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