基于WNN-ADRC的高炮交流伺服系统控制

发布时间：2021-07-02 07:57

　　为解决高炮交流伺服系统控制中外界扰动及非线性特性的问题,提出一种基于小波神经网络的改进型自抗扰控制器（WNN-ADRC）。利用LM（levenberg-marquardt）算法优化小波神经网络,采用优化后的小波神经网络对扩张状态观测器的误差校正增益系数进行在线整定,设计基于小波神经网络的自抗扰控制器,以实现对非线性特性的准确估计并予以补偿,并通过仿真实验进行验证。仿真结果证明:该控制策略使系统具有较好的稳态性能,抗干扰能力强。 

【文章来源】：兵工自动化. 2020,39(11)

【文章页数】：6 页

【部分图文】：

ADRC结构

笔者将小波神经网络嵌入到ADRC中，利用基于LM算法改进后的WNN对β01、β02、β03进行在线整定，设计基于小波神经网络的自抗扰控制器，结构如图3所示。笔者采用3层小波神经网络，设置WNN输入节点个数为4。令WNN输入为x1=e1(t)、x2=e2(t)、x3=y(t)、x4=1。e1为信号误差，e2为信号微分误差。根据经验公式(编号)，确定隐含层节点数为5。输出节点个数为3，分别表示β01、β02、β03。

设定参考目标输入值为25°，仿真时间10 s。阶跃响应曲线如图4所示，传统ADRC与WNN-ADRC控制器均无超调。采用ADRC控制器，系统到达稳态所需时间为2.15 s，采用WNN-ADRC控制器所需时间仅为1.81 s，这表明WNN-ADRC响应速度更快。阶跃响应误差曲线如图5所示。图6中在4 s时加入300 N·m阶跃干扰信号，WNN-ADRC仅需0.20 s即可恢复至目标位置，而ADRC需要0.48 s。对比结果可知：WNN-ADRC对外界负载扰动具有更好的鲁棒性，抗干扰的能力更强。图5 阶跃响应位置误差

【参考文献】：
期刊论文
[1]交流伺服系统分数阶PID改进型自抗扰控制[J]. 王荣林,陆宝春,侯润民,高强,张唯,朱云,戴炼.  中国机械工程. 2019(16)
[2]改进型WNN在火箭灭火车伺服系统中的应用[J]. 侯润民,方安国,胡达,侯远龙.  弹箭与制导学报. 2019(01)
[3]基于改进小波神经网络的动车组牵引电机故障趋势预测[J]. 刘峰,刘海生.  制造业自动化. 2017(07)
[4]基于BP神经网络的自适应自抗扰控制及仿真[J]. 齐晓慧,李杰,韩帅涛.  兵工学报. 2013(06)
[5]基于免疫双态微粒群的混沌系统自抗扰控制[J]. 刘朝华,张英杰,章兢,吴建辉.  物理学报. 2011(01)



本文编号：3260076