基于BP神经网络伺服电机控制器的设计开题报告

1. 研究目的与意义

1.1研究目的随着被控系统越来越复杂，人们对控制系统的要求越来越高，特别是要求控制系统能适应不确定性、时变的对象与环境。

传统的基于精确模型的控制方法难以适应要求，现在关于控制的概念也已更加广泛，它要求包括一些决策、规划以及学习功能，神经网络由于具有上述优点而越来越受到人们的重视。

在进行神经网络的理论研究时，人们可以将自己的神经网络模型或算法在通用的串行或并行计算机上编程实现，但这只是研究的手段而绝非目的，在构造实际的神经网络应用系统时，必然要考虑到硬件实现问题，特定应用下的高性能专用神经网络硬件是神经网络研究的最终目标[1]。

2. 国内外研究现状分析

2 神经网络研究现状1.基于ga-bp的模糊神经网络控制器与elman辨识器的系统设计程启明[3]提出了一种基于神经网络的模糊控制系统,该系统由模糊神经网络控制器和模型辨识网络组成，介绍了模糊神经网络控制器采用遗传算法离线优化与bp算法在线调整,给出了具体控制算法,推导了变形elmam网络的系统辨识算法，仿真结果表明了此法的可行性和有效性。

2.基于bp神经网络的贴片机运动精度控制刘明晓和龙绪明[4]将bp神经网络pid控制方法应用于贴片机运动精度控制器设计;针对传统pid控制器参数难以整定等问题,提出了bp神经网络和pid控制器相结合的方法,该方法既有常规pid控制器 结构简单的特点,又有bp神经网络自适应、自学习以及逼近任意函数的能力;首先根据伺服电动机的工作原理建立了电枢控制伺服电动机模型传递函数,在此基础上建立了贴片机单关节轴位置控制器模型传递函数;其次描述了bp神经网络和pid控制器相结合的控制模型,并对具体的控制算法进行了定义;最后利用 matlab仿真工具对贴片机单关节位置控制进行了仿真;仿真结果表明,结合bp神经网络的pid控制系统提高了系统的稳定性、快速性和动态性能并获得很好的控制效果。

3.储备池计算系统由密歇根大学电气工程和计算机科学教授 wei lu 研究团队[5]在《自然通信》上发表了一项研究成果。

3. 研究的基本内容与计划

3.1研究内容bp神经网络控制器包括神经网络拓扑结构、伺服电机仿真模块等模块的设计。

神经网络的拓扑结构主要包含神经元数目的设计，学习规则的确定以及算法的实现。

本次设计的控制器主要实现与常规控制方法相比，能够实现控制稳定有效、精度高、收敛速度快、控制效果更好。

4. 研究创新点

1. 利用神经网络来控制电机能够充分逼近任意复杂的非线性关系，从而形成非线性动力学系统，提高控制的精度；2. 能够学习和适应不确定性系统的动态特性，有更好的自适性；3.电机控制中产生的随机变量或定性的信息都分布储存于网络内的各神经单元，从而具有很强的容错性和鲁棒性。