基于IGA的USM速度智能控制系统研究

乔维德

(常州市广播电视大学，江苏常州213001)

摘要：针对超声波电机参数的时变性、系统内在的非线性和系统的强耦舍性等特点，提出基于免疫遗传算法的超声波电机模糊神经网络速度控制策略，实验结果表明，与传统模糊神经网络速度控制相比，采用该方法的系统能较好地实现设定的超声波电机速度参考模型的自适应跟踪，响应速度脉动小，具有控制灵活、适应性强、控制精度高、鲁棒，陛强等优点。

 

关键词：免疫遗传算法；超声波电机；模糊神经网络；速度控制

中图分类号：TP273    文献标识码：A

    1 引言

 

    超声波电机(USM)是近几十年发展起来的一种全新原理、结构的新型电机。它利用压电陶瓷材料PZT或高分子PVDF薄膜材料的逆压电效应，将电能转换为定子弹性体在超声域内的振动，再通过定子与转子界面之间的摩擦将超声振动转换为转子的振动。与传统的电磁电机相比，超声波电机具有结构紧凑简单、能量密度大、低速、大扭矩、噪声小、制动和响应特性好以及抗电磁干扰能力强等优点，所以已经在仪器仪表、家用电器、机器人、办公自动化、航空航天等领域得到了越来越广泛的应用…，而它所具有的响应快、断电自锁等特点使其成为一种较理想的伺服驱动器件。然而由于usM参数的高度非线性和其特性的时变性、强耦合性等，迄今为止，尚没有精确的数学模型，因而很难用传统的理论和控制方法来实现高精度的超声波电机的伺服控制。为此，近年来国内外许多学者和科技人员针对超声波电机的驱动问题，进行了大量研究和试验，并取得了不少研究成果，将模糊控制理论、PID控制理论、神经网络等应用到USM的优化控制，达到了一定的控制效果。但上述方法电机仍存在着较大的波动，不能使系统获得精确的跟踪响应和良好的控制性能。

 

    鉴于以上所述，本文提出基于免疫遗传算法的超声波电机模糊神经网络速度控制新方法，其基本思路是：应用免疫遗传算法在线优化模糊神经网络控制器参数，并将优化设计好的控制器用于建立超声波电机的速度自适应控制系统模型。试验结果分析表明，该系统在对usM进行速度控制时，具有很好的转速跟踪响应能力和较强的适应性、稳定性，控制精度高，并且对随机扰动具有很强的鲁棒性。

 

    2 超声波电机的速度智能控制系统

 

    图1所示给出了超声波电机模型参考自适应闭环速度控制系统结构。速度参考模型是控制系统的跟踪目标，可以是恒定转速，也可以是阶跃转速等。为提高电机速度跟踪的快速与准确性，本系统速度控制内环中引入定子振动检测信号。模糊

 

    3 模糊神经网络控制器(FNNc)

 

    本控制系统中模糊神经网络控制器结构如图2所示。它由四层前向神经网络构成，分别为输八层(i层)、隶属函数层(i层)、规则层(k层)和输出层(o层)[2]

    第一层是输入层，它将输入信号e及其变化△e通过节点输入到下一层。输入和输出的关系可以表示为：

    第二层是隶属函数层，该层的每一个节点代表一个语言变量，功能是计算各输入变量属于某个语言模糊集合的隶属函数，将其作为输出量。本层采用高斯函数作为隶属函数对于第j个节点有：

值和分布宽度，在这里为高斯隶属数的均值和标准差。

 

&nb