没有合适的资源?快使用搜索试试~ 我知道了~
首页基于神经网络的多电机同步控制
基于神经网络的多电机同步控制
279 浏览量
更新于2023-05-30
评论 1
收藏 388KB PDF 举报
在造纸、印染、纺织等高精度、高转速传动系统中,随着工业自动化程度的提高和生产规模的扩大,采用单电机驱动往往难以满足生产的要求。而多电机同步控制历来是最核心的问题,对多电机同步协调控制,国内、外同行也有不少研究。在实际应用中,多电机的同步性能会因各传动轴的驱动特性不匹配、负载的扰动等因素的影响而恶化,因此同步控制方法的好坏直接影响着系统的可靠性。
资源详情
资源评论
资源推荐

基于神经网络的多电机同步控制基于神经网络的多电机同步控制
在造纸、印染、纺织等高精度、高转速传动系统中,随着工业自动化程度的提高和生产规模的扩大,采用单电
机驱动往往难以满足生产的要求。而多电机同步控制历来是最核心的问题,对多电机同步协调控制,国内、外
同行也有不少研究。在实际应用中,多电机的同步性能会因各传动轴的驱动特性不匹配、负载的扰动等因素的
影响而恶化,因此同步控制方法的好坏直接影响着系统的可靠性。
1 引言
在造纸、印染、纺织等高精度、高转速传动系统中,随着工业自动化程度的提高和生产规模的扩大,采用单电机驱动往往
难以满足生产的要求。而
本文通过对的多电机同步传动系统主要控制策略分析,得出改进的耦合控制是当前比较好的控制思想,实际应用中采用易
于实现的PID作为同步补偿控制器算法。但传统PID控制器结构简单、鲁棒性较差且抗扰动能力也不太理想。因此在控制策略
上,采用神经网络控制和PID控制算法相结合的方法。仿真结果表明,将该方法用于多电机同步控制中,不仅具有良好的动态
性能,而且整个系统同步精度也有所提高。
2 多电机同步控制的原理
对于多电机同步
3 基于神经网络PID控制器的建立
BP神经网络是应用最广泛的一种人工神经网络,在各门学科领域中都具有很重要的实用价值,根据本系统的控制系统的特
点,为了快速消除同步误差,本文采用BP神经网络与PID相结合的作为同步补偿方法。
3.1 BP神经网络PID控制系统的结构
基于BP网络的PID控制系统结构如图2所示,控制器由两部分组成:
(1)常规PID控制器,直接对被控对象进行闭环控制,并且其控制参数Kp、Ki、Kd为在线调整方式;
(2)BP神经网络,根据系统的运行状态,调节PID控制器的参数,以期达到某种性能指标的最优化,使输出层神经元的输出对
应于PID控制器的3个可调参数KD、Ki、Kd。通过BP神经网络的自学习、加权系数的调整,使BP神经网络输出对应于某种最
优控制规律下的PID控制器参数。以电机作为控制对像,一般采用增量式PID控制算法进行控制。它的控制算式为:
式中KP、KI、KD分别为比例、积分、微分系数.
3.2 神经网络PID的算法实现


















安全验证
文档复制为VIP权益,开通VIP直接复制

评论0