(b) neuron decoupling and adaptive PID control

　　Fig.8 Response of the system when tension 1 sudden change

　　and constant tension图9为恒压频比控制方式下，速度给定为周期60秒的三角波信号，采用常规PID控制时速度跟踪三角波响应曲线，图9为相同情况下采用神经网络控制时的速度跟踪三角波响应曲线。

　　(a) PID contro

　　(b) neuron decoupling and adaptive PID control

　　Fig.9 Response of the system when tension 2 sudden change

　　从以上曲线可以看出，两电机同步系统采用神经网络控制时系统的速度和张力实现了解耦，且系统具有较强的抗负载扰动能力和跟踪能力，而采用常规PID控制不能够实现系统速度和张力的解耦控制。

　　5 结论

　　本文针对实际系统精确数学模型难以构建的困难，提出了一种不依赖于系统模型的神经网络在线整定PID参数的解耦控制方法，并将该控制算法与S7-300 PLC控制系统相结合。实验结果显示了该方法的有效性和先进性，证明了其在工业控制现场中应用的可行性，为高性能的多电机同步控制在实际中的应用提供了一条途径。

　　参考文献

　　[1] 姜萍,李遵基，梁伟平等.一种基于神经元的解耦控制算法[J].华北电力大学学报.2004,27(2):47-51.

　　[2] 刘金琨.先进PID控制及其MATLAB仿真[M].

　　北京：电子工业出版社2004.

　　[3] 西门子自动化与驱动集团.深入浅出西门子WinCC6.0 [M].北京:北京航空航天人学出版社，2004.

　　[4] 西门子自动化与驱动集团.深入浅出西门子S7-300 PLC[M].北京:北京航空航天人学出版社，2004.

 3/3   首页 上一页 1 2 3