左健民 潘 超 汪木兰
1.江苏大学,镇江,212013 2.江苏技术师范学院,常州,213001
3.上海铁路局,上海,200071 4.南京工程学院,南京,211167
电动机直接带动负载实现“零传动”是理想高效的传递方式,永磁直线同步电动机(permanent magnet linear synchronous motor,PMLSM)取消了电机到负载之间的机械传动环节,由电动机直接驱动工作部件运动[1],力能指标高,体积小,重量轻,具有响应速度快、灵敏度高、随动性好、容易获得高速度和高加速度的优点,是高性能数控机床进给系统的理想部件。但从控制角度分析,直线交流伺服系统是一个非线性、强耦合和时变性的复杂系统;从数控机床的工作状态分析,进给系统又是重复运动的非线性动态系统,工作过程中受到切削力变化、负载变化等各种外部扰动的影响。因此要想实现对数控机床直线进给伺服系统的控制,既要对控制对象的结构和参数有清楚的认识,又要考虑其存在的模型摄动、端部效应及负载扰动等不确定因素[2]。
神经网络具有自组织、自学习和分布式存储等特点,能以任意精度逼近任意连续复杂的非线性函数,具有很好的鲁棒性。其中,动态递归神经网络通过存储内部状态,具有映射动态特性的功能和适应时变特性的能力,适合于高性能数控机床直线伺服系统的控制[3-4]。
本文提出具有稀疏存储功能的改进Elman神经网络,利用前一次或前几次的控制信息来提高进给系统的动态性能[5],并对网络存储的历史控制信息进行稀疏存储、选择利用,以提高网络的收敛速度和泛化能力,该网络具有局部逼近的快速性和递归神经网络的动态性能,在保证动态性能的同时减小了伺服控制器的计算量和存储空间,满足了直线伺服系统实时性的要求。……