用神经网络实现步进电机的智能控制
抚顺石油学院 周德新
摘要 提出了用神经网络实现步进电机的智能控制。通过采用神经网络 (B P 网络) 对控制规
则样本样的学习和训练, 使网络记忆步进电机的追踪、跟踪及复杂运行规律的控制规则。 把训练
好的网络用于在线控制, 以达到智能控制的目的。
主题词: 步进电机 神经网络 智能控制
1 前言
2 步进电机智能控制的结构
步进电机在工业生产过程中应用非常
广泛, 步进电机系统诞生于 50 年代。这类电
机制造容易, 驱动系统不复杂, 价格较便宜,
运行可靠, 因而迅速开拓了应用领域。[ 1 ] 步
进电机是机电一体化产品的关键元件之一,
同时也是实现智能控制的关键执行元件。随
着计算机控制技术的发展, 要实现对工业对
象的智能控制, 作为执行元件的步进电机也
由单一的控制趋向机电一体化的精密机电
组合, 同计算机控制一起组成计算机控制系
统。本文提出的用神经网络实现步进电机的
智能控制, 是实现这种控制系统的一部分。
采用B P 神经网络, 对控制系统要求的追踪、
跟踪、复杂运行等控制规则进行学习和训
练, 让网络记忆这些控制规则, 再把训练好
的网络用于在线控制。由于智能控制器的控
制规则是用神经网络的B P 算法在计算机上
通过软件实现的, 其主系统含有一台计算
机, 利用这台计算机将步进电机的智能控制
器与上层机控制系统集成为一体。所以智能
控制器的成本不高, 可灵活方便地进行调整
和修改。这就克服了过去由硬件组成庞大而
复杂的电路所造成的成本高、调试困难、不
易修改等缺点。同时由于神经网络是并行方
式工作的, 可以从根本上解决控制时间上的
限制[ 2 ]。
1997年第1期
步进电机智能控制的结构如图 1 所示。
步进电机智能控制结构图中的智能控
制器是实现步进电机智能控制的主要部分。
智能控制器的输出信息, 经量化后控制数控
振荡器。数控振荡器的输出脉冲频率可随输
入电压的大小而改变, 调节数控振荡器的输
入电压, 可以改变节拍的频率, 使步进电机
的转速连续可调。光栅检测是检测步进电机
的步进数及旋转速度信息。通过速度转换并
经过 K 3 量化后, 引到智能控制器的输入端
作为步进电机旋转速度的信息。预置给定是
设置步进电机所带工件的行走距离, 通过光
栅检测记录步进电机已走过的距离并经过
A 转换和 K 2 量化后, 引到智能控制器的
D
输入端, 记录步进电机工作完成情况。 根据
智能控制要求的控制功能, 智能控制器的输
入端设有追踪对象的速度信息端等。
图 1 步进电机智能控制的结构图
71
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
Α
Α
图 3 控制频率序列计算原理图
载能力较低, 对于一个给定的负载力矩M L
来说, 为了保证电机在整个运行过程中不失
步地可靠运行, 必须控制工作频率 f n, 使得
系统的附加惯性力矩与负载力矩之和不超
出步进电机的运行矩频特性, 并且留有一定
M 。符合这种特性的升降曲线
的力矩裕量
是采用变频加速度, 对于变频控制, 采用指
数加速控制规律, 推导出的变频启动的控制
方程为[ 5 ]:
f ( t) = f m ax [ 1- exp (-
T ) ]
+ f 0exp (-
t
t
T )
(1)
式中 T ——机械环节的时间常数
f 0——启动频率
这是计算频率的一种近似方法, 为找出
能提供最大转矩利用率的变频控制方法, 根
据驱动系统动力学方程, 推导的转矩利用率
最大的变频控制, 其控制频率序列计算原理
如图 3 所示。
输出控制频率序列递推公式为:
f n= [ T s
J
M i- nM L )
n
+ b
T s) ] (∑
+ f 0 n= 1, 2, …, N
i = 1
(2)
式中 J ——系统总惯量
b——速度阻尼系数
M L ——负载力矩
——步矩角
从图 3 分析, 只要时间步长 T s 足够小,
按式 (2) 输出控制频率, 步进电机在转矩利
用率上, 可以完全跟踪矩频特性且不失步地
可靠运行。
(2) 步进电机复杂运行规律的控制
步进电机在初始位置和目标位置之间
组合机床与自动化加工技术
3 用神经网络实现智能控制的原理
从 80 年代人工神经网络理论越来越受
到人们的重视, 神经网络的理论及其在实际
中的应用, 以令人振奋的速度迅速发展。图 2
是一个三层B P 模型神经网络。
图 2 三层B P 网络结构
1 , y p
1, x p
2, …, y p
输出模式对。这 P 个输入
设网络有 P 个训练样本, 即有 P 个输
入
输出模式对是
根据系统所要求的控制规则设计的。 假设,
第 P 个模式的输入向量为 X p = (x p
2 , …,
n ) , n 为输入向量的维数, 而输出向量则为
x p
m ) , m 为输出向量的维数。
Y p = (y p
采用 B P 算法[ 3 ], 把系统所要求的控制规则
模式对作为学习样本, 离线学习和训练, 使
该网络记忆了这些控制规则, 因为在训练过
程中, 可通过调整神经元间不同兴奋强度的
权值, 来记忆这些控制规则。 当网络训练好
以后, 则网络就具有了智能控制的能力, 网
络对该系统所要求的控制规则执行输入
输
出向量映射。
4 步进电机控制特性的分析
(1) 步进电机的矩频特性
步进电机的矩频特性是指电机的有效
输出转矩与运行频率之间的函数关系。它是
保证步进电机不失步地可靠运行的重要依
据。 功率步进电机一般的矩频特性如图 3a
所示。
从步进电机的矩频特性分析, 步进电机
的加速过程能否不失步, 加速脉冲的增加速
度是否合适, 都与步进电机的矩频特性有
关。 步进电机在高频区的机械特性较软, 对
于大惯性负载在选频上不宜选择高频段工
作。 同时步进电机按同步电机原理工作, 过
81
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
的运动过程, 应包括加速、恒速、减速三个运
动区段。 在这一运动过程中, 初始位置和目
标位置之间运动的脉冲频率和时间的关系,
如图 4 所示。
在制定控制规则的样本设计上, 对控制
参数的选取, 应依据步进电机的这些特性来
确定。
5 智能控制规则的确定
根据控制系统的控制目的及要求来确
定相应的控制规则。本文对应步进电机的智
能控制功能有追踪、跟踪、复杂运行等控制
规则。 例如追踪控制规则的确定, 在追踪过
程中无论是加速还是减速, 都必须通过对运
行进程检测来判断。设步进电机的运行速度
为 v y , 追踪目标的运行速度为 v x , 它们间的
距离为L , 则控制规则为:
若 v y ≤v x 且 L > 0, 则步进电机应加速;
若 v y > v x 且 L > lm in ( lm in 为步进电机到
达目标的最小步数) , 则步进电机应加速;
若 v y > v x 且 L = lm in, 则步进电机应恒
速;
速。
若 v y > v x 且 L < lm in, 则步进电机应减
步进电机目标定位的智能控制规则为:
用预置给定设置步进电机行走距离, 智
能控制器根据步进电机行走的检测记录, 依
据图 4 所示加减速运行的速度模型的位置
响应特性曲线, 确定运行状态是加速、恒速
还是减速。遵循这种速度轨迹曲线控制步进
电机, 能够做到起动不失步, 并以最大的速
度保持恒速, 又以最快的加速度减速, 到达
给定位置后静止, 无超调滑步。
6 控制系统的实现
用神经网络构成的智能控制器结构如
图 5 所示。
输出层: x 1 为控制功能选择端, 它的数
据分为三档, 分别控制着步进电机的追踪、
跟踪、目标定位; x 2 是步进电机运行记录信
1997年第1期
图 5 用神经网络构成的智能控制器结构图
息端, 通过预置给定, 设置步进电机所带工
件行走的距离, 初始时减法器被预置的数字
为工件应走的距离, 随着步进电机转动, 检
测器记录已走过的位置, 当减法器为 0 值
时, 说明步进电机所带工件已到达目的地;
x 3 为追踪对象运行速度控制端, 它来自控制
系统中步进电机所追踪对象的速度; x 4 是步
进电机运行速度反馈信息, 它反映了步进电
机的即时速度。
输出层: y 1 为追踪控制输出端; y 2 为目
标定位控制端; y 3 为跟踪对象控制端。
隐 层: 有 6 个神经元。
控制规则样本的设计, 在变频加速过程
中, 根据步进电机矩频特性和变频控制曲
线, 求出相应的加速频率, 这样能充分利用
步进电机的有效转矩, 使系统快速实现响
应。 在目标定位控制中, 根据图 4 所示加减
速运行的速度模型的位置响应曲线来确定
步进电机的加速、稳速、减速。
7 结束语
本文提出的用神经网络实现步进电机
的智能控制, 是在机电一体化计算机控制系
统中实现步进电机智能控制 (下转 22 页)
91
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
1
1
1
1
1
1
1
1
表 2 受拉工况节点已知面力 (N
mm 2)
节点
17
18
19
20
p x
p y
- 22
90 - 20
44 - 14
02 - 6
19
0
00
5
60
8
10
6
19
21
0
0
00
00
表 6 单元切向交变压力幅值
ta (M Pa)
单元
1
ta
105
970
单元
7
2
3
4
107
151
121
186
143
187
8
9
10
5
6
145
536
115
132
11
12
ta
69
729 6
810 35
692 48
265 35
054 2
083
表 3 受压工况节点已知面力 (N
mm 2)
单元 13
14
15
16
节点
p x
p y
25
0
0
00
00
26
27
28
29
ta
43
540
85
068
109
214
61
075
30
07
68
05
99
17
111
13
30
07
39
29
26
57
0
00
5 结果分析
表 4 单元受拉工况切向应力
t (M Pa)
单元
1
2
3
4
5
6
t
17
704 17
451 21
675 35
147 56
948 72
685
单元
7
8
9
10
11
12
t
71
545
19
780
- 27
626 - 43
972 - 35
054 - 46
158
单元 13
14
15
16
i
38
422 78
124 10
134- 73
954
表 5 单元受压工况切向应力
t (M Pa)
单元
1
2
3
4
5
6
由表 6 可以看出, 最大应力幅值出现在
第 5 单元和第 4 单元。 最大应力幅值达到
536M p a, 这恰是连杆头与连杆臂连接
145
处。 此处正是截面尺寸突变位置, 即应力集
中区。计算结果与实际相符。由此看来, 此连
杆的连杆头与连杆臂连接处的形状并不是
最优形状, 为了减少应力集中, 防止裂损, 提
高疲劳强度, 对其进行形状优化势在必行。
参考文献
6105Q 型高速柴油机连杆应力计算
北京机械工业出版
内燃机结构强度研究
1 上海交通大学等
实测分析
社
1977, 5
t
- 38
266 - 36
700 - 99
511 - 108
04 - 88
588 - 42
437
单元
7
8
9
10
11
12
2 C A B rebb ia, S W alker. Boundary E lem en t T echn iques
( Pub lishers )
in Engineering Bu tter W o rh t & Co.
t
1
8180
12
970
8
0668
4
2934
0
67819 - 2
5331
L td. , 1980
单元 13
14
15
16
t
- 5
1278 - 6
9440 - 7
8639
12
879
(编辑 王绍钰)
(上接 19 页) 的一种尝试。 步进电机是一
种性能良好的数字化执行元件, 步进电机及
其驱动控制技术的发展表明, 由单一的步进
电机及其控制器向机电一体化的精密机电
组件过渡, 是一种必然的趋势。
由于 B P 算法存在一个局部极小的问
题, 并随所采用的网络复杂程度的增加, 这
个问题越严重。 同时收敛速度慢, 通常要经
过上千次的迭代。网络参数的选择尚无理论
指导, 也为网络的设计带来麻烦。 这些问题
将随人工神经网络理论研究的深入, 需要人
们努力探索解决。
参考文献
1 王宗培等
步进电机系统及其微机控制技术的现状及
发展
电工电能新技术, 1998, (2) : 1~ 5
2 Bavrian B. In troduction to neu ral netwo rk s fo r In telli
gen t con tro l. IEEE M agazine con lo rl syslem , 1988, 4
3 李孝安等著
神经网络与神经计算机导论
西北工业
大学出版社, 1994, (10) : 34~ 41
4 应守仁等
采用BP 神经网络记忆模糊控制规则的控
制
自动化学报, 1991, 17 (1) : 63~ 67
5 王海东
步进电机最佳变频控制的研究
电子科技大
学学报, 1992, (2) : 162~ 167
6 王宗培等译
步进电机及其控制系统
哈尔滨工业大
学出版社, 1984, 9
(本文 1996 年 7 月 11 日收到) (编辑 王谦和)
22
组合机床与自动化加工技术
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net