[发明专利]基于小脑神经网络的舵机电动加载系统智能控制方法

摘要

一种基于小脑神经网络的舵机电动加载系统智能控制方法。该智能控制方法采用基于小脑神经网络前馈和增量式PID反馈的控制补偿方案，通过合理设计小脑神经网络前馈控制器的三维输入向量，采用Sigmoid函数变平衡学习常数的权值调整算法，引入增量式PID反馈及控制补偿环节，使小脑神经网络获得足够多的被控信息，达到了前馈控制效果，并且解决了经典PID算法中积分项溢出的问题。从而保证了伺服控制系统的稳定性，在一定程度上抑制了多余力矩干扰。

主权项

1.一种基于小脑神经网络的舵机电动加载系统智能控制方法，所述的舵机电动加载系统包括控制器(1)、PWM驱动器(2)、永磁直流力矩电机(3)、金属橡胶‑缓冲弹簧(4)、力矩传感器(6)、旋转编码器(7)；其中：控制器(1)与PWM驱动器(2)、力矩传感器(6)和旋转编码器(7)相连接；PWM驱动器(2)依次通过永磁直流力矩电机(3)、金属橡胶‑缓冲弹簧(4)与舵机(5)相连接；舵机(5)分别与力矩传感器(6)和旋转编码器(7)相连接；其特征在于：所述的舵机电动加载系统智能控制方法包括按顺序进行的下列步骤：1)由小脑神经网络前馈控制器和增量式PID反馈控制器组成控制器(1)；2)小脑神经网络前馈控制器将从力矩传感器(6)和旋转编码器(7)输出的调节误差e、舵机(5)的角速度信号角加速度信号作为一个三维状态空间引入至前馈输入端作为被控信息，采用小脑神经网络算法对舵机电动加载系统实现在线实时控制，动态调整连接权值，得到前馈控制信号u_n；3)增量式PID反馈控制器利用调节误差e，主要在舵机(5)启动、换向瞬间对舵机电动加载系统进行反馈控制，同时为小脑神经网络提供训练学习样本信息，得到反馈控制信号up；之后在上述步骤2)获得的前馈控制信号un和反馈控制信号up的基础上，引入调节误差e的超前校正补偿信号ue，由此组成控制器(1)的控制信号u＝un+up+ue，最终输出控制信号到PWM驱动器(2)，由PWM驱动器(2进行信号转换、功率放大后输出到永磁直流力矩电机3，并产生加载力矩，最后经由金属橡胶‑缓冲弹簧(4)加载到舵机(5)上。