发明名称 |
一种应用于磁悬浮反作用飞轮的自适应神经网络控制方法 |
摘要 |
一种应用于磁悬浮反作用飞轮的自适应神经网络控制算法,包括以下四个基本步骤:(1)建立自适应机构模型;(2)建立神经网络机构模型;(3)训练BP神经网络;(4)补偿磁悬浮反作用飞轮的输出误差。本发明实现了对磁悬浮反作用飞轮的稳定控制,并利用其能够逼近复杂的非线性函数和自学能力等特点,实现了对磁悬浮反作用飞轮系统的噪声抑制作用及非线性补偿。本发明可有效消除磁悬浮反作用飞轮系统的干扰噪声,抑制控制对象的非线性,实现飞轮在整个转速范围内高精度控制。 |
申请公布号 |
CN100587632C |
申请公布日期 |
2010.02.03 |
申请号 |
CN200710176102.9 |
申请日期 |
2007.10.19 |
申请人 |
北京航空航天大学 |
发明人 |
房建成;刘彬;王洁琼;刘刚 |
分类号 |
G05B13/02(2006.01)I |
主分类号 |
G05B13/02(2006.01)I |
代理机构 |
北京科迪生专利代理有限责任公司 |
代理人 |
关 玲;李新华 |
主权项 |
1、一种应用于磁悬浮反作用飞轮的自适应神经网络控制方法,其特征在于步骤如下:第一步,建立自适应机构模型取PID控制器和功率放大器模块(4)的输出电流信号i作为输入量,以飞轮位置自适应校正信号ye作为输出量来构建自适应机构模块(2);第二步,建立神经网络机构模型考虑干扰噪声信号η后的磁悬浮反作用飞轮转子模块(1)输出的位置信号y,与自适应机构模块(2)产生的飞轮位置自适应校正信号ye之差的误差信号e通过转换器转换为三路信号Ke、Δe、∑e,以这三路信号作为输入量,飞轮位置神经网络校正信号yN作为输出量来构建三输入单输出的神经网络机构模块(3);第三步,训练BP神经网络在所述第二步得到的神经网络机构模块(3)的基础上,采用BP算法训练神经网络并得到最优的模型参数;第四步,补偿磁悬浮反作用飞轮的输出误差将第三步训练好的神经网络模块(3)输出的飞轮位置神经网络校正信号yN和自适应机构模块(2)的飞轮位置自适应校正信号ye共同作为补偿信号反馈至磁悬浮反作用飞轮的参考输入位置信号r即可实现误差补偿。 |
地址 |
100083北京市海淀区学院路37号 |