康 梅，赵文祥，吉敬华，刘国海

(江苏大学，江苏镇江212013)

0引 言

随着多电机变频调速系统在造纸、电动汽车、轨道交通等领域越来越广泛的应用，高性能的同步协调控制成为亟待解决的技术难题。国内外学者对多电机系统中速度和张力的解耦控制进行了一系列的研究［1-4］。其中，将逆系统与神经网络相结合的神经网络逆系统方法［5-8］，从控制算法入手，结合两者优势，实现了对一般非线性系统的线性化和解耦控制，最近几年来成为提升被控系统控制性能的一种新方法。但已有在训练神经网络时，存在着收敛速度慢、甚至会造成网络发散，且不易得到全局最优值以及结构和类型的选择过分依赖经验等缺陷。系统输入输出之间映射关系不能很好地被反映，大大降低网络的逼近性能。本文结合径向基函数(Radial Basis Function，RBF)神经网络［9-10］和遗传算法(Genetic Algorithm，GA)的思想［11-12］，提出一种基于遗传算法优化的RBF神经网络逆系统的两电机同步控制方法。遗传算法是模仿生物遗传学和自然选择机理，通过人工方式构造的一类优化搜索算法。遗传算法具有鲁棒性强、搜索范围广、搜索效率高的特点。运用遗传算法训练RBF神经网络无需先验知识，对初始参数不敏感，不会陷入局部极小点。实验证明该方法能实现两电机速度和张力的解耦控制，而且有实时性好，响应速度快，鲁棒性强等优点。

1两电机同步系统的可逆性问题

图1为速度和张力控制的两电机同步系统物理模型。

图1 两电机同……