基于神經(jīng)網(wǎng)絡(luò)的多電機同步控制

式中KP、KI、KD分別為比例、積分、微分系數(shù)．
3．2 神經(jīng)網(wǎng)絡(luò)PID的算法實現(xiàn)
1)訓練階段的工作
第l步：設(shè)計輸入輸出神經(jīng)元。本BP網(wǎng)絡(luò)的輸入層設(shè)置3個神經(jīng)元，分別為輸入速度vi、速度偏差e和偏差變化量△e，輸出層有3個神經(jīng)元，為PID控制器的3個可調(diào)節(jié)參數(shù)Kp、Ki、Kd
第2步：設(shè)計隱含層神經(jīng)元個數(shù)。本文初步確定隱含層節(jié)點數(shù)為5個．學習一定次數(shù)后，不成功再增加隱含層節(jié)點數(shù)，一直達到比較合理的神經(jīng)元數(shù)為止；
第3步：設(shè)計網(wǎng)絡(luò)初始值。本文中設(shè)定的學習次數(shù)N=5000次，誤差限定值E=0．02；
第4步：應(yīng)用Simulink對BP網(wǎng)絡(luò)進行訓練和仿真。
2)測試階段的工作
在測試階段，主要是對訓練過的網(wǎng)絡(luò)輸入測試樣木，測試網(wǎng)絡(luò)的學習效果，即判斷網(wǎng)絡(luò)的運算值與樣本的期望值之差是否在允許的范圍之內(nèi)。在此不再贅述具體判定過程。

4 仿真與分析
本文以2臺電機同步為模型進行仿真。在電機的參數(shù)設(shè)定時，對2臺電機的參數(shù)取相同值。電機參數(shù)為：定子每相繞組電阻R=5．9Ω，定子d相繞組電感Ld=0．573，轉(zhuǎn)子電阻R=5．6Ω轉(zhuǎn)子電感L=O．58給定轉(zhuǎn)速n=500rad／sec，極對數(shù)為3。在t=0．05 s時，突加階躍擾動，利用Matlab對傳統(tǒng)PID和神經(jīng)網(wǎng)絡(luò)PID分別進行仿真，得到實驗曲線如圖所示．

圖4神經(jīng)網(wǎng)絡(luò)PID控制響應(yīng)曲線

比較兩種仿真結(jié)果，經(jīng)計算采用常規(guī)PID補償器時，突加負載擾動后，同步誤差△Verror=0．26％采用神經(jīng)網(wǎng)絡(luò)PID補償器時，突加負載擾動后，同步誤差△Verror．=O．08％，由些可以看到采用神經(jīng)網(wǎng)絡(luò)PID補償器方法的時候，系統(tǒng)的同步性能、抗干擾性能優(yōu)于只采用常規(guī)PID補償器時的性能，其具有更好的控制特性。

5 結(jié)束語
本文針對于多電機同步控制中出現(xiàn)的多變量、強耦合、具有大慣性環(huán)節(jié)、難以建立準確數(shù)學模型的被控對象，在傳統(tǒng)PID的基礎(chǔ)上引入神經(jīng)網(wǎng)絡(luò)的的概念，將神經(jīng)網(wǎng)絡(luò)PID用于速度同步補償中，仿真結(jié)果表明，該方法使系統(tǒng)的抗干擾能力增強，同步精度有所提高，控制效果良好。