[发明专利]基于广义回归神经网络辨识器的超声波电机位置与速度控制系统

说明书

技术领域

本发明涉及电机控制器领域，特别是一种基于广义回归神经网络辨识器的超声波电机位置与速度控制系统。

背景技术

现有的超声波电机位置与速度控制系统，大都使用积分微分控制器，主要着眼于控制器的计算响应特性比电机本体的响应快。由于超声波电机的响应为毫秒级且非线性控制特性比较严重，神经网络对已有的控制参数具有记忆能力，使得神经网络可以对电机的非线性可以进行预测和补偿，因此电机的位置与速度控制可以获得较好的动态特性。

发明内容

有鉴于此，本发明的目的是提供一种基于广义回归神经网络辨识器的超声波电机位置与速度控制系统，该装置及其控制系统不仅控制准确度高，而且结构简单、紧凑，使用效果好。

本发明采用以下方案实现：一种基于广义回归神经网络辨识器的超声波电机位置与速度控制系统，包括基座和设于基座上的超声波电机，所述超声波电机的一侧输出轴与光电编码器相连，所述超声波电机的另一侧输出轴与飞轮惯性负载相连；所述飞轮惯性负载的输出轴经联轴器与力矩传感器相连；所述光电编码器的信号输出端与所述力矩传感器的信号输出端分别接至一控制系统。

进一步地，所述控制系统包括超声波电机驱动控制电路，所述超声波电机驱动控制电路包括控制芯片电路与驱动芯片电路；所述光电编码器的信号输出端与所述控制芯片电路的相应输入端相连，所述控制芯片电路的输出端与所述驱动芯片电路的相应输入端相连，用以驱动所述驱动芯片电路；所述驱动芯片电路的驱动频率调节信号输出端和驱动半桥电路调节信号输出端分别与所述超声波电机的相应输入端相连接；所述广义回归神经网络辨识器设置于所述控制芯片电路中。

进一步地，所述联轴器为弹性联轴器。

进一步地，所述超声波电机、光电编码器、转矩传感器分别经超声波电机固定支架、光电编码器固定支架、转矩传感器固定支架固定于所述基座上。

进一步地，所述控制系统包括所述广义回归神经网络辨识器；所述广义回归神经网络辨识器是由四层网络组成，所述四层网络包括输入层、模式层、求和层以及输出层；

所述输入层共有2个节点，输入层X(k)可以表示为

X(k)＝[x₁(k)x₂(k)]^T(1)

其中x₁(k)＝f(k),x₂(k)＝φ(k)，f(k)为k时刻电机驱动信号的频率，φ(k)为k时刻电机二相驱动信号的相位差；

所述模式层使用非线性函数将所述输入层的数据变成模式空间的数据；取多变量的高斯函数作为非线性函数，所述高斯函数为

其中是系统的平均向量，δ_j为高斯函数的标准差；对于函数估计来说，δ_j较小时广义回归神经网络有更好的性能；

所述求和层的求和过程分为二个，一个是另一个是其中w_j(k)为模式层节点和求和层节点的连接权重，m是模式层节点的个数。

所述输出层有1个节点，其输出信号y(k)与输入X(k)之间的关系为

估计器的输入为驱动频率f和相位差φ，输出是估计力矩通过线性系统估计变换后得到角速度的估计值

由公式(3)可推得，与输入之间的关系为

综合公式(4)，可表示为

其中m是广义回归神经网络隐含层节点的个数，n是系统的阶数；

公式(5)可以写为矩阵形式

ω^(k)=WnXn(k)---(6)]]>