0 引 言

随着先进制造技术的迅速发展，对运动控制的精度要求也越来越高，而运动伺服控制系统的性能很大程度上取决于伺服控制算法，通过运动控制与智能控制的融合，从改进传统的PID控制，到现代的最优控制、自适应控制、智能控制技术，应用先进的智能控制策略达到高质量的运动控制效果，已经成为当前研究的一个热点。

由于运动伺服控制系统中存在负载模型参数的变化，机械摩擦、电机饱和等非线性因素，造成受控对象的非线性和模型不确定性，使得需要依靠精确的数学模型，系统模型参数的常规PID控制很难获得超高精度、快响应的运动轨迹的要求。因此伺服控制系统越来越多采用PID与其他新型控制算法相结合的控制方式，如人工智能与专家系统、模糊控制、人工神经网络、遗传算法等，这里设计了一种基于神经网络控制算法的运动伺服控制卡，采用DSP+CPLD的硬件平台，采用单神经元PID与CMAC并行控制的伺服控制算法，通过对伺服电机的控制实现对位置的闭环控制。仿真和实践结果证明，这种运动控制算法有鲁棒性和抗干扰能力。

1 硬件设计

该运动控制卡是以PC机作为主机的运动控制卡，选用DSP作为核心微处理器，卡上集成编码器信号采集和处理电路，D／A输出电路，扩展存储器电路和DSP—PC通信电路。PC机把粗处理的数据通过DSP一PC通信接口传递给运动控制系统，DSP通过对光电编码器反馈信号处理电路的结果分析，计算出与给定位置的误差值，再通过软件位置调节器获得位置控制量，计算出运动速度控制量，产生的输出信号经D／A转换将模拟电压量送给伺服放大器，通过对伺服电机的控制实现对位置的闭环控制。系统的结构框图如图1所示。

选用美国TI公司的16位定点DSPTMS320LF2407A作为运动控制器的核心处理器，地址译码、时序逻辑、编码器信号处理电路用CPLD来完成，用PCI接口芯片实现双口RAM与PC机的通信，双口RAM用来存储和缓冲DSP与PC机间的通信数据，SRAM用来存储运动控制器运行时的程序和数据。

2 控制算法的设计

2．1 控制模型

在运动控制伺服系统中，需要控制的系统参数主要有位置、速度、加速度、输出扭矩／力矩等。传统的位置伺服控制策略是以PID控制为代表，但需依靠精确的数学模型，系统模型参数的变化及非线性因素等都会对常规PID的精确调节产生影响，因而PID对非精确、非线性对象的控制往往难以取得很好的控制效果。

CMAC神经网络具有处理非线性和自学习的特点，而且该控制网络的学习速度快。目前在工业中关于CMAC控制器的结构大都采用常规PD和CMAC并行的控制结构，它在阶跃输入或跟踪方波信号时，具有输出误差小，鲁棒性强等特点，然而在跟踪连续变化信号时，却容易产生过学习现象，进而导致系统的不稳定。为此，设计一种单神经元PID与CMAC复合控制的控制算法，用单神经元PID替代常规PID控制，由神经元来在线调整PID控制参数，利用神经网络的自学习和自适应能力，来改善系统的跟随性能。该算法的构成简单，易于实现，能够适应环境的变化，有较强的鲁棒性。仿真结果证明该算法具有较小的跟随误差，良好的鲁棒性和抗干扰能力，其结构图如图2所示。

2．2 并行控制算法的设计

由图2综合单神经元PID与CMAC控制算法，得到单神经元PID与CMAC并行控制完整的控制算法如下：

其中：η，ξ为网络学习速率；α为惯性系数。

2．3 算法的实现、仿真和结果分析

已知一位置伺服系统的数学模型系统的开环传递函数z变换后的表达式为：