王智琳，李 彦，刘金保

（江苏科技大学 江苏 镇江 212003）

在当前的工业生产过程中，如冶金、造纸、纺织、建材等领域，经常需要多台电机传送和卷取产品。为使产品不被拉断和堆积，提高产品运送的质量和效率，电机之间需保持协调运行，其中同步误差的控制是一个关键问题，它与系统的张力及电机间的转速之差有关，因此速度和张力的控制是多电机同步系统协调运行的关键。

而在多变量非线性强耦合控制系统中 ，若不采取一定的解耦措施难以获得满意的控制效果。传统的控制方法一般要首先知道对象参数 ，然后设计解耦器、控制器，这个过程比较繁琐，且常依赖于对象数学模型的准确性。因此传统的方法难以实现有效控制。神经网络解耦控制是控制理论界的重大课题之一，尤其适用于传统控制方法难以解决的问题，因此更具有研究价值。

目前有许多神经网络与PID结合的控制算法，对对象基本无要求，但是算法对初值选择要求较高，尽管采取了如带动量项的梯度下降法，变学习速率法等改进，还是会不可避免的陷入局部极值，且有时会振荡，文中对此采用了更具动态特性的对角递归神经网络 （Diagonal Recurrent Neural Network，DRNN）与PID相结合；并利用遗传算法（Genetic Algorithm，GA）的全局寻优特性来优化网络初值[1]，以此用GA和DRNN两者的优点使系统获得更好的控制效果。

1 三电机系统

如图1为3台电机的速度张力运行时的简单物理模型，各电机轴上安装有皮带轮，电机之间通过皮带轮上的传输带连结；……