基于RBF辨识的神经元PID直线伺服控制  

Neuron PID Optimal Control for Linear Servo Based on RBF Neural Network Identification

作　　者：汪木兰[1] 张崇巍[1] 刘坤[2] 

机构地区：[1]合肥工业大学电气与自动化工程学院,安徽合肥230009 [2]南京工程学院先进数控技术江苏省高校重点建设实验室,江苏南京210013

出　　处：《计算机仿真》2007年第11期147-150,共4页Computer Simulation

基　　金：江苏省自然科学(BK2005111);江苏省高校自然科学基础研究项目(06KJB460034);先进数控技术重点实验室开放(KXJ05012);南京工程学院科研(KXJ06066)

摘　　要：针对永磁直线同步电动机(PMLSM)直接驱动的伺服系统,提出了一种基于RBF神经网络辨识的单神经元PID模型参考自适应的优化跟踪控制策略,解决了系统快速精确地跟踪与抗扰性能之间的矛盾。利用RBF神经网络作为辨识器,实现对被控对象Jacobian信息精确辨识,以基于二次型性能指标学习算法的单神经元自适应PID作为控制器,从而保证系统具有较强的鲁棒性能。仿真结果表明,该方案在保证伺服系统快速跟踪性能的同时,对系统参数变化和负载扰动具有很强的鲁棒性。For the direct drive servo system of Permanent Magnet Linear Synchronous Motor （PMLSM） , a single neuron PID control strategy based on RBF（ Radial Basis Function）neural network identification is proposed in this paper. The control scheme can solve the conflict between fast precise tracking performance and interference rejection of the linear servo system. The RBF neural network identification can identify the accurate Jacobian information, and the single neuron adaptive PID controller based on optimal quadratic performance index can obtain the stability and robustness. The simulation results show that the method not only enhances the fast tracking performance, but also has stronger robustness to parametric variations and load disturbances.

关 键 词：永磁直线同步电动机 径向基函数神经网络 单神经元 二次型性能指标 鲁棒性 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]