曹训训，李凌杰（武汉船用电力推进装置研究所，武汉 430064）



基于遗传算法和CMAC的双电机协调控制

曹训训，李凌杰
（武汉船用电力推进装置研究所，武汉 430064）

摘要：提出一种小脑模型神经网络（CMAC）和自适应在线遗传算法（GA）相结合的新型控制算法，应用于机器人中两轴永磁无刷直流电机的速度协调控制，利用MATLAB/SIMULINK仿真，结果证明了GA和CMAC复合控制器可以有效的消除协调控制中的转矩脉动。

关键词：小脑模型神经网络遗传算法协调控制

0　引言

永磁无刷直流电机具有良好的静、动态调速性能，且结构简单、运行可靠、易于控制，近年来广泛应用于移动机器人中。当机器人多轴协调控制系统中的两个电机主、辅电机需要同步运行时，由于电机参数的变化和负载大小的不同，两电机转速的协调会受到干扰。此时，可采用遗传算法、粒子群优化、神经网络以及模糊控制等方法来取代或优化传统的PID调速，使辅电机严格按照主电机的转速来调整PWM触发电压的大小，从而实现协调同步。

其中，遗传算法作为一种高级启发式搜索的优化方法，简单通用、鲁棒性强，无需任何初始信息就可寻求全局最优解。但遗传算法局部搜索能力较弱，收敛速度慢，影响系统的高精度控制和稳定运行[1]。小脑模型神经网络算法，是一种模拟人脑的学习，即模拟种群中单个个体的自学习算法，具有很强的局部泛化能力，收敛速度快，且其最小值是唯一的，迭代次数少，程序执行速度快，适合于实时控制[2]。……