基于单神经元PID和小波神经网络的无刷直流电动机的速度控制.doc

沈阳航空航天大学电子信息工程学院毕业设计（外文翻译） PAGE  PAGE - 4 - 基于单神经元PID和小波神经网络的无刷直流电动机的速度控制 （原文出处：XXXXXXX…………第X页-第X页） 摘要——无刷直流电机（BLDCM）是一个多变量、非线性系统，在传统的线性控制方法中取得了令人满意的结果。本文提出了基于小波神经网络的在线辨识电机单神经元自适应PID控制方法。该方法采用单神经元PID自适应控制器构建电机。此外，小波神经网络（WNN）的建立是为了构建电机在线参考模型，然后确定电动机的输出。通过研究单神经元PID控制器的算法实现控制参数的在线调节。并且由网络提供该算法所需的梯度信息。在本文中，TMS320F2812数字信号处理器（DSP）是用来实现这种控制方案。和实验结果表明，本文所提出的方法可以实现在线识别和实现高精度的在线控制，静态及动态特性好、稳定性很强。 关键词：无刷直流电机；单神经元PID的小波神经网络；自适应控制； 引言 无刷直流电机（BLDCM）具有可靠性高，效率高，起动转矩大，电噪声小，易于控制，且便宜的特点。由于这些优良的特性，BLDCM正被越来越多的用于工业控制和家用产品当中。但电机是一个多变量、非线性的系统，如电枢的反应是非线性的，相电阻中惯性矩的变化。由于这些缺陷，BLDCM很难在传统的线性控制方法[2-4]中得到满意的结果。 小波神经网络（WNN），结合小波分析与神经网络（NN），提出了一种前馈神经网络。该方法继承了传统的小波分析和神经网络的优点，如时频位置，自学习，自适应，稳定性和非线性函数拟合。此外，小波分析理论的小波神经网络还能够保证快速、准确地模拟非线性系统[ 5 ]。所有这些特性使得小波神经网络在非线性和不确定性的系统中成为了一个更好的选择。单神经元PID控制器的常规PID控制器的改进，具有自学习和自适应功能。它具有结构简单的特点，与传统的PID控制器在非线性系统控制[ 6 ]相比，能提供更好的追踪性能。因此，它的现实意义是结合传统的单神经元PID控制器，应用于电机控制。 本文提出了基于小波神经网络的在线辨识电机单神经元自适应PID控制方法。该方法采用单神经元PID自适应控制器构建电机，具有结构简单、适应性强的优点。此外，小波神经网络是建立建立电机的在线参考模型，然后确定电动机的输出。单神经元PID控制器的自学习算法实现控制参数的在线调节，和识别网络提供由该算法所需的梯度信息。最后，进行实验来验证所提出的方法的性能。 直流电机的数学模型 图1 电机的等效电路 基于BLDCM在图1中所示的等效电路，电机的动态方程可以得出： 其中、、、分别是电压、电流、反电动势和A相位的电阻。、、、、、、和分别是B相位以及C相位的相应变量。、、、、、分别表示惯性矩、机械速度、电磁转矩、负荷扭矩、块转矩。L和M分别为自感和互感。 小波神经网络理论 小波神经网络，基于小波变换，通过神经网络的非线性激活函数代替非线性小波基函数[ 7 ]构建神经网络模式。因此，小波变换和神经网络相结合的方法是恰当的。 图2 单输入单输出小波神经网络拓扑图 在本文中，单输入单输出小波网络的隐层节点数5用于构建电机在线参考模型。隐藏层中的每个节点是一个小波。小波神经网络拓扑图如图2所示，其中（i＝1，5，……）是在隐藏层和节点输出单元的重量，和的伸缩因子和平移因子分别，为网络的输入，??小波函数。在本文中，墨西哥帽小波作为小波函数，主要表现为（4）。 网络的输出如下 无线网络参数，，和可以通过最小化的目标函数优化。目标函数可以描述为（6）。 其中是电机的输出h，是小波神经网络的输出。 在本文中，梯度下降算法来优化小波神经网络的参数。梯度下降算法的规则如下。 膨胀因子的调节： 其中