基于RBF神經網絡的永磁同步伺服電機控制系統

朱衛云,付東翔,葛懂林

(上海理工大學 光電信息與計算機工程學院,上海　200093)

基于RBF神經網絡的永磁同步伺服電機控制系統

朱衛云,付東翔,葛懂林

(上海理工大學 光電信息與計算機工程學院,上海200093)

摘要針對永磁同步電機控制系統,建立其磁場定向控制數學模型。運用增量式數字PID的方法實現對PMSM的傳統PID控制策略。在此基礎上,借助RBF神經網絡的學習能力,進行PID控制器參數的自適應整定,進一步改善PID控制器的性能。同時,為提高RBF網絡性能,采用粒子群算法對網絡進行優化。仿真表明,與傳統PID控制比較,基于RBF的PID控制系統能提高PID控制器的性能,改善了PMSM控制系統的收斂速度和跟蹤精度。

關鍵詞PMSM;FOC;PID控制器;RBF網絡;PSO算法

PMSM Control System Based on RBF Neural Network

ZHU Weiyun,FU Dongxiang,GE Donglin

(School of Optical-Electrical and Computer Engineering,University of Shanghai for

Science and Technology,Shanghai 200093,China)

AbstractThis paper first proposes the establishment of PMSM mathematical model.Then,the conventional PID control is discussed to achieve PMSM control system by using an incremental PID.The learning ability of RBF neural network offers adaptive PID controller parameter to improve the performance of PID controllers.The particle swarm optimization (PSO) is also proposed to improve the performance of RBF network in.The simulation results indicate that the mode control system based on RBF neural network can improve the performance of PID controller compared with conventional PID control with higher convergence speed and tracking accuracy of PMSM control system.

KeywordsPMSM;FOC;PID;RBF neural networks;PSO algorithm

永磁同步電機因其自身的結構及運行特別,在運動控制應用中起著重要作用,而被廣泛應用于機器人、航空航天和國防軍事等高精度速度和位置控制領域中。同步永磁電機裝置在速度或者位置控制方面的整體性能,不僅取決于系統響應的快速和準確上,還取決于控制策略和算法。永磁同步電機的控制策略大致可分為以PID控制為主的經典控制策略,以直接轉矩和自適應控制為主的現代控制策略,以神經網絡、模糊數學和智能算法為主的智能控制策略[1]。經典的PID控制由于其具備簡單的控制結構、設計簡單和低功耗的優點,被廣泛應用于PMSM(Permanent Magnet Synchronous Servo Motor)的控制中[2]。然而,經典的PID控制的比例系數、積分系數和微分系數依賴于PMSM控制過程的動態性能和實際經驗,一旦固化就難以修改,而PMSM控制系統的負載變化、外部干擾、內部擾動等不確定因素引起整個控制系統的動態特性變化時,之前所給定的PID參數就無法達到較好的控制效果。……