傳統(tǒng)數(shù)控機(jī)床工作臺(tái)速度控制多采用PID控制,傳統(tǒng)PID控制存在響應(yīng)慢、超調(diào)大、動(dòng)態(tài)性差、抗干擾能力差等問題。提出了一種變步長(zhǎng)果蠅神經(jīng)網(wǎng)絡(luò)PID控制方法,將變步長(zhǎng)果蠅算法與神經(jīng)網(wǎng)絡(luò)聯(lián)合使用。在線尋找控制器最優(yōu)控制參數(shù),實(shí)現(xiàn)電機(jī)速度的智能化控制。通過Simulink仿真,對(duì)數(shù)控工作臺(tái)速度控制內(nèi)環(huán)轉(zhuǎn)速跟蹤性能進(jìn)行分析。實(shí)驗(yàn)結(jié)果證明,改進(jìn)果蠅神經(jīng)網(wǎng)絡(luò)的PID控制比傳統(tǒng)PID控制方案響應(yīng)更快,抗干擾性能和魯棒性能更好。 

【文章來源】：組合機(jī)床與自動(dòng)化加工技術(shù). 2019,(10)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

改進(jìn)果蠅神經(jīng)網(wǎng)絡(luò)PID復(fù)合結(jié)構(gòu)2改進(jìn)果蠅神經(jīng)網(wǎng)絡(luò)模型

β為權(quán)重系數(shù);gen為當(dāng)前迭代次數(shù)。顯然，改進(jìn)的果蠅算法在迭代初期具有最大的搜索步長(zhǎng)，對(duì)應(yīng)的搜索能力強(qiáng)，且在覓食末期通過縮小搜索半徑，實(shí)現(xiàn)最大的搜索精度。進(jìn)而實(shí)現(xiàn)全局搜索能力以及搜索精度的提高。2．3仿真驗(yàn)證為驗(yàn)證改進(jìn)優(yōu)化的果蠅算法的尋優(yōu)效果，以一個(gè)函數(shù)作為例子進(jìn)行分析，如式(9):maxf(xi)=1－1xi2+1－10≤xi≤{10(9)該函數(shù)的特點(diǎn)是在定義域內(nèi)存在一個(gè)全局最大值。在MATLAB中分別用普通果蠅算法和改進(jìn)果蠅算法得到其曲線收斂如圖3所示�？梢钥闯觯倪M(jìn)優(yōu)化果蠅算法的收斂效果優(yōu)于普通果蠅算法，尋優(yōu)效果較好。圖3適應(yīng)度進(jìn)化曲線2．4模型建立本文采用單隱含層的三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。其中輸入層有2個(gè)節(jié)點(diǎn)，輸出層為3個(gè)節(jié)點(diǎn)。隱含層節(jié)點(diǎn)數(shù)綜合考慮訓(xùn)練速度和預(yù)測(cè)精度，根據(jù)隱含層節(jié)點(diǎn)數(shù)的經(jīng)驗(yàn)公式(10)，確定最優(yōu)隱含層節(jié)點(diǎn)數(shù)為5。槡m=I+O+α(10)上式中，m為隱含層節(jié)點(diǎn)數(shù);I為輸入層節(jié)點(diǎn)數(shù);O為輸出層節(jié)點(diǎn)數(shù);α為1～10之間的常數(shù)。由于控制參數(shù)值不能為負(fù)值，所以輸出層神經(jīng)元轉(zhuǎn)移函數(shù)Sigmoid函數(shù)應(yīng)該取非負(fù)值而隱含層則無需考慮正負(fù)情況，所以Sigmoid函數(shù)可以選擇正負(fù)對(duì)稱。神經(jīng)元轉(zhuǎn)移函數(shù)選擇Sigmoid函數(shù):f(x)=ex－e－xex+e－x(11)果蠅群體初始化隨機(jī)產(chǎn)生N個(gè)果蠅個(gè)體，每個(gè)個(gè)體X(i)=(x1，x2，…，xt)表示一組神經(jīng)網(wǎng)絡(luò)的連接權(quán)重和閾值，其中t表示權(quán)值和閾值的總個(gè)數(shù)，為2×5+5×3+5+3=33，即一共有33個(gè)參數(shù)。改進(jìn)的果蠅神經(jīng)網(wǎng)絡(luò)算法具體操作步驟如下:(1)初始化神?

锏?預(yù)設(shè)迭代次數(shù);(4)將改進(jìn)果蠅算法得到最佳的權(quán)值和閾值作為神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，進(jìn)行進(jìn)一步的迭代操作，輸出經(jīng)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值。3仿真研究3．1仿真建模及參數(shù)設(shè)置采用MATLAB對(duì)數(shù)控工作臺(tái)伺服控制系統(tǒng)進(jìn)行仿真實(shí)驗(yàn)。在實(shí)驗(yàn)過程中，設(shè)計(jì)三個(gè)控制器，分別為傳統(tǒng)PID控制器，普通果蠅神經(jīng)網(wǎng)絡(luò)PID控制器，改進(jìn)果蠅神經(jīng)網(wǎng)絡(luò)PID控制器。其中果蠅神經(jīng)網(wǎng)絡(luò)PID控制模塊采用獨(dú)立的S函數(shù)封裝而成，傳統(tǒng)的PID控制器利用MATLAB自帶的模塊進(jìn)行設(shè)計(jì)。圖4AFOA-BPPID控制仿真模型改進(jìn)果蠅神經(jīng)網(wǎng)絡(luò)PID參數(shù)選取如下:果蠅種群規(guī)模gen=200，最大混合迭代次數(shù)maxgen=500，果蠅優(yōu)化迭代步進(jìn)值rand在［－1，1］內(nèi)選取，設(shè)定初始最大步長(zhǎng)η0=1，β=0．95。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置為2－5－3形式，即網(wǎng)絡(luò)輸入層有兩個(gè)節(jié)點(diǎn)，分別為系統(tǒng)t時(shí)刻轉(zhuǎn)速偏差e(t)和轉(zhuǎn)速偏差變化de/dt;輸出層有三個(gè)節(jié)點(diǎn)，代表控制器的控制參數(shù);神經(jīng)網(wǎng)絡(luò)的最小學(xué)習(xí)速率設(shè)置為0．9，最大迭代次數(shù)為1000次，允許誤差為0．0001，采樣時(shí)間為0．01s。傳統(tǒng)PID系統(tǒng)的控制參數(shù)根據(jù)多次實(shí)驗(yàn)設(shè)定為Kp=4，Ki=2，Kd=2。3．2仿真結(jié)果分析考慮控制系統(tǒng)空載啟動(dòng)時(shí)的轉(zhuǎn)速跟隨性能，仿真得到如圖6所示的系統(tǒng)轉(zhuǎn)速階躍響應(yīng)曲線。當(dāng)控制系統(tǒng)的轉(zhuǎn)速穩(wěn)定在1000r/min時(shí)，在t=2．5s時(shí)刻系統(tǒng)突加一個(gè)瞬時(shí)負(fù)載擾動(dòng)，考察不同控制系統(tǒng)魯棒性能，其對(duì)應(yīng)的轉(zhuǎn)速曲線如圖所示。初始轉(zhuǎn)速為1000r/min，傳統(tǒng)PID超調(diào)量為25．5%，在1．35s內(nèi)達(dá)到穩(wěn)定狀態(tài)，F(xiàn)OA-BP超調(diào)量為5．21%，在1．18s內(nèi)達(dá)到?

【參考文獻(xiàn)】：
期刊論文
[1]模糊PID控制在伺服系統(tǒng)中的應(yīng)用[J]. 羅進(jìn)生,袁喜林,趙凱,耿玉婷,齊銳.  機(jī)械設(shè)計(jì)與制造. 2013(05)
[2]基于遺傳算法的PID控制器設(shè)計(jì)及仿真[J]. 傅曉云,方旭,楊鋼,李寶仁.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(05)
[3]永磁直線同步電機(jī)驅(qū)動(dòng)的開放式數(shù)控工作臺(tái)設(shè)計(jì)[J]. 耿艷彪,姜萬生,亢海龍,韓慶元.  機(jī)械設(shè)計(jì)與制造. 2010(09)
[4]高精度數(shù)控磨床的進(jìn)給系統(tǒng)與伺服控制系統(tǒng)設(shè)計(jì)[J]. 劉戰(zhàn)術(shù).  組合機(jī)床與自動(dòng)化加工技術(shù). 2009(05)
[5]一種基于BP神經(jīng)網(wǎng)絡(luò)模型的自適應(yīng)PID控制算法[J]. 劉迪,趙建華.  自動(dòng)化技術(shù)與應(yīng)用. 2008(08)



本文編號(hào)：3617933