自适应模糊神经控制器的电动舵机控制
智能船舶自动舵系统自适应模糊输出反馈控制
李铁山（ 通信作者） ，男，博士，教授，主要
从事非线 性 系 统 智 能 控 制 理 论 与 应 用 研 究．
ｔｉｅｓｈａｎｌｉ＠ １２６．ｃｏｍ
１ 大连海事大学 航海学院，大连，１１６０２６
２ 电子科技大学 自动化工程学院，成都，６１１７３１
控制精度，因此，自动舵系统的控制器设计还应考虑系统的指定性能
中图分类号 ＴＰ２７３ ２
文献标志码 Ａ
０ 引言
自动舵是智能船舶最重要的操控系统之一，在船舶的航行安全、
能源成本和船员的劳动强度等方面起着重要的作用．智能船舶运动具
有大时滞、大惯性、强非线性等特点，同时由于航行条件变化和环境
干扰等问题使得船舶运动模型具有严重的不确定性． 因此，自动舵算
法设计，即智能船舶航向控制，成为船舶控制领域中的难点和热点问
题 ［１⁃２］ ． 近年来，智能船舶航向控制研究取得了丰富的成果 ［３⁃５］ ． 现有
大多数研究基于状态反馈方法，即控制设计所需的系统状态信息全
部已知．船舶航行中，载况、航速和外扰等变化不仅会带来模型不确定
性问题，同时还给传感器量测造成困难，再加上传感器本身存在测量
噪声，将带来某些状态信息不可测问题，如自动舵系统仅能测量航向
角信息，而很难得到回转角速度信息，这时应引入状态观测器来获得
控制器设计时所需要的回转角速度信息 ［６］ ． 此外，智能船舶的自动舵
系统存在输入饱和现象，而且饱和非线性问题在控制器设计时是不
可避免的，主要表现为舵角受限，这就意味着控制器设计时需要补偿
输入饱和带来的信号不匹配问题．为减少频繁的无效操舵导致舵机过
æ １ö
系统的输入和输出，ｆ（ ｘ ２ ） ＝ ç － ÷ Ｈ（ ｘ ２ ） 显然是一
电动舵机模糊自适应PID控制方法
图 1 模糊自校正 P I D 控制系统框图
212 控制器设计 21211 确立输入输出变量并模糊化
电动舵机模糊自适应 P I D 控制方法 曹 菁
中图分类号 : T M38314 文献标识码 : A 文章编号 : 1001 2 6848 ( 2007 ) 10 20089 204
电动舵机模糊自适应 P I D 控制方法
曹 菁
(江苏信息职业技术学院 , 无锡 214061)
又由于 ed = Keω, Tm = Km id ,
d ω ω θ d Tm = J + T1 , = dt dt N
式中 , ud 为加在电机两相绕组上的电压 ; id 为导 通相绕组中的电流 ; Km 为转矩常数 ; Ke 为电动势 常数 ; J 为折算到电机轴上的总的转动惯量 , Tl 为 负载转矩 , N 为减速机构的减速比 。 整理后 , 取拉普拉氏变换 , 则整个电机系统 的传递函数 (忽略负载转矩 )为 :
PS, PM , PB } , 子集中的元素分别代表负大 、负
Ld 为电枢回路电磁时间常数 。 Rs
中 、负小 、零 、正小 、正 中 、正 大 , 模 糊子集 的 隶属度函数均采用三角形函数 。 输出量 △Kp 、 △Ki 、 △Kd 的论域 、语言变量 取值 、隶属度函数的选择与 E 和 EC 相同 。
(2) (3)
ea
控制量 , 作为速度环的给定 。系统采用双闭环控 制 , 内环为速度环 , 采用 P I控制 , 外环为位置环 , 采用模糊 P I D 控制 。
【豆丁精品】-》基于自适应神经模糊推理系统的磁悬浮电动机控制概要
豆丁推荐↓精品文档研究与应用Contr ol and I nstru ments in Chem ical I ndustry 基于自适应神经模糊推理系统的磁悬浮电动机控制李惠光, 张广路, 周巧玲, 杨国良(燕山大学电气工程学院, 河北摘要:磁悬浮电动机是一个非线性、, , 为使该系统具有良好的动态性能和稳定性, , 设计了神经模糊P I D 控制器, , 利用模糊控制的逻辑能力和神经网络的自学习能。
, 采用神经模糊P I D 控制响应快、无超调、过渡时间短, 实现了预期目的。
关键词:解耦线性化; 自适应神经模糊推理系统; 神经模糊P I D 中图分类号:TP273文献标识码:A 文章编号:100023932(2009 05200882041引言磁悬浮电动机因其体积小、临界转速高等优点已成为电磁轴承研究中的前沿课题。
但是, 由于磁悬浮电动机系统的非线性和强耦合性, 制约了其发展和应用的速度。
要实现磁悬浮电动机的稳定悬浮和可控旋转, 必须对径向二自由度悬浮力之间进行动态解耦, 并且需要对悬浮力、转矩、转子磁链之间进行线性化解耦。
近年来, 智能控制的广泛应用为复杂的非线性系统提供了解决办法[1, 2], 国内的研究尚处于理论阶段。
本文应用非线性系统状态反馈解耦理论[3], 实现了磁悬浮电动机的转矩、转子磁链、转子位置之间的动态解耦, 并在此基础上设计了神经模糊P I D 控制器, 该控制器利用模糊逻辑的“概念”能力和神经网络的自学习能力, 通过两者的有机结合寻找最佳的P 、I 、D 非线性组合控制规律, 实现了对被控对象的在线控制, 有效地解决了常规P I D 控制器设计过程依赖于对象精确的数学模型且不能调整P I D 参数的缺点, 有效地增加了系统悬浮偏移量调节的自适应力, 提高了系统的性能。
通过MAT LAB /SI M UL I N K 进行仿真, 结果表明, 该控制方法具有良好的解耦控制效果。
舵机控制算法
舵机控制算法舵机控制算法摘要:舵机控制算法是机器人领域中的关键技术之一。
本论文综述了舵机控制算法的研究现状，并分析了其在机器人控制中的应用。
首先介绍了舵机的基本原理和结构，然后详细讨论了舵机控制算法的几种常用方法，包括PID控制算法、模糊控制算法和神经网络控制算法。
最后通过实验验证了这些算法的性能和稳定性。
本论文的研究成果将对舵机控制算法的应用和改进提供参考价值。
1. 引言舵机是一种用于控制机器人关节或运动部件位置的装置。
它通常由电机、传感器和控制电路组成。
舵机广泛应用于机器人领域，如机械手臂、无人机和遥控车等。
舵机控制算法是舵机系统中的关键技术，直接影响到机器人的控制精度和性能。
2. 舵机控制算法的基本原理2.1 舵机的基本原理舵机通过测量角度误差来实现位置控制。
当控制信号输入到舵机中时，舵机电机开始工作，驱动运动部件转动到期望的位置。
传感器将当前位置信息反馈给控制电路，控制电路根据误差信号调整控制信号，使运动部件最终达到期望位置。
2.2 舵机控制算法的设计目标舵机控制算法的设计目标是使运动部件的位置误差尽可能小，并且能够快速、稳定地响应外部指令。
在设计过程中，需要考虑舵机系统的非线性特性和不确定性，以及控制信号的稳定性和抗干扰能力。
3. 舵机控制算法的常用方法3.1 PID控制算法PID控制算法是一种广泛应用于舵机控制的经典算法。
它通过比较运动部件当前位置与期望位置的差异，计算出控制信号，使运动部件向期望位置靠近。
PID控制算法具有简单、可调性强的特点，但在非线性系统和参数不确定的情况下，其性能可能会有限。
3.2 模糊控制算法模糊控制算法是一种基于模糊逻辑的控制方法，可以有效地处理非线性和不确定性系统。
在舵机控制中，模糊控制算法可以根据当前位置和期望位置的误差值，以及其变化率和积分值，根据预先定义的模糊规则，计算出控制信号。
模糊控制算法具有良好的鲁棒性和适应性。
3.3 神经网络控制算法神经网络控制算法是一种基于人工神经网络的控制方法，模拟生物神经系统的结构和功能。
基于神经网络的永磁同步电动机模糊自适应控制概要
基于神经网络的永磁同步电动机模糊自适应控制①许振伟蒋静坪骆再飞(浙江大学电气工程学院杭州310027FUZZ Y ADAPTI VE CONTR OL F OR P M S M BASE D ON NEURAL NET WORKXu Zhenw ei J iang J ingp in L uo Zaifei(Co llege of E lectrical Engineering,Zhejiang U n iversity,H angzhou,310027ABSTRACT In th is paper,w e p ropo se a con tro l sche m e fo r the s peed servo con tro l of P M S M w ith fuzzy adap tive con tro l based on neural netwo rk.In o rder to i m p rove the robustness of the syste m,w e use on2line self2learn ing techn ique to ob2 tain step erro r to substitue fo r the regular to tal feedback er2 ro r,and the learn ing and con tro l take p lace si m ultaneously. T he p recisi on and robustness of the syste m are excellen t. Key W ords N eural netwo rk,Fuzzy con tro l,A dap tive con2 tro l,P M S M摘要为了提高永磁同步电动机伺服系统控制性能,本文结合模糊控制和前馈神经网络各自的特点采用了一种神经网络在线自学习模糊自适应控制结构,利用模糊推理机产生的分目标学习误差取代反馈控制输出信号来训练神经网络,这种控制策略是学习和控制同时进行,实时性、鲁棒性都比较好。
船舶舵机的模糊PID控制
当位置误差 eθ(n) ≤E 时，采用智能 PID 控制，可以保证 系统的控制精度。
船舶航行时，海域上往往是波涛汹涌，诸多的随机事件导 致着船舶航行的不稳定性。这就要求船舶的航向控制系统，应 具有高度的机动性和灵活性，因此船舶舵机控制平台必须具 有良好的运动特性，而平台驱动电机的控制则是一个关键。采 用智能 PID 控制，就是把神经网络与模糊 PID 控制器结合起 来，利用常规 PID 控制直观的物理解释，模糊控制简洁的知识 表达能力和神经网络的在线学习能力，构成一种性能更好的 智能 PID 控制器，它具有较好的鲁棒性和较高的控制精度。
鄣(l=0，1，2，) 鄣鄣鄣
鄣鄣 鄣
依据上述推算办法，可得隐含层加权系数的计算公式为
(2)
(2) (1)
(2)
鄣
△Wij (n+1)=(1- α)ηδi Oj (n)+α△Wij (n)
鄣 鄣
鄣
鄣
2
鄣
鄣 鄣Σ (2)
δi =f '
(2)
neti (n)
(3) (3)
鄣
δl
Wij
(n)(
i
=
0,1,…,8)
鄣 鄣
鄣
l=0
鄣
式中，
g' 鄣 ·鄣 =g（x）[1-g（x）]
f ' 鄣 ·鄣 =[1-f （2 x）]/2
2 舵机控制器的仿真实验
在实际调试过程中，先根据 RLS 算法估计模型参数，选取
模糊神经网络PID在电动舵机控制中的应用
ＺＨＡＮＧ ａ ＺＨＯＵ ａ ｇ ｈ ｎ Ｙｕ ｎ， Ｃｈ ｎ －ｓ ｅ ｇ
ｗ ｓ ｄｐｅ ， ｅ ｅ ｈｐｆ ｃｏ ’ｐｒｍｅ ｒ ａ ｄｗ ｉ ｔ ｏｆｃ ｎ ｗ ｒ ｄｕｔ ｙｓｌ ｌ ｒｉｇａｄＢ ｌｏ ａ ｏ ｔ ｍ ｍｂｒ ｉ ｕ ｔ ｎ ｓａ ａ ｄ ｓ ｎ ｉ ａ ｔ ｓ ｎ ｅｇ ｅｆ ｉ ｔ ｅ ａｊｓ ｄｂ ｅ －ｅ ｎｎ ｎ Ｐ ａ — ｅ ｈ ｃ ｉ ｅ ｅ ｅ ｆ ａ ｑ
第２卷 第５ ９ 期
文章编号 ： ０ — ３ ８ ２ １ ） ５ ０ ７ — ４ １ ６ ９ ４ （０ ２ ０ — ０ ７ ０ ０
计
算
机
仿
真
２２ 月 ０ 年５ １
模 糊 神 经 网 络 Ｐ Ｄ 在 电 动 舵 机 控 制 中 的 应 用 Ｉ
张 元 ． 长 省 周
（ 南京理工大学机械工程学院 ， 江苏 南京 ，１０ ４ ２ ０９ ） 摘要 ： 究电动舵机控 制系统优 化问题 。针对传统控制器 响应速度慢 ， 研 由于系统本身是多变量非线性 的复杂系统 ． 存在时滞 问题 ， 系统参数不易整定 ， 为了优 化电动舵机控制 系统 的快速性 性能 ， 设计 了一种 改进的模糊神经 网络 ＰＤ控制 器， Ｉ 提出 了
ｓｒ ｕ ｉｅ ｅ ｙａｄｄｆｃｉｓｓ ｍ ｐ ａ ｅ ｒ ａｊｓｎ ． ｎｏｄｒｏｉ ｐｏｅｔｅ ｅｐ ｎｅｐｏｅ ｙｏ ｅｔｃａｔ— ｅ ｏｓｔ ｄｌ ｎ ｉ ｕｔ ｙｔ ａ ｍ ｔ ｓ ｄｕｔ ｇ Ｉ ｒｅ ｒｖ ｓｏｓ ｒｐｒ ｆ ｌ ｒ ｃｕ ｉ ｍ ａ ｉ ｆ ｅ ｒ ｅ ｉ ｔ ｍ ｈｒ ｔ ｅ ｃｉ
舵机控制方法
舵机控制方法舵机控制方法是通过控制船舶、机器人或水下机器人的航向来实现控制的基本原理。
舵机通过控制水流方向，使船舶或机器人在合适的路线上移动。
为了实现有效的舵机控制，需要考虑到物理原理、数学原理和控制策略方面的因素。
具体而言，应用物理原理来描述水流的流动规律和应用数学原理来描述舵机控制的可行性，以及控制策略的确定，以实现舵机的有效控制。
在具体应用中，可以采用传统的“控制限制”的控制方法，也可以采用更先进的智能控制策略，如神经网络、模糊控制、遗传算法等，以实现更高效及更有效的舵机控制。
此外，还可以采用多传感器技术，利用传感器及其信号处理技术来监测外界环境和船舶水性状态，从而实现舵机控制。
通过传感器技术实时获取外部信息，可以实现舵机控制的自适应特性和实时修改控制策略，从而提高舵机控制的准确性。
二、舵机控制的应用在船舶的导航控制中，舵机控制是一种重要的控制方法，可以实现船舶的准确定位、方向控制及路径规划等。
在机器人导航控制中，舵机可以实现机器人准确的方向控制，使其得到有效的运动指导。
同时，在水下机器人定位及航线的控制中，舵机可以有效的控制机器人的导航，并且可以根据外部的环境变化自动调整航线路径，从而使控制更加准确。
三、舵机控制方法的发展趋势随着机器人技术的不断发展及智能技术的发展和应用，舵机控制方法也在不断发展。
未来，舵机控制方法将更加智能化，采用智能控制策略实现自动、实时、自适应的控制。
另外，通过传感器技术，可以实现对外界环境及船舶水性状态的实时监测，从而提高舵机控制的准确性。
此外，也将探索多机器人协调控制，使舵机控制的应用更加广泛。
综上所述，舵机控制方法是一种重要的控制方法，可以实现船舶、机器人等的有效控制。
在实际应用中，可以采用智能控制策略和传感器技术来实现舵机的有效控制，以及对外界环境的实时监测。
未来，舵机控制方法将更加智能化，发展出更多新的应用领域。
高精度电动舵机模糊自适应控制器设计
ＺＨＡＮＧ ａ ｆ ｎ ＹＡＮＧ ｕ Ｚ Ｕ ａ ｐ ｎ Ｘｉｏ ｅ ｇ ， Ｊｎ，Ｈ Ｘｉｏ ｉ ｇ ’
（１ Ｓｃ ｏｏ ｆＡ ｓ ｒ ｈ ｌｏ ｔｏｎａ ｔｃ ， ｕ ｉ ｓ Ｎｏｒｈｗ ｅ ｔ ｍ ｌ ｔ ｃ ｎｉａ ｎｉｅ ｓ ｔ Ｘｉ ａ ０ ｔ ｓ ｅ Ｐｏ ｙ ｅ ｈ ｃ １Ｕ ｖ ｒ ｉｙ， ’ ｎ ７１ ０７２， Ｃｈｉ ｎａ；
ｂ ｓ ｅｆ ｒ ｎ ｅ ｕ ｔｐ ｒｏ ｍａ ｃ ．
Ｋｅ ｙｗｏｒ ｓ： ｌ ｃ ｒ ｍ ｅ ｈａ ｃ ｌａ ｔ ａ ｏｒ ｆ ｚ ｙ ａ ｐｔｖ ｏ ｒ ； ｉｓｌ ｃ ｕａｏｒ；ａ ａｐ ｉ ｅ ｃ ｎｔｏｌｅ ｄ ｅ ｅ ｔ ｏ ｃ ｎｉａ ｃ ｕ ｔ ； ｕ ｚ ｄａ ｉ ｅ ｃ ｎｔｏ１ ｍ ｓ ｉ ａ ｔ ｔ ｅ ｄ ｔｖ ｏ ｒ ｌ ｒ
ｆ ｚ ｙ ｃ ｔｏｌａ ｄ ＰＩ ｃ ｔ ｏｌ ｗ ａ ｓｇｎ ｄ ｆ ｈｅ ｍ ｏ ｒ ｉｃ ａ ｔ Ｔａ ｎｇ ｔ ｅ ｉ ｅ ａｒ ｍ ｅ ｅ ｓ ｓ １＿ ｏｒｅ ｔｎｇ ｆ ｚ ｙ ｃ ｔ ｏ ． ｕ ｚ ｏｎ ｒ ｎ Ｄ ｏｎ ｒ ， ｓ ｄｅ ｉ ｅ ｏｒｔ ｄｅ ｎ ａｒ ｒ ｆ． ｋｉ ｈ ｄ ａ ｏｆｐ ａ ｔ ｒ ｅ ｆｃ ｒ ｃ ｉ ｕ ｚ ｏｎ ｒ １
简单 、 靠性 高进 而 被 广 泛 应 用 于 伺 服 控制 系 统 中 ， 可 Ｕ 引 菁
基于模糊自适应的连续整定PID舵机控制器
第40卷第4期探测与控制学报V。
）40N。
.4 2018年8月JournalofDetection&Control Aug.2018基于模糊自适应的连续整定P I D舵机控制器张展华，桂延宁，周彬，王发林(机电动态控制重点实验室，陕西西安710065)@要：针对现有的二维弹道修正弹电动舵机系统响应速度慢、适应能力差等缺点，提出了基于模糊自适应的连续整定P ID舵机控制器。
该控制器在模糊自适应控制的基础上，通过对模糊控制曲面的3次曲面拟合得到连续的控制函数，并以此控制函数连续的调解整定H D参数，输出对应连续变化的控制信号，调节舵机的转角进而控制弹道偏向。
通过M atlab仿真证明，基于模糊自适应的连续整定P ID舵机控制器与现有的模糊自适应P ID及经典P ID舵机控制器相比，具有更好的动态响应和适应能力，且其计算量相对于连续论域的模糊自适应P ID控制器来讲更少，更适合在高实时性要求的二维弹道修正弹上应用。
关键词：弹道修正弹；电动舵机控制器（莫糊自适应（三次曲面拟合；连续整定PID中图分类号：T J410.2文献标志码：A文章编号：1008-1194(2018)04-0073-07Electromechanical Actuator Continuous Setting PIDController Based on Fuzzy Adaptive ControlZHANGZhanhua, GUIYanning, ZHOUBin, WANGFalin(Science and Technology i Electr'mechanicat Dynamic C'ntrot Laboratory,Xian710065? China)A b stract：Aiming at the problem that the electromechanical actuators using traditiontcorrection projectile is often accompanied with low response time and bad self-adaptation,a continu troller based on fuzzy adaptive control was presented.This controller used cubic surface to fit ol the luzzy adaptive control and took the lunction ol the cubic surface as control lunction rameters,then put the continuous control signal to steer the electromechanical actuator,finally ch the trajectory correction projectile.TheMatlab simulation result showed the continuous setting PID controller based onfuzzy adaptive control could visibly improve the dynamic response and enhance the adaptabil with the PID controller and fuzzy adaptive PID controller.Besides,the computation complexi PID controller based on fuzzy adaptive control was lower than fuzzy adaptive PID controller used on the trajectory correction projectile which required high real-time task.K e y w o r d s:trajectory correction projectiles;electromechanical actuator controller；fuzzy adaptive control；cubicsurface fitting；continuous setting PID0引言在二维弹道修正弹的修正系统中，电动舵机作 为修正执行机构是整个系统中不可或缺的一部分，电动舵机的响应速度和稳态精度等指标会直接影响 二维弹道修正弹的修正能力，因此电动舵机控制器 的设计至关重要。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
… 一 … … … … … … … … … … … … … 一 … … － … … … … … …
驱动 制
… … … … … … … … … … … … … — 一 ｃ， ｒ ／ ／酾 ≯ 纷 … …
自适应 模 糊 神 经 控 制器 的 电动 舵 机 控 制
系统 的响应 时间达到 ２ ５ ｍ ｓ ， 几乎无超调 ， 且舵机系统 的位置指 令跟踪 和力矩干扰 抑制能 力较强 ， 具备 在常规 弹药
弹道修正 中应用 的可 能性 。
关键词 ： 电动舵机 ， 响应时间 ， 模糊神经 网络 ， 自适应 中图分类号 ： Ｔ Ｍ３ ８ ３ ． ４ 文献标识 码 ： Ａ 文章编号 ： １ ０ ０ ４ — ７ ０ １ ８ （ ２ ０ １ ３ ） １ ２ 一 ｏ ｏ ５ ７ — ０ ４
Ⅳ 耽 ， Ｚ Ｄ Ｚ ｅ — ｍｉ ｎ
（ １ ． Ｎ ａ ｎ ｊ ｉ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｎ ａ ｎ ｊ ｉ ｎ ｇ ２ １ ０ ０ ９ ４ ， Ｃ ｈ ｉ ｎ ａ ； ２ ． Ｕ ｎ ｉ ｔ ７ ７ ６ １ １ ｏ ｆ Ｐ Ｌ Ａ， Ｌ ｈ ａ ｓ ａ ８ ５ ０ ０ ０ ０ ， Ｃ ｈ ｉ ｎ ａ ）
ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｌ ｅ ｒ ｆ ｏ ｒ ｈ ａ ｓ（ Ｅ Ｍ Ａ）ｌ ｏ ｎ ｇ ｒ ｅ ｓ ｐ ｏ ｎ ｓ ｅ ｔ ｉ ｍ ｅ ａ ｎ ｄ ｈ ｉ ｇ ｈ ｏ ｖ ｅ ｒ ｓ ｈ ｏ ｏ ｔ ｐ ｒ ｏ ｂ ｌ ｅ ｍ， ｔ ｈ ｅ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｓ ｔ ｒ ａ ｔ ｅ ｇ ｙ ｃ ｏ ｍ ｂ ｉ ｎ ｉ ｎ ｇ ｆ ｕ ｚ ｚ ｙ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｗ ｉ ｔ ｈ ａ ｒ ｔ ｉ ｉ ｆ ｃ ｉ ａ ｌ ｎ ｅ ｕ ｒ ｌ ａ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｔ ｏ ｓ ｅ ｌ ｆ ａ ｄ ｊ ｕ ｓ ｔ ｉ ｎ ｇ ｔ ｈ ｅ ｓ ｃ ａ ｌ ｅ ｆ ａ ｃ ｔ ｏ ｒ ｓ ｗ ａ ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ． Ｔ ｈ ｅ ｍ ｏ ｄ ｅ ｌ ｏ ｆ ｔ ｈ ｅ Ｅ ＭＡ ｗ ａ ｓ ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ｅ ｄ ， ｔ ｈ ｅ ｐ ｒ ｉ ｎ ｃ ｉ —
崔业兵 ， 陈 雄 ， 蒋 魏 ， 袁 伟 ， 赵 泽敏
（ １ ． 南京理工 大学 ， 江苏南京 ２ １ ０ ０ ９ ４ ； ２ ． 中国人 民解放军 ７ ７ ６ １ １部队 ６ ９分队 ， 西藏拉萨 ８ ５ ｏ ｏ ｏ ｏ ）
摘
要： 针对 电动舵机采用 Ｐ Ｉ Ｄ控制器响应速度慢 、 超调大的问题 ， 提 出了采用 人工神经 网络和模糊控制 来 自
整定 比例因素的控制策略 ， 建立 了电动舵机 的模 型 ， 分析 了 自适 应神 经 网络 控制 器原 理 ， 并 且结 合模糊 逻辑 控制 器， 构成模糊神经 网络来 自动调整 比例因素 ， 设计 了 由两个输 入变 量和一个 输 出变 量 的电动舵机控 制器 。所 提的 控制算 法应 用于电动舵机系统 ， 并通 过建 模仿真和原理样 机的 弹簧钢悬 臂梁加 载实验验 证 ， 采 用该算法 电动舵 机
ｐ ｌ ｅ ｏ ｆ ｔ ｈ ｅ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｌ ｅ ｒ ｗａ ｓ ａ ｎ ａ ｌ ｙ ｚ ｅ ｄ， ａ ｎ ｄ ｃ ｏ ｍｂ ｉ ｎ ｅ ｄ ｗ ｉ ｔ ｈ ｔ ｈ ｅ ｆ ｕ ｚ ｚ ｙ ｌ ｏ ｇ ｉ ｃ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｌ ｅ ｒ ， ａ ｆ ｕ ｚ ｚ ｙ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ —
Ｅｌ ｅ ｃ ｔ ｒ ｏ ｍｅ ｃ ｈａ ｎｉ ｃ ａ ｌ Ａｃ ｔ ｕ ａ ｔ ｏ ｒ Ｃｏ ｎ ｔ ｒ ｏ ｌ ｗｉ ｔ ｈ Ｍｏ ｄｉ ｉｅ ｆ ｄ Ｆｕｚ ｚ ｙ Ｎｅ ｕ ｒ ａ ｌ Ｎｅ ｔ ｗｏ ｒ ｋ ＰＩ Ｄ Ｃｏ ｎｔ ｒ ｏ ｌ ｌ ｅ ｒ
Ｃ Ｙ ｅ — ｂ ｉ ｎ ｇ ， Ｃ Ｈ Ⅳ Ｘｉ ｏ ｎ ｇ ， Ｊ Ｉ Ａ ＮＧ 耽 ，
ｗ ｏ ｒ ｋ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｌ ｅ ｒ ｗ ａ ｓ ｄ ｅ ｓ ｉ ｇ ｎ ｅ ｄ ｂ ｙ ｔ ｗ ｏ ｉ ｎ ｄ ｏ ｎ ｅ ｏ ｕ ｔ ｐ ｕ ｔ ． Ｔ ｈ ｅ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｓ ｔ ｒ ａ ｔ ｅ ｙ ｇ ｗａ ｓ ａ ｐ ｐ ｌ ｉ ｅ ｄ ｔ ｏ ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ａ ｃ ｃ ｏ ｒ ｄ ｉ ｎ ｇ ｔ ｏ ｔ ｈ ｅ ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｍ ｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ ａ ｃ ｔ ｕ ａ ｔ ｏ ｒ ａ ｄ ｏ ｐ ｔ ｉ ｎ ｇ ｔ ｈ ｅ ｎ ｏ ｒ ｍ ａ ｌ ｐ ｒ ｏ ｐ ｏ ｒ ｔ ｉ ｏ ｎ ａ ｌ － ｉ ｎ ｔ ｅ ｇ ｒ ｌ－ ａ ｄ ｅ ｉ ｒ ｖ ａ ｔ ｉ ｖ ｅ（ Ｐ Ｉ Ｄ）
ｗ ｏ ｒ ｋ ｗ ａ ｓ ｃ ｏ ｎ ｓ ｔ ｒ ｕ ｃ ｔ ｅ ｄ ｔ ｏ ａ ｕ ｔ ｏ ｍ ａ ｔ ｉ ｃ ｌ ａ ｌ ｙ ａ ｄ ｊ ｕ ｓ ｔ ｔ ｈ ｅ ｓ ｃ ｌｅ ａ ｆ ａ ｃ ｔ ｏ ｒ ｓ ． Ｔ ｈ ｅ ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｍ ｅ ｃ ｈ ａ ｎ ｉ ｃ ｌ ａ ａ ｃ ｔ ｕ ａ ｔ ｏ ｒ Ｓ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｆ ｕ ｚ ｚ ｙ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ —