第7期 2016年7月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2016)07007003
DOI:10. 13462/j. cnki. mmtamt. 2016. 07.020
No.7 Jul.2016
基于BP神经网络的伺服速度控制参数自整定研究*
周佳，卢少武周风星
（武汉科技大学信息科学与工程学院，武汉430081）
摘要：针对PMSM伺服系统PI控制参数自整定方法控制效果不理想、整定效率低的问题，提出一种基于BP神经网络的伺服系统速度控制参数自整定方法，该方法利用BP神经网络具有以任意精度通近任意非线性函数的能力，构造BP神经网络速度PDFF控制器，对伺服系统速度控制参数进行在线整定，改善常规速度PI控制器的控制效果，最后通过仿真实验进行了验证。仿真结果表明：与常规 PI控制方法相比，该方法稳定有效，控制精度高，收效速度快，控制效果更好。引入了BP神经网络的伺服系统，提高了动态性能，增强了系统稳定性和快速性。
关键词：伺服系统；永磁同步电机；BP神经网络；PDFF参数整定
中图分类号：TH166；TC659
文献标识码：A
Study on Speed Control Parameters Auto-tuning of Servo System Based on BP Neural Network
ZHOU Jia, LU Shao-wu, ZHOU Feng-xing
(College of Information Science and Engineering,Wuhan University of Science and Technology, Wuhan 430081,China)
Abstract: In order to solve the problem of PI control parameters auto-tuning of PMSM servo system about being low efficiency, this paper presents a speed control parameters auto-tuning algorithm of servo system based on BP neural network. The neural network was used because it could change parameters itself on line. The aim of the algorithm is to improve the control effect of PI controller. It is verified through simulation fi nally. The simulation results show that, compared with PI control algorithm, the proposed algorithm is sta,ble and effective, and has high precision, fast convergence rate and better control effect. Based on the BP neural network, the dynamic performance, the study speed and the stability of the servo system is improved obviously
Key words: servo system; PMSM; BP neural network; PDFF parameter tuning
0引言
随着电力电子技术、新型电机控制理论和稀土永
磁材料的快速发展，永磁同步电机在许多领域得到了广泛应用，而伺服系统控制参数的好坏直接影响到永磁同步电机伺服系统的控制性能。速度环为伺服系统三层控制环节的中间层控制环，是交流伺服系统中极为重要的一个环节，其作用是增强系统抗负载扰动的能力，抑制速度波动，保证电动机的转速与指令值相一致，消除负载转矩扰动等因素对电动机转速的影响，因此对伺服系统速度控制参数自整定方法进行研究具有重要意义[14]。
随着神经网络走人人们的视野，人们逐渐认识到神经网络的优越性。目前，将BP神经网络应用于伺服系统控制已成为一大研究热点。文献「31针对液压伺服控制系统的非线性和时变性因素，提出一种基于 BP神经网络的PID控制器，该控制器结合PID算法和神经网络二者的优点，具有鲁棒性强、超调量小和运行
收稿日期：2015-08-11：修回日期：2015=09-15
平稳等特点。文献[4]提出RBF网络动态辨识的BP 神经网络PID参数自整定算法，该算法能克服被控对象的不确定性和非线性，显著提高伺服电机转速的动态响应和跟踪精度。文献[5]提出一种基于BP神经网络的PID控制算法，利用BP神经网络学习能力强的特点实现PID控制参数的在线调整和优化，该PID 控制器能明显提高系统收敛速度和误差精度，使伺服系统具有较强的适应性和鲁棒性。
BP(BackPropagation）神经网络不仅具有以任意精度逼近任意非线性函数的能力，而且具有自适应学习、并行分布处理和有较强的鲁棒性和容错性等特点，适用于复杂非线性系统的建模和控制6)。本文以永磁同步电机伺服系统速度环为研究对象，采用基于BP神经网络的速度PDFF控制器对伺服系统速度控制参数进行整定，实现伺服系统速度环参数自动调节。最后在Matlab中进行了仿真，得到较为满意的结果。
*基金项目：国家自然科学基金项目（51405349）
作者简介：周佳(1990—），男，潮北黄冈人，武汉科技大学硕士研究生，研究方向为伺服控制器和嵌人式，（E-mail)598308367@q9-com。万方数据