一种超声波电机伺服控制系统神经网络控制方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109150004A(43)申请公布日2019.01.04(21)申请号201811065772.8(22)申请日2018.09.13(71)申请人闽江学院地址350108福建省福州市闽侯县上街镇溪源宫路200号(72)发明人傅平(74)专利代理机构福州元创专利商标代理有限公司35100代理人蔡学俊(51)Int.Cl.H02N2/06(2006.01)权利要求书7页说明书17页附图2页(54)发明名称一种超声波电机伺服控制系统神经网络控制方法(57)摘要本发明涉及一种超声波电机伺服控制系统神经网络控制方法。提供一超声波电机伺服控制系统，包括基座和设于基座上的超声波电机，所述超声波电机一侧输出轴与光电编码器相连接，超声波电机另一侧输出轴与飞轮惯性负载相连接，所述飞轮惯性负载输出轴经联轴器与力矩传感器相连接，所述光电编码器的信号输出端、力矩传感器的信号输出端分别接至控制系统；该方法建立在神经网络基础上，在减小跟踪动态误差的同时也使得伺服系统滞回最小，从而能获得更好的输入输出控制效能。本发明方法不仅控制准确度高，而且结构简单、紧凑，使用效果好。CN109150004ACN109150004A权利要求书1/7页1.一种超声波电机伺服控制系统神经网络控制方法，其特征在于，提供一超声波电机伺服控制系统，包括基座和设于基座上的超声波电机，所述超声波电机一侧输出轴与光电编码器相连接，超声波电机另一侧输出轴与飞轮惯性负载相连接，所述飞轮惯性负载输出轴经联轴器与力矩传感器相连接，所述光电编码器的信号输出端、力矩传感器的信号输出端分别接至控制系统；该方法建立在神经网络基础上，在减小跟踪动态误差的同时也使得伺服系统滞回最小，从而能获得更好的输入输出控制效能。2.根据权利要求1所述的一种超声波电机伺服控制系统神经网络控制方法，其特征在于，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和驱动芯片电路，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接，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接，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。3.根据权利要求1所述的一种超声波电机伺服控制系统神经网络控制方法，其特征在于，所述联轴器为弹性联轴器。4.根据权利要求1所述的一种超声波电机伺服控制系统神经网络控制方法，其特征在于，所述超声波电机、光电编码器、力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、力矩传感器固定支架固定于所述基座上。5.根据权利要求2所述的一种超声波电机伺服控制系统神经网络控制方法，其特征在于，该方法具体实现如下，超声波电机驱动系统的动态方程可以写为：其中Ap＝-B/J，BP＝J/Kt＞0，CP＝-1/J；B为阻尼系数，J为转动惯量，Kt为电流因子，Tf(v)为摩擦阻力力矩，TL为负载力矩，U(t)是电机的输出力矩，θr(t)为通过光电编码器测量得到的位置信号，为通过计算得到的速度信号，为通过计算得到的加速度信号；x是电机转子的位移，表示速度，表示加速度；为了消除电机摩擦力滞回造成的影响，采用神经网络控制；考虑具有滞回SISO非线性系统T其中，x＝[x1,x2,...,xn]是系统状态；a(x)和b(x)是未知的平滑函数；de(t)表示系统不确定性，包括外部干扰和建模误差，|de(t)|≤d0；ω(t)是由(2)、(3)给出ω(t)＝p0v(t)-d[v](t)(2)其中，为方便起见，对于任何给定的滞回初始状态ψ1，Fr[v；ψ1]由Fr[v]2CN109150004A权利要求书2/7页表示；通过该滞回模型，系统(1)变为T系统的目的是设计稳定的控制律v(t)以强制状态向量x＝[x1,x2,...,xn]尽可能接近给定轨迹对于此系统，做出以下假设：假设1：b(x)的符号是已知的，并且存在一个常数b0＞0，使得b0＜|b(x)|；由于b(x)的符号已知，并且b(x)不等于零，可以假设b(x)＞0；假设2：存在平滑函数使得且独立于状态xn；假设3：所需的轨迹Xd是可用的；假设4：存在已知的常数p0min＞0和已知函数pmax(r)，使得对于所有r∈[0,R]，p0＞p0min和p(r)≤pmax(r)；对于假设4，基于密度函数p(r)的性质，设定p(r)的上界pmax是合理的；这里p0min＞0必须满足，否则p0＝0意味着ω(t)＝0；为了简化，取其中，由假设1，2和3，g(x)与xn无关，且0＜g(x)≤1；将跟踪误差向量定义为过滤的跟踪误差s(t)为s(t)可以写为和ΛT＝[λn-1,(n-1)λn-2,