傳統(tǒng)數控機床工作臺速度控制多采用PID控制,傳統(tǒng)PID控制存在響應慢、超調大、動態(tài)性差、抗干擾能力差等問題。提出了一種變步長果蠅神經網絡PID控制方法,將變步長果蠅算法與神經網絡聯合使用。在線尋找控制器最優(yōu)控制參數,實現電機速度的智能化控制。通過Simulink仿真,對數控工作臺速度控制內環(huán)轉速跟蹤性能進行分析。實驗結果證明,改進果蠅神經網絡的PID控制比傳統(tǒng)PID控制方案響應更快,抗干擾性能和魯棒性能更好。 

【文章來源】：組合機床與自動化加工技術. 2019,(10)北大核心

【文章頁數】：4 頁

【部分圖文】：

改進果蠅神經網絡PID復合結構2改進果蠅神經網絡模型

β為權重系數;gen為當前迭代次數。顯然，改進的果蠅算法在迭代初期具有最大的搜索步長，對應的搜索能力強，且在覓食末期通過縮小搜索半徑，實現最大的搜索精度。進而實現全局搜索能力以及搜索精度的提高。2．3仿真驗證為驗證改進優(yōu)化的果蠅算法的尋優(yōu)效果，以一個函數作為例子進行分析，如式(9):maxf(xi)=1－1xi2+1－10≤xi≤{10(9)該函數的特點是在定義域內存在一個全局最大值。在MATLAB中分別用普通果蠅算法和改進果蠅算法得到其曲線收斂如圖3所示�？梢钥闯�，改進優(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適應度進化曲線2．4模型建立本文采用單隱含層的三層神經網絡結構。其中輸入層有2個節(jié)點，輸出層為3個節(jié)點。隱含層節(jié)點數綜合考慮訓練速度和預測精度，根據隱含層節(jié)點數的經驗公式(10)，確定最優(yōu)隱含層節(jié)點數為5。槡m=I+O+α(10)上式中，m為隱含層節(jié)點數;I為輸入層節(jié)點數;O為輸出層節(jié)點數;α為1～10之間的常數。由于控制參數值不能為負值，所以輸出層神經元轉移函數Sigmoid函數應該取非負值而隱含層則無需考慮正負情況，所以Sigmoid函數可以選擇正負對稱。神經元轉移函數選擇Sigmoid函數:f(x)=ex－e－xex+e－x(11)果蠅群體初始化隨機產生N個果蠅個體，每個個體X(i)=(x1，x2，…，xt)表示一組神經網絡的連接權重和閾值，其中t表示權值和閾值的總個數，為2×5+5×3+5+3=33，即一共有33個參數。改進的果蠅神經網絡算法具體操作步驟如下:(1)初始化神?

锏?預設迭代次數;(4)將改進果蠅算法得到最佳的權值和閾值作為神經網絡的初始權值和閾值，進行進一步的迭代操作，輸出經訓練后的神經網絡的權值和閾值。3仿真研究3．1仿真建模及參數設置采用MATLAB對數控工作臺伺服控制系統(tǒng)進行仿真實驗。在實驗過程中，設計三個控制器，分別為傳統(tǒng)PID控制器，普通果蠅神經網絡PID控制器，改進果蠅神經網絡PID控制器。其中果蠅神經網絡PID控制模塊采用獨立的S函數封裝而成，傳統(tǒng)的PID控制器利用MATLAB自帶的模塊進行設計。圖4AFOA-BPPID控制仿真模型改進果蠅神經網絡PID參數選取如下:果蠅種群規(guī)模gen=200，最大混合迭代次數maxgen=500，果蠅優(yōu)化迭代步進值rand在［－1，1］內選取，設定初始最大步長η0=1，β=0．95。神經網絡結構設置為2－5－3形式，即網絡輸入層有兩個節(jié)點，分別為系統(tǒng)t時刻轉速偏差e(t)和轉速偏差變化de/dt;輸出層有三個節(jié)點，代表控制器的控制參數;神經網絡的最小學習速率設置為0．9，最大迭代次數為1000次，允許誤差為0．0001，采樣時間為0．01s。傳統(tǒng)PID系統(tǒng)的控制參數根據多次實驗設定為Kp=4，Ki=2，Kd=2。3．2仿真結果分析考慮控制系統(tǒng)空載啟動時的轉速跟隨性能，仿真得到如圖6所示的系統(tǒng)轉速階躍響應曲線。當控制系統(tǒng)的轉速穩(wěn)定在1000r/min時，在t=2．5s時刻系統(tǒng)突加一個瞬時負載擾動，考察不同控制系統(tǒng)魯棒性能，其對應的轉速曲線如圖所示。初始轉速為1000r/min，傳統(tǒng)PID超調量為25．5%，在1．35s內達到穩(wěn)定狀態(tài)，FOA-BP超調量為5．21%，在1．18s內達到?

【參考文獻】：
期刊論文
[1]模糊PID控制在伺服系統(tǒng)中的應用[J]. 羅進生,袁喜林,趙凱,耿玉婷,齊銳.  機械設計與制造. 2013(05)
[2]基于遺傳算法的PID控制器設計及仿真[J]. 傅曉云,方旭,楊鋼,李寶仁.  華中科技大學學報(自然科學版). 2012(05)
[3]永磁直線同步電機驅動的開放式數控工作臺設計[J]. 耿艷彪,姜萬生,亢海龍,韓慶元.  機械設計與制造. 2010(09)
[4]高精度數控磨床的進給系統(tǒng)與伺服控制系統(tǒng)設計[J]. 劉戰(zhàn)術.  組合機床與自動化加工技術. 2009(05)
[5]一種基于BP神經網絡模型的自適應PID控制算法[J]. 劉迪,趙建華.  自動化技術與應用. 2008(08)



本文編號：3617933