為解決高炮交流伺服系統(tǒng)控制中外界擾動(dòng)及非線(xiàn)性特性的問(wèn)題,提出一種基于小波神經(jīng)網(wǎng)絡(luò)的改進(jìn)型自抗擾控制器（WNN-ADRC）。利用LM（levenberg-marquardt）算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò),采用優(yōu)化后的小波神經(jīng)網(wǎng)絡(luò)對(duì)擴(kuò)張狀態(tài)觀測(cè)器的誤差校正增益系數(shù)進(jìn)行在線(xiàn)整定,設(shè)計(jì)基于小波神經(jīng)網(wǎng)絡(luò)的自抗擾控制器,以實(shí)現(xiàn)對(duì)非線(xiàn)性特性的準(zhǔn)確估計(jì)并予以補(bǔ)償,并通過(guò)仿真實(shí)驗(yàn)進(jìn)行驗(yàn)證。仿真結(jié)果證明:該控制策略使系統(tǒng)具有較好的穩(wěn)態(tài)性能,抗干擾能力強(qiáng)。 

【文章來(lái)源】：兵工自動(dòng)化. 2020,39(11)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

ADRC結(jié)構(gòu)

筆者將小波神經(jīng)網(wǎng)絡(luò)嵌入到ADRC中，利用基于LM算法改進(jìn)后的WNN對(duì)β01、β02、β03進(jìn)行在線(xiàn)整定，設(shè)計(jì)基于小波神經(jīng)網(wǎng)絡(luò)的自抗擾控制器，結(jié)構(gòu)如圖3所示。筆者采用3層小波神經(jīng)網(wǎng)絡(luò)，設(shè)置WNN輸入節(jié)點(diǎn)個(gè)數(shù)為4。令WNN輸入為x1=e1(t)、x2=e2(t)、x3=y(t)、x4=1。e1為信號(hào)誤差，e2為信號(hào)微分誤差。根據(jù)經(jīng)驗(yàn)公式(編號(hào))，確定隱含層節(jié)點(diǎn)數(shù)為5。輸出節(jié)點(diǎn)個(gè)數(shù)為3，分別表示β01、β02、β03。

設(shè)定參考目標(biāo)輸入值為25°，仿真時(shí)間10 s。階躍響應(yīng)曲線(xiàn)如圖4所示，傳統(tǒng)ADRC與WNN-ADRC控制器均無(wú)超調(diào)。采用ADRC控制器，系統(tǒng)到達(dá)穩(wěn)態(tài)所需時(shí)間為2.15 s，采用WNN-ADRC控制器所需時(shí)間僅為1.81 s，這表明WNN-ADRC響應(yīng)速度更快。階躍響應(yīng)誤差曲線(xiàn)如圖5所示。圖6中在4 s時(shí)加入300 N·m階躍干擾信號(hào)，WNN-ADRC僅需0.20 s即可恢復(fù)至目標(biāo)位置，而ADRC需要0.48 s。對(duì)比結(jié)果可知：WNN-ADRC對(duì)外界負(fù)載擾動(dòng)具有更好的魯棒性，抗干擾的能力更強(qiáng)。圖5 階躍響應(yīng)位置誤差

【參考文獻(xiàn)】：
期刊論文
[1]交流伺服系統(tǒng)分?jǐn)?shù)階PID改進(jìn)型自抗擾控制[J]. 王榮林,陸寶春,侯潤(rùn)民,高強(qiáng),張唯,朱云,戴煉.  中國(guó)機(jī)械工程. 2019(16)
[2]改進(jìn)型WNN在火箭滅火車(chē)伺服系統(tǒng)中的應(yīng)用[J]. 侯潤(rùn)民,方安國(guó),胡達(dá),侯遠(yuǎn)龍.  彈箭與制導(dǎo)學(xué)報(bào). 2019(01)
[3]基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的動(dòng)車(chē)組牽引電機(jī)故障趨勢(shì)預(yù)測(cè)[J]. 劉峰,劉海生.  制造業(yè)自動(dòng)化. 2017(07)
[4]基于BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)自抗擾控制及仿真[J]. 齊曉慧,李杰,韓帥濤.  兵工學(xué)報(bào). 2013(06)
[5]基于免疫雙態(tài)微粒群的混沌系統(tǒng)自抗擾控制[J]. 劉朝華,張英杰,章兢,吳建輝.  物理學(xué)報(bào). 2011(01)



本文編號(hào)：3260076