PID控制在柔性結構控制中的應用

　　新一代大射電望遠鏡(LT)主要由懸索-饋源艙粗調系統(tǒng)和與饋源艙固連的精調 Stewart 平臺子系統(tǒng)組成[1,2]。并聯懸索-饋源艙子系統(tǒng)提供較大的饋源艙掃描工作空間，實現饋源艙軌跡跟蹤的粗調;精調 Stewart 平臺子系統(tǒng)在粗調基礎上實現高精度軌跡跟蹤。盡管采用精調平臺能實現軌跡的精調，但軌跡精調是建立在懸索粗調的基礎上的。因此，懸索的粗調就成為饋源艙軌跡跟蹤精度能否達到要求的重要因素。由于輕型索驅動系統(tǒng)采用鋼纜傳動，鋼纜的彈性變形、鋼纜與軸之間的摩擦、以及鋼纜松弛等一系列問題，使懸索-饋源艙系統(tǒng)是一個非線性慢時變大滯后柔性系統(tǒng)。常規(guī) PID 控制是迄今為止最通用的控制方法，大多數反饋回路用該方法或其較小的變形來控制，而常規(guī) PID 控制器及其改進型又是在工業(yè)過程控制中最常見的控制器[3]，尤其適用于能建立精確數學模型的確定性控制系統(tǒng);另外，常規(guī) PID 控制器中的參數通常由人工整定，由于一次性整定得到的參數很難保證其控制效果始終處于最佳狀態(tài)。因此，對于懸索-饋源艙這樣一個非線性慢時變大滯后柔性系統(tǒng)，常規(guī) PID 控制器很難保證控制精度。文[4]提出了帶有學習功能的多變量自校正調節(jié)器，得到了較為理想的結果，但不足之處是線饋源運動第一圈的跟蹤誤差較大。近年來采用 BP 神經網絡的控制方法已日益引起人們的重視。BP 網絡具有逼近任意有界連續(xù)非線性函數的功能[5]，通過網絡自身的學習，可以找到最優(yōu)的 PID 參數。將 BP 網絡與 PID 控制相結合，既能夠發(fā)揮神經網絡學習能力和解決非線性問題方面的特長，又能夠充分利用 PID 控制的有效性。為滿　　足懸索-饋源艙子系統(tǒng)的性能要求，筆者提出用參數BP 網絡自整定 PID 控制器來實現饋源艙軌跡跟蹤策略。數值仿真證明了該方案的可行性。

　　1 LT 懸索-饋源艙軌跡跟蹤參數 BP 網絡自整定 PID 控制器的設計

　　采用經典的控制理論設計常規(guī) PID，在實際應用中對懸索-饋源艙這樣一個非線性慢時變大滯后柔性系統(tǒng)，往往無法達到令人滿意的效果。相比之下神經網絡控制是一種基本上不依賴于模型的控制方法，它比較適用于那些具有不確定性或高度非線性的控制對象，并具有較強的適應和學習功能。因此，神經網絡所具有的任意非線性表達能力，可以通過對系統(tǒng)性能的學習來實現具有最優(yōu)組合的PID 控制。LT 懸索-饋源艙軌跡跟蹤參數 BP 網絡自整定 PID 控制系統(tǒng)結構如圖 1 所示。

　　控制器由經典的 PID 控制器和神經網絡(NN)組成， 神經網絡的輸出對應于 PID 控制器的 3 個可調參數PK ，IK ，DK 。通過神經網絡的學習、加權系數的調整，使神經網絡輸出對應于某種最優(yōu)控制律下的 PID 控制器參數[6]。這里采用 3 層BP 網絡，網絡結構如圖 2 所示 。為反映 PID 控制器 3 類信號的特性，BP 網絡的結構選為 3-5-3，其輸入分別為