[发明专利]基于神经网络二维伺服阀步进式电-机械转换器的控制方法

说明书

本发明公开了一种基于神经网络的二维伺服阀步进式电‑机械转换器的控制方法。所述方法包括以下步骤：对步进电机采用电流同步控制的方法；位置闭环采用改进型单神经元自适应PID算法并加前馈补偿得到理论磁场角位移信号；对理论磁场角位移信号加以限定以保证失调角在半个齿距角范围内；将理论磁场角位移信号分解为各相理论电流信号；电流闭环采用单神经元自适应PID算法，输出两个绕组的PWM信号；PWM信号控制驱动电路产生各相绕组的电流信号，变化的电流信号形成旋转磁场控制步进电机转子的运动。本发明能保证电机转子角位移可以在任意位置精确快速定位，具有较好的抗干扰性和自适应能力。

技术领域

本发明涉及机电控制领域，特别是涉及一种基于神经网络二维伺服阀步进式电-机械转换器的控制方法。

背景技术

二维伺服阀是浙江工业大学阮健等在2002年提出的一种新型结构伺服阀，相对其他伺服阀具有功率重量比高、结构简单、零位泄露小、抗污染能力强和动态性能好等优点。二维伺服阀已经在许多工作场合得到应用，比如飞机液压刹车系统、舵机液压系统、电液疲劳试验机的激振器系统、液压弹射机构等。二维伺服阀将步进电机作为电-机械转换器，在对二维伺服阀进行控制时步进电机将输入的位移信号通过传动机构作用于阀芯，从而控制阀芯的运动。步进电机的静动态特性对二维伺服阀的性能起着关键的作用。

现有技术中，对二维伺服阀步进式电-机械转换器的控制常采用闭环控制，闭环控制环节采用常规PID算法，常规PID算法虽然结构简单，易于实现，但仍然存在一定的局限性，主要原因就是PID参数整定的问题，一旦参数整定好之后，在整个控制过程中参数是不变的。但是，二维伺服阀在实际控制过程中，由于系统会受到压力等的扰动引起参数变化，用不变的PID参数就很难达到最佳的控制效果。

神经网络控制是20世纪80年代末期发展起来的自动控制领域的前沿学科之一，它为解决复杂的非线性、不确定、不确知系统的控制问题开辟了新途径。由具有自学习和自适应能力的单神经元构成的单神经元自适应智能PID控制器，不但结构简单，而且能适应环境变化，有较强的鲁棒性。

发明内容

基于此，为了克服常规PID算法在二维伺服阀步进式电-机械转换器控制中所具有的参数整定困难、抗干扰性差以及对不同工况的适应性差的问题，本发明提出一种基于神经网络二维伺服阀步进式电-机械转换器的控制方法。

本发明解决其技术问题所采用的技术方案是：

一种基于神经网络二维伺服阀步进式电-机械转换器的控制方法，所述控制方法包括以下步骤：

(1)、采集输入信号θ_i(t)和转子实际角位移信号θ(t)，计算偏差信号e；

(2)、构建单神经元PID控制器，单神经元PID控制器是将PID控制规律融入神经网络的一种新型控制器，通过对加权系数的调整来实现自适应、自组织功能，控制器的输出u(k)的表达式为：

式中：x_i(k)—控制器输入信号，w′_i(k)—权值系数，K—比例系数，k—采样序号，x_i(k)的表达式为：

权值系数w′_i(k)的调整是按有监督的Hebb学习规则实现的，其表达式为：

式中：η_P、η_I、η_D—学习速率；

比例系数K是按一种非线性的变速控制进行调节，K值根据输入误差的绝对值自动调整，其表达式为：