采用传统PID控制方法的从控制系统在转动惯量变化后控制效果差。须重置控制参数以获得令人满意的控制效果。建立具有转动惯量因子的控制对象模型时，通过转动惯量变化的影响来分析从系统。是由专用于dsPIC30F6010A的发动机数字控制器，即采用PID算法，采用单一的神经元分别在常规的PID控制算法和单神经元的自适应控制而设计的。行模拟。比于传统PID控制的仿真结果，可以确认的是，PID算法，单个神经元能有效解决因系统的转动惯量的变化的控制问题，并能控制高效可靠地控制转动惯量的变化。动惯量;单神经元;改变自适应伺服控制系统的惯性矩是掌握爆炸物处理设备的难题。操纵装置的机械臂输送的炸药具有明显的重量差异，这导致系统的旋转。性在一定范围内变化。实际调试过程中，我们经常在一定负载下调试一组与惯性力矩系统性能指标对应的参数，但当商品类型发生变化时，时刻控制效果惯性往往是平庸的。甚至会不稳定。
常的解决方案是恢复参数，这显然是不允许的。统PID控制方法的简单使用还不能适应惯性惯性的变化。们必须找到一种简单易行的控制策略，以满足我们的要求。为一种传统的智能控制技术，单神经元控制可以解决传统方法无法解决的复杂，不精确和非线性控制问题，而无需了解系统的精确数学模型。于易于在硬件或软件中实现，因此被广泛使用。制算法本文采用了一个补丁neurone.La在线算法加权系数提高自适应PID控制是根据实际经验，而不是完全基于学习的原则通过神经网络。进的学习规则具有更好的抑制超限和缩短调整时间的效果。
件采用数字信号控制器（DSC）的具体dsPIC30F6010A的发动机高性能16位微控制器，其包含微控制器的控制功能和DSP.En添加到提供足够的性能的速度计算功能，该比率性价比等于DSP。入式系统是无与伦比的。服控制器计算系统的总体设计的控制系统可以分为两部分：上位计算机和驱动器，在控制逻辑中物理上彼此独立并链接在一起。个控制系统包括上位机，控制台，伺服控制器，传感器，电动缸，锁定机构，电源等，如图1所示。制器的设计，dsPIC30F6010A具有内部PLL电路，允许8 MHz外部时钟始终在内部通过PLL乘法器电路8倍。用8M低频晶体振荡器可避免外部干扰时钟，并防止高频时钟干扰其他电路。源选择伺服控制器主电路的设计主要考虑功率和寿命因素，是指现代消费者伺服控制器的结构和电源装置的使用。服控制器从1KW到6KW。
了伺服控制器的设计过程中，以满足电磁兼容性要求，控制电路和电源装置是在输出线PWM划分和PWM信号增强电路串联连接控制器延长传输距离。用三菱PM75RSA060，PWM信号绝缘光耦合器电路的电动机驱动设备使用专用IPM安捷伦寄生虫及其极短的时间光耦合器保证的高速开关应用中死区时间的安全IPM，三菱IPM的首选。置。IPM不仅集成了电源开关设备和控制电路。
外，集成了过压，过流和过热等故障检测电路，检测信号可以发送到CPU。由高速和低功耗芯片，优化的栅极控制电路和快速保护电路组成。使发生装载事故或不当使用，也可以保证IPM本身免受损坏。制器结构从机系统采用速度，电流和位置环三环闭环控制结构，电流环和速度环由PI控制，位置环采用控制。适应PID到单个神经元。制策略不仅具有除去过量的动态过程中感应的电流的效果，而且导致在不存在静态速度和强劲的势头免疫系统。服系统的数学模型，使系统的模型作为系统的分析和设计的一个重要步骤，其中，所述转子和发动机负荷被视为一个整体，负载被转换成转子增加了电动机，功率放大器和电流调节器。速度控制器，位置控制器，同步增加电流回路的反馈系数和惯性环节，速度环控制器和位置环控制器，最终控制系统的结构如图所示在图2中，a，b和c分别是电流环，速度环和位置环的反馈系数，并且是惯性环节。流环，速度环和位置环分别为;你，Ton和Top分别是速度环和速度。和位置环的反应延迟; Ts是逆变器的延迟; Ks是逆变器的放大系数; J是系统的总惯性矩，B是系统的总粘滞阻尼系数，i是传动机构的减速比。流控制的传输回路和速度回路通常设计为ACR和ASR的PI控制器。电流回路这个反电动势是交叉反馈从电流环路比所述循环变化过程快得多的courant.Le设定处理的环路的速度环路的输出量速度，可以估计它在设置电流环的过程中不会改变。响可以忽略不计。论反馈系数和位置环的惯性和机械传动减速比1 /是什么，问题都可以简化，并且可以获得位置环的控制对象 – 速度环的闭环传递函数：获得每个参数：其中J = 0.0023-0.01。适应PID控制算法，以一个单一的神经元的神经元简单具有自学习的能力和自适应的，其结构简单，易于calculer.Le传统的PID控制器具有简单的结构和配置是密切相关的技术指标。过组合这两个有机，自适应PID控制器，单个神经元中形成，它可以克服在常规的PID控制器的实时在线实现一定程度的调整参数的难度。PID控制器单神经元输入的原理图3的转换器是k和反馈量n，并且反相器输出为状态XL，X2，X3的神经元的学习控制所需要的量。中：神经元状态转换器的输出被设定为z（k）是性能指数，K是神经元的比例系数，K> 0在该式中，加权因子。神经元自适应PID控制器通过调整权重来执行自适应和自学习功能。权因子与神经元的输入，输出和输出偏转的相关函数有关。权系数的调整规则是控制算法的关键，它使用不同的规则来形成不同的算法。用的学习规则是：无监督的Hebb学习规则，有监督的Delta学习规则和监督的Hebb学习规则。
适应PID控制单神经元的键的单神经元自适应控制器是通过调节加权系数进行自适应功能，根据与监督学习赫布如上所述，这里三个学习规则。如，控制算法和相应的学习算法分别是：积分学习率，比例和微分，K是神经元的比例系数。于积分I，比例P和差分D，分别使用不同的学习速率，以便分别调整不同的加权系数。单个神经元的自适应控制单个神经元的最佳自适应PID控制有许多改进的方法：考虑到可行性和可操作性，学习控制算法的加权系数的校正部可以修改神经元的自适应PID。监督学习海布的规则，改进的算法是：上述改善后，将加权系数的校正线不再完全基于神经网络的学习的原则，但根据实际经验。文的仿真系统仿真平台是Matlab的R2011b，控制对象是如下：系统的惯量J的总力矩从0 0.0023四个值，0.0062，选择01和0.013。面以这四个值为例进行模拟研究。PID控制的经典模拟模拟并首先分析J = 0.0023，J = 0.0062，J = 0.01和J = 0.013（过载）的四个惯性矩。旦GC（S）分别进入J，从系统的PID控制参数如下：Kp = 0.13，Ki = 0.004，Kd = 0.003。
拟结果如图4所示。据图4的结果，控制参数根据J = 0.0023定义，并且在此阶段不超过系统;当J = 0.0062时，控制参数保持不变，响应较高，超调量为0.58％;在J = 0.01时，控制参数不变，响应溢出增加到3.31％。据系统性能要求，J = 0.0062的超出范围在允许范围内，超过J = 0.01超出允许范围。后，如果J = 0.013，则系统过载并且响应溢出增加到5.9％。果伺服调节器的状态应用于设备本身，则机械结构可能碰撞并且待运输的物体可能被损坏或爆炸。果设置与惯量J的时刻的最大值进行，该系统已经处于不稳定的状态时的惯性被减小到最小值，如果设置与惯量J的力矩的中间值由0.0062，当转动惯量J为最小值时，设定时间乘以1，平衡误差乘以9.超过1.6％时出现超限惯性超过最大值30％。然，这些结果不符合要求。适应PID控制仿真在自适应PID控制规则的模拟一种改进的神经元的单个神经元中，P比率，全I，差分d的学习速率和神经元的比例因子被设置为，和K = 0.17。
系统的仿真结果如图5所示。图5中可以看出，转动惯量J的输出波形分别为0.0023，0.0062和0.01。为一致后0.032秒，无超调两个满足系统要求，当系统过载，恒温阀芯也就是说，惯量J的时刻，这是0.013，它往往是一致0.05后的前三个，也可满足控制要求。论常规PID控制效果和自适应PID算法单神经元相比，我们可以看到，惯性变化的控制系统常规PID控制效果远逊于单神经元控制的那个。算单个神经元的自适应PID控制不仅可以满足无超调的要求，还可以提高系统的动态性能，特别是当系统过载30％时。此，单神经元自适应PID控制算法可以解决改变系统惯性矩的问题，可以取代传统的PID控制。论在最近几年，已经被应用到很多领域，包括自适应PID控制算法单神经元的工业控制的基础上，自适应PID控制单神经元的伺服控制器和所设计的PID自适应控制算法是模拟和研究。真结果表明，单个神经元的自适应算法简单易行，能够适应受控对象的受控惯性环境，并且能够提高系统的动态性能。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com