基于模糊神经元控制的液压阀控马达速度系统

　　液压马达速度伺服系统是工程上常用的伺服控制系统,它具有响应速度快、功率/重量比大、负载刚性高和性能价格比高等特点,在航空航天、冶金、船舶和煤矿机械等工业领域得到了广泛应用。在工程实际中,经常要对控制对象进行速度调节,使控制对象以给定的速度运动,并且要求控制体的速度在被控制期间要恒定,当受到外界负载波动影响时,速度波动值尽可能小,速度要平稳。由于系统是典型的非线性系统,工况比较复杂,受到的干扰比较大大。若不采取有效的控制手段,系统速度就不可能稳定,有时甚至无法正常工作。文中采用模糊逻辑和神经元网络控制策略,设计了新的控制算法来解决液压阀控马达的控制问题。将模糊控制技术与神经元网络技术相结合,构建模糊神经元网络控制器,提高了液压阀控马达控制系统的自适应能力,改善了控制系统的性能。

　　1　液压阀控马达系统简介

　　液压阀控马达控制模块液压系统原理如图1所示。电动机1带动主泵3通过过滤器2吸油,作为伺服阀的主油源;伺服阀7的输入电压信号为[-10V, 10V];加载泵10、单向阀桥11、比例溢流阀13以及补油泵12共同组成模拟负载部分。工作时加载泵一直处于强制卸荷状态,通过改变比例溢流阀的输入电压信号,可以使马达8获得不同的负载,通过实时调节伺服阀的输入电压信号从而可以改变阀芯位移,使马达进油腔的流量保持不变,以此来获得恒定的转速。

　　2　液压阀控马达速度系统模糊神经元网络控制器设计

　　模糊神经元网络控制器的设计主要包括确定控制目的,输入输出语言变量,设计控制目的控制规则,确定模糊控制器的参数。图2为模糊神经元网络控制系统原理框图。

　　图2中,yd(k)为系统期望输出,y(k)为系统k时刻的输出。FGNC为液压阀控马达系统模糊神经元控制器,尽管控制器中的节点和一般神经元有所不同,但其本质也是实现从输入到输出的非线性映射,仿照B-P网络,用误差反传的方法来设计调整参数,以使被控对象的输出逼近期望输出。

　　依照最速下降法修正权值Wcj,即按E对加权系数的负梯度方向搜索调整,附加一个使搜索快速收敛的全局极小惯性系数项,则有:

　　式中　η———学习速率;

　　α———惯性系数;

　　隶属度函数的中心值ai和宽度bk可以采用与求Wcj类似的学习算法求出。

　　给定样本的输入和期望输出,根据性能指标函数,通过式(1)、式(2)即可以应用神经网络来模糊推理,从而自适应的自动修正调整最后一层的连接权Wcj,以及隶属度函数的中心值ai和宽度bk,即相当于根据被控对象特性和工况来自动调整模糊控制规则及其参数,免去了人工调整时存在的种种困难。