基于神经网络反馈补偿控制的磁悬浮球位置控制.pdfVIP

学兔兔 第35卷 第5期 仪 器 仪 表 学 报 Vo1．35 No．5 2014年5月 Chinese Journal of Scientific Instrument Mav．2014 基于神经网络反馈补偿控制的磁悬浮球位置控制米 朱坚民，沈正强，李孝茹，齐北川 (上海理工大学机械工程学院 上海 200093) 摘 要：针对现有磁悬浮球位置控制算法控制精度不高的问题，提出了一种基于神经网络反馈补偿控制、PID控制和神经网络 辨识器的磁悬浮球位置控制结构。采用神经网络辨识器建立控制系统误差与控制量的动态模型，在线学习时，神经网络辨识器 在磁悬浮球位置实时控制过程中被训练，其训练后的参数动态复制给神经网络反馈补偿控制器，避免了神经网络反馈补偿控制 器的离线训练。神经网络反馈补偿控制器在实时控制过程中基于PID的控制输出作进一步的学习，以补偿神经网络辨识器的 建模误差并产生一个反馈补偿控制量。在控制回路中引入PID控制器可以保证神经网络在学习初期或系统受到扰动时闭环系 统的稳定性，提高控制算法的鲁棒性。仿真与实验结果表明：神经网络反馈补偿控制方法较PID控制方法的控制精度由0．5 mm提高到0．04 mm，控制系统具有良好的动静态性能和较强的鲁棒性。 关键词：磁悬浮球；神经网络；补偿控制；系统辨识；位置控制 中图分类号：TP273 TH89 文献标识码：A 国家标准学科分类代码：510．80 Magnetic levitation ball position control based on neural network feedback compensation control Zhu Jianmin，Shen Zhengqiang，Li Xiaoru，Qi Beichuan (School ofMechanical Engineering，University ofShanghaifor Science and Technology，Shanghai 200093，China) Abstract：Aiming at the low control accuracy problem of present magnetic levitation ball position control algorithms，a control structure of magnetic levitation ball position based on neu【ral network feedback compensation control，PID control and neural network identifier iS proposed in this paper．The neural network identifier is adopted to establish the dynamic model of the error and control quantity of the control system．During online learning，the neural network identifier is trained in the real—time control process of magnetic levitation ball position；after the training，the training parameters are dynamically replicated to the neural network feedback compensation controller， whic