一種電動加載系統(tǒng)的復合控制方法
【技術領域】
[0001] 本發(fā)明為一種對電動加載系統(tǒng)的新型控制方法，具體而言是應用高斯權重非均勻 量化的新型CMAC算法和傳統(tǒng)ro控制結合抑制電動加載系統(tǒng)的多余力矩并提高控制精度和 穩(wěn)定性的方法。
【背景技術】
[0002] 在無人機舵機的負載模擬試驗中，使用電動加載方式能夠有效復現(xiàn)無人機舵面在 空中所受的各種載荷，能夠在實驗室環(huán)境下對舵機系統(tǒng)的技術性能指標進行預測性自動測 試，可以節(jié)約無人機的開發(fā)經(jīng)費，縮短無人機的研制周期，同時有效提高其飛行可靠性和成 功率。
[0003] 電動加載系統(tǒng)屬于被動式力矩控制系統(tǒng)，在跟隨舵機系統(tǒng)進行力矩加載的運動中 會不可避免引入多余力矩，不僅影響加載系統(tǒng)的帶寬和穩(wěn)定性，還會降低加載系統(tǒng)的控制 精度。由此，消除電動加載系統(tǒng)多余力矩是系統(tǒng)設計的關鍵問題。
[0004] 在消除多余力矩的技術中，因為系統(tǒng)中非線性因素的存在和舵機運動角速度和角 加速度無法測量，采用傳統(tǒng)的前饋補償控制方法難以實現(xiàn)預期目標。隨著智能控制理論的 發(fā)展，使用神經(jīng)網(wǎng)絡進行非線性函數(shù)的逼近取得了較好的效果。相比于BP、RBF等常規(guī)前饋 網(wǎng)絡，小腦模型關聯(lián)控制器（CMAC)克服了它們學習速度慢、實時性差的缺點，同時，還具有 結構簡單、局部泛化能力強的優(yōu)點，更加適合對電機進行實時控制。
[0005] 但是在實踐中發(fā)現(xiàn)，CMAC方法雖然能有效改善控制效果，但是因為理論指導較少， CMAC網(wǎng)絡結構的設計和推廣尚存在較大難度。當前主要使用CMAC和算法相結合的前饋 控制方法，CMAC實現(xiàn)前饋補償，ro完成反饋控制。在CMAC訓練初期由ro算法的輸出起主 要控制作用，隨著CMAC的網(wǎng)絡訓練逐漸完成，CMAC的輸出成為主要影響因素，實現(xiàn)對系統(tǒng) 的智能控制。但是傳統(tǒng)CMAC控制器在跟蹤連續(xù)變化的信號時會產(chǎn)生累積誤差，讓CMAC網(wǎng) 絡產(chǎn)生過學習，嚴重印象系統(tǒng)的穩(wěn)定性。
【發(fā)明內(nèi)容】
[0006] 本發(fā)明的目的在于有效抑制電動加載過程中的多余力矩，同時解決傳統(tǒng)CMAC控 制方法的過學習現(xiàn)象，提供一種新型高斯權重非均勻量化CMAC控制方法，該方法在傳統(tǒng)方 法基礎上根據(jù)輸入信號特征優(yōu)化了非均勻量化方法，引入量化距離的概念確定高斯權重和 CMAC激活區(qū)域，動態(tài)調(diào)整CMAC泛化性能，使用求余法將概念空間的權值映射到物理空間， 減少儲存空間浪費同時加快學習效率，具有更好的控制實時性與控制精度。
[0007] 本發(fā)明所使用的裝置包括：用以發(fā)出指令信號的上位PC機，用來接收上位機指 令和給上位機傳回用以統(tǒng)計分析的系統(tǒng)數(shù)據(jù)的DSP控制器，接收指令信息的力矩電機控制 器，力矩電機和捕獲輸出的力矩信號的力矩傳感器，將傳感器信號放大的信號放大器，以及 在反饋回路對傳感器放大信號進行濾波的FPGA。DSP控制器接收指令信號和反饋信號作為 CMAC控制器的二維輸入，并且進行CMAC網(wǎng)絡的學習和指令輸出?？刂浦噶钜灿蒁SP控 制器計算實現(xiàn)。本發(fā)明進行電動加載控制實施的具體過程為：
[0008] 第一步：以系統(tǒng)的輸入指令以及輸出信號共同作為CMAC網(wǎng)絡的二維激勵信號。首 先以CMAC輸入信號的分布密度曲線作為非均勻量化基礎，量化中心取為輸入零點，量化極 大值為輸入正峰值的2倍，量化極小值為輸入負峰值的2倍，按照設定的系統(tǒng)量化的非均勻 程度系數(shù)，對輸入向量逐一進行非均勻量化。
[0009] 第二步：計算網(wǎng)絡輸入的二維信號在CMAC網(wǎng)絡節(jié)點中的激活區(qū)域。由于輸入信號 為二維向量，其對應的虛擬的地址空間也是二維的節(jié)點陣列。量化距離由采樣點到量化點 的距離經(jīng)過量化計算得到，再利用量化距離閾值判定節(jié)點是否激活。
[0010] 第三步：計算概念空間權值。在計算網(wǎng)絡權值的方法中，本發(fā)明首先根據(jù)每一個概 念空間激活節(jié)點的二維量化距離計算得到該節(jié)點的概念空間高斯權重gaq。
[0011] 第四步：計算物理空間權值。使用壓縮映射的方法，根據(jù)物理空間的大小，將概念 空間各個節(jié)點所存儲的權值映射到物理空間存儲單元，得到物理空間權值gaPl。
[0012] 第五步：計算新型CMAC控制器輸出。為保證控制器的快速性和穩(wěn)定性以及多余力 矩的抑制效果，本發(fā)明的網(wǎng)絡輸出由新型CMAC網(wǎng)絡輸出加上ro控制器的輸出共同組成，PD 控制器的設計參考常規(guī)方法。
[0013] 第六步：CMAC的權值修正。該步驟通過對誤差進行梯度下降方法實現(xiàn)。在本發(fā) 明中考慮到了高斯權重方法加入到控制系統(tǒng)的影響，選取了新的目標函數(shù)，將誤差劃分為 CMAC輸出誤差和系統(tǒng)輸出誤差兩部分，前者保證CMAC跟蹤指令信號，后者保證控制誤差， 分別進行修正運算，選擇兩個學習速率參數(shù)根據(jù)誤差量值動態(tài)切換，確保系統(tǒng)保證快速性 的同時抑制神經(jīng)網(wǎng)絡過學習現(xiàn)象。
[0014] 本發(fā)明的優(yōu)點在于：提出了二位高斯CMAC，非均勻量化適應輸入樣本分布采用量 化距離與高斯權重優(yōu)化權值動態(tài)分配過程，同時壓縮映射提高了權值空間利用率，提高了 系統(tǒng)的魯棒性和跟蹤精度，同時也可確保系統(tǒng)的穩(wěn)定性。從而有效彌補了傳統(tǒng)CMAC神經(jīng) 網(wǎng)絡結構原理的不足。從控制結果上來看本發(fā)明的方法有效抑制了多余力矩，且確保了實 時性。
【附圖說明】
[0015] 圖1是控制系統(tǒng)結構圖；
[0016] 圖2是系統(tǒng)實體結構圖；
[0017] 圖3是非均勻量化分布曲線；
[0018] 圖4是確定概念空間激活區(qū)域；
[0019] 圖5是誤差收斂曲線；
[0020] 圖6是權值分布曲線。
【具體實施方式】
[0021] 為了使發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合【附圖說明】具體的實 施方式。
[0022] 附圖1為該控制系統(tǒng)的原理框圖。系統(tǒng)結構包括控制系統(tǒng)的輸入、被控對象、CMAC 控制器和ro控制器。ro控制器和cmac共同作用于被控對象進行運動控制，ro控制器的輸 出依賴于指令信號和反饋信號的誤差，相對應的CMC控制器則將輸入與輸出反饋信號作 為網(wǎng)絡的二維激勵信號，利用誤差進行學習，然后對被控電機輸出指令信號。
[0023] 附圖2為該控制方法所作用的實際系統(tǒng)結構圖，系統(tǒng)使用PC機作為上位機，并由 上位機模擬加載系統(tǒng)的舵機產(chǎn)生舵機力矩信號即輸入信號，使用DSPF28335作為CMAC控制 器和ro控制器的實現(xiàn)器件，在DSP上除了進行兩控制器的運算之外，還要對指令信號和輸 出力矩的反饋信號，并利用誤差對算法中權值進行學習修正。加載指令信號最終傳輸?shù)搅?矩電機控制器，由控制器直接驅動力矩電機進行力矩加載。在加載輸出軸上安裝的力矩傳 感器可以捕捉到輸出的力矩信號，并將該信號經(jīng)由AD模塊和FPGA的相應數(shù)字電路處理回 路傳回DSP實現(xiàn)輸出信號的反饋，構成閉環(huán)系統(tǒng)。加載電機和轉矩傳感器利用聯(lián)軸器同軸 放置在測試平臺。
[0024] 本發(fā)明的新型控制算法執(zhí)行步驟的實施方案如下：
[0025] 第一步：以系統(tǒng)的輸入指令以及輸出信號共同作為CMAC網(wǎng)絡的二維激勵信號，利 用輸入信號的特征對輸入向量進行非均勻量化。如附圖3:量化中心取為輸入零點，量化極 大值為輸入正峰值的2倍，量化極小值為輸入負峰值的2倍。完成量化還需設定系統(tǒng)量化 的非均勻程度系數(shù)μ。具體的，對第k個量化點的量化方法為：
[0026]a.如果該點位于量化中心左側，則進行下述運算：
[0027]sp= (Snid-Snin)/[N1/2]
[0028]id= Smin+(k-l/2)sp
[0029]
[0030] 其中sp表示采樣的步距，id為該采樣點的位置指示。