顏詩源１，張克志２，錢　峰２，席　濤１，張勝修１
第二炮兵工程學院３０３室，陜西西安

上海交通大學導航與控制研究所，上海

摘　　　要：靜電懸浮控制系統中存在建模不準確及對象擾動，傳統控制器只能在動態控制精度和擾動消除性能之間折衷；為了克服其對控制器精度的影響，研究了帶擾動消除的自適應逆控制算法。以非線性自回歸動態神經網絡進行正模型、逆模型以及擾動消除控制器的實時辨識，利用基于遺傳算法的改進粒子群算法進行神經網絡的更新，以提高自適應收斂速度和精度。設計了基于ＤＳＰ與ＰＣ的仿真環境，分別部署靜電懸浮虛擬被控對象和自適應逆控制算法，實現對控制算法的實時驗證。結果表明所設計的控制結構與算法可以實現對靜電懸浮的穩定控制與擾動消除。利用ＰＣ和相應的Ｉ／Ｏ接口，以及所部署的實時控制算法可以實現快速控制原型，為控制器的工程實現提供基礎。

關　鍵　詞：靜電懸浮；ＮＡＲＸ神經網絡；自適應逆控制；實時仿真

１　引　言
靜電懸浮控制利用受控的靜電力將轉子穩定準確地懸浮在支承電極球腔中心［１］，需要完成的任務包括對轉子的穩定、對轉子動態的準確控制以及對系統擾動的消除。然而在實際中難以建立懸浮控制系統的精確模型，并且加工裝配誤差以及線路噪聲等原因也會帶來未知的模型擾動，傳統的ＰＩＤ控制器只能在控制精度和擾動消除效果中折衷。針對在擾動消除同時保證較優控制的問題，Ｂ．Ｗｉｄｒｏｗ在文獻［２］中提出了自適應逆控制（Ａｄａｐｔｉｖｅｉｎｖｅｒｓｅｃｏｎｔｒｏｌ，ＡＩＣ）的方法，并在文獻［３］中和文獻［４］中分別確立了線性系統和非線性系統的自適應逆控制的方法。考慮到自適應逆控制在結構上具有自適應控制與自適應濾波的特點，而神經網絡在非線性系統的逼近上的優勢，針對靜電懸浮控制系統中被控對象建模困難以及存在模型擾動的問題，展開了基于非線性自回歸（ＮｏｎｌｉｎｅａｒＡｕｔｏＲｅｇｒｅｓｓｉｖｅｗｉｔｈｅＸ�玻铮纾澹睿铮酰螅椋睿穑酰簦�ＮＡＲＸ）動態神經網絡的自適應逆控制研究。

登錄網站后可下載文件