[发明专利]基于神经网络辨识器的永磁球形电动机力学解耦控制方法

摘要

本发明属于永磁球形电动机动力学控制技术领域，涉及一种球形电动机力学解耦控制方法，该方法包括伺服控制器，还包括按照下列步骤建立的神经网络前馈控制器：建立球形电动机的动力学方程；建立两层神经网络辨识器，所述神经网络辨识器的输入信号为球形电动机输出的位置角向量θ(α，β，γ)，输出信号为前馈补偿力矩向量(τ_nα，τ_nβ，τ_nγ)^T；采用带有附加动量的权值调节公式训练所述的神经网络辨识器；对神经网络辨识器进行在线辨识，实现力矩向量(τ_nα，τ_nβ，τ_nγ)^T的前馈补偿。本发明提供的方法能够有效减弱模型估计误差和系统外部扰动影响。

主权项

1.一种基于神经网络辨识器的球形电动机力学解耦控制方法，包括伺服控制器，其特征在于，还包括按照下列步骤建立的神经网络前馈控制器：第一步：建立球形电动机的动力学方程：M(θ)θ..+C(θ,θ.)θ.+τf=τ,]]>其中，M(θ)为惯性矩阵，为离心力与哥氏力矩阵。θ为角位置向量，和分别为角速度向量和角加速度向量，τ_f＝(τ_fα，τ_fβ，τ_fγ)^T，τ为控制力矩；第二步：建立两层神经网络辨识器，所述神经网络辨识器的输入信号为球形电动机输出的位置角向量θ(α，β，γ)，输出信号为前馈补偿力矩向量(τ_nα，τ_nβ，τ_nγ)^T，输入层与隐含层神经元之间采用Sigmoid函数作为非线性激活函数，输出层的神经元激活函数为纯线性函数；第三步：以τt=ΔM(θ)θ..+ΔC(θ,θ.)θ.+τf]]>为神经网络误差信号的训练信号，采用带有附加动量的权值调节公式Δw_ij(k+1)＝(1-α)ηδ_i+αηΔw_ij(k)训练所述的神经网络辨识器，两式中，ΔM(θ)=M(θ)-M~(θ),]]>ΔC(θ,θ.)=C(θ,θ.)-C~(θ,θ.),]]>α为动量因子，0≤α≤1，δ_i为节点误差，η为学习速率；第四步：对上述的神经网络辨识器进行在线辨识，实现力矩向量(τ_nα，τ_nβ，τ_nγ)^T的前馈补偿。