悬浮控制利用受控的静电力将转子稳定准确地悬浮在支承电极球腔中心［１］，需要完成的任务包括对转子的稳定、对转子动态的准确控制以及对系统扰动的消除。然而在实际中难以建立悬浮控制系统的精确模型，并且加工装配误差以及线路噪声等原因也会带来未知的模型扰动，传统的ＰＩＤ控制器只能在控制精度和扰动消除效果中折衷。针对在扰动消除同时保证较优控制的问题，Ｂ．Ｗｉｄｒｏｗ在文献［２］中提出了自适应逆控制（Ａｄａｐｔｉｖｅｉｎｖｅｒｓｅｃｏｎｔｒｏｌ，ＡＩＣ）的方法，并在文献［３］中和文献［４］中分别确立了线性系统和非线性系统的自适应逆控制的方法。考虑到自适应逆控制在结构上具有自适应控制与自适应滤波的特点，而神经网络在非线性系统的逼近上的优势，针对静电悬浮控制系统中被控对象建模困难以及存在模型扰动的问题，展开了基于非线性自回归（ＮｏｎｌｉｎｅａｒＡｕｔｏＲｅｇｒｅｓｓｉｖｅｗｉｔｈｅＸｏｇｅｎｏｕｓｉｎｐｕｔ，ＮＡＲＸ）动态神经网络的自适应逆控制研究。

登录网站后可下载文件

静电悬浮的ＮＡＲＸ网络自适应逆控制

相关阅读: