1 引言
在造紙
，隨著工業(yè)自動化程度的提高和生產(chǎn)規(guī)模的擴大
，采用單電機驅(qū)動往往難以滿足生產(chǎn)的要求
。而多電機同步控制歷來是zui核心的問題，對多電機同步協(xié)調(diào)控制
，國內(nèi)
、外同行也有不少研究。在實際應(yīng)用中
，多電機的同步性能會因各傳動軸的驅(qū)動特性不匹配
、負載的擾動等因素的影響而惡化，因此同步控制方法的好壞直接影響著系統(tǒng)的可靠性
。
本文通過對的多電機同步傳動系統(tǒng)主要控制策略分析
本文通過對的多電機同步傳動系統(tǒng)主要控制策略分析
，得出改進的耦合控制是當前比較好的控制思想，實際應(yīng)用中采用易于實現(xiàn)的PID作為同步補償控制器算法
。但傳統(tǒng)PID控制器結(jié)構(gòu)簡單
、魯棒性較差且抗擾動能力也不太理想。因此在控制策略上
，采用神經(jīng)網(wǎng)絡(luò)控制和PID控制算法相結(jié)合的方法
。仿真結(jié)果表明，將該方法用于多電機同步控制中
，不僅具有良好的動態(tài)性能，而且整個系統(tǒng)同步精度也有所提高。
2 多電機同步控制的原理
對于多電機同步控制系統(tǒng)來說
。在實際運行過程中若要滿足系統(tǒng)的同步要求
，周期采樣獲取某一環(huán)節(jié)的前臺電動機轉(zhuǎn)速vi和后臺電動機轉(zhuǎn)速vi+1后，vi和vi+1按下式定義轉(zhuǎn)速同步偏差時
，表明在同步系數(shù)a下
，vi和vi+1同步
，當e≠0時，表明在同步系統(tǒng)aF
，vi和vi+l不同步．在本文中采用改進的耦合同步控制系統(tǒng)(如圖1)
，各電機采用同一電壓給定的基礎(chǔ)上，電機l轉(zhuǎn)速誤差△v1=v1—vfb1
，電機2的轉(zhuǎn)速誤差△v2=v2一vfb2
，計算某一電機實際速度和給定速度的偏差e，以及當前的偏差變化量△e
，同步控制器補償同樣采用PID控制
。其差值經(jīng)過PID補償器加到隨動電機輸入端。
3 基于神經(jīng)網(wǎng)絡(luò)PID控制器的建立
BP神經(jīng)網(wǎng)絡(luò)是應(yīng)用zui廣泛的一種人工神經(jīng)網(wǎng)絡(luò)
，在各門學科領(lǐng)域中都具有很重要的實用價值
，根據(jù)本系統(tǒng)的控制系統(tǒng)的特點，為了快速消除同步誤差
，本文采用BP神經(jīng)網(wǎng)絡(luò)與PID相結(jié)合的作為同步補償方法
。
3．1 BP神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)的結(jié)構(gòu)
基于BP網(wǎng)絡(luò)的PID控制系統(tǒng)結(jié)構(gòu)如圖2所示，控制器由兩部分組成：
3．1 BP神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)的結(jié)構(gòu)
基于BP網(wǎng)絡(luò)的PID控制系統(tǒng)結(jié)構(gòu)如圖2所示，控制器由兩部分組成：
(1)常規(guī)PID控制器
，直接對被控對象進行閉環(huán)控制
，并且其控制參數(shù)Kp、Ki
、Kd為在線調(diào)整方式
；
(2)BP神經(jīng)網(wǎng)絡(luò)，根據(jù)系統(tǒng)的運行狀態(tài)
(2)BP神經(jīng)網(wǎng)絡(luò)，根據(jù)系統(tǒng)的運行狀態(tài)
，調(diào)節(jié)PID控制器的參數(shù)
，以期達到某種性能指標的zui優(yōu)化，使輸出層神經(jīng)元的輸出對應(yīng)于PID控制器的3個可調(diào)參數(shù)KD
、Ki
、Kd。通過BP神經(jīng)網(wǎng)絡(luò)的自學習
、加權(quán)系數(shù)的調(diào)整
，使BP神經(jīng)網(wǎng)絡(luò)輸出對應(yīng)于某種zui優(yōu)控制規(guī)律下的PID控制器參數(shù)。以電機作為控制對像
，一般采用增量式PID控制算法進行控制
。它的控制算式為：
式中KP、KI
式中KP、KI
、KD分別為比例
、積分、微分系數(shù)．
3．2 神經(jīng)網(wǎng)絡(luò)PID的算法實現(xiàn)
1)訓練階段的工作
第l步：設(shè)計輸入輸出神經(jīng)元。本BP網(wǎng)絡(luò)的輸入層設(shè)置3個神經(jīng)元
3．2 神經(jīng)網(wǎng)絡(luò)PID的算法實現(xiàn)
1)訓練階段的工作
第l步：設(shè)計輸入輸出神經(jīng)元。本BP網(wǎng)絡(luò)的輸入層設(shè)置3個神經(jīng)元
，分別為輸入速度vi、速度偏差e和偏差變化量△e
，輸出層有3個神經(jīng)元
，為PID控制器的3個可調(diào)節(jié)參數(shù)Kp、Ki
、Kd
第2步：設(shè)計隱含層神經(jīng)元個數(shù)
第2步：設(shè)計隱含層神經(jīng)元個數(shù)
。本文初步確定隱含層節(jié)點數(shù)為5個．學習一定次數(shù)后，不成功再增加隱含層節(jié)點數(shù)
，一直達到比較合理的神經(jīng)元數(shù)為止
；
第3步：設(shè)計網(wǎng)絡(luò)初始值。本文中設(shè)定的學習次數(shù)N=5000次
第3步：設(shè)計網(wǎng)絡(luò)初始值。本文中設(shè)定的學習次數(shù)N=5000次
，誤差限定值E=0．02
；
第4步：應(yīng)用Simulink對BP網(wǎng)絡(luò)進行訓練和仿真。
2)測試階段的工作
在測試階段
第4步：應(yīng)用Simulink對BP網(wǎng)絡(luò)進行訓練和仿真。
2)測試階段的工作
在測試階段
，主要是對訓練過的網(wǎng)絡(luò)輸入測試樣木
，測試網(wǎng)絡(luò)的學習效果，即判斷網(wǎng)絡(luò)的運算值與樣本的期望值之差是否在允許的范圍之內(nèi)
。在此不再贅述具體判定過程
。
4 仿真與分析
本文以2臺電機同步為模型進行仿真。在電機的參數(shù)設(shè)定時
，對2臺電機的參數(shù)取相同值
。電機參數(shù)為：定子每相繞組電阻R=5．9Ω，定子d相繞組電感Ld=0．573
，轉(zhuǎn)子電阻R=5．6Ω轉(zhuǎn)子電感L=O．58給定轉(zhuǎn)速n=500rad／sec
，極對數(shù)為3。在t=0．05 s時
，突加階躍擾動
，利用Matlab對傳統(tǒng)PID和神經(jīng)網(wǎng)絡(luò)PID分別進行仿真，得到實驗曲線如圖所示．
圖4神經(jīng)網(wǎng)絡(luò)PID控制響應(yīng)曲線
比較兩種仿真結(jié)果
，經(jīng)計算采用常規(guī)PID補償器時
，突加負載擾動后，同步誤差△Verror=0．26％采用神經(jīng)網(wǎng)絡(luò)PID補償器時
，突加負載擾動后
，同步誤差△Verror．=O．08％，由些可以看到采用神經(jīng)網(wǎng)絡(luò)PID補償器方法的時候
，系統(tǒng)的同步性能
、抗干擾性能優(yōu)于只采用常規(guī)PID補償器時的性能，其具有更好的控制特性。
5 結(jié)束語
本文針對于多電機同步控制中出現(xiàn)的多變量
、強耦合
、具有大慣性環(huán)節(jié)、難以建立準確數(shù)學模型的被控對象
，在傳統(tǒng)PID的基礎(chǔ)上引入神經(jīng)網(wǎng)絡(luò)的的概念
，將神經(jīng)網(wǎng)絡(luò)PID用于速度同步補償中，仿真結(jié)果表明
，該方法使系統(tǒng)的抗干擾能力增強
，同步精度有所提高，控制效果良好
。