广西师范大学学报（自然科学版） ›› 2020, Vol. 38 ›› Issue (2): 115-120.doi: 10.16088/j.issn.1001-6600.2020.02.013

• CCIR2019 • 上一篇    下一篇

基于BP神经网络的三轴增稳云台自抗扰控制

刘欣1, 罗晓曙1*, 赵书林2   

  1. 1.广西师范大学电子工程学院,广西桂林541004;
    2.广西师范大学化学与药学学院,广西桂林541004
  • 收稿日期:2019-03-07 发布日期:2020-04-02
  • 通讯作者: 罗晓曙(1961—),男,湖北应城人,广西师范大学教授,博士。E-mail:lxs@mailbox.gxnu.edu.cn
  • 基金资助:
    广西科技重大专项(AA18118004)

Active Disturbance Rejection Control of Three-AxisStabilized Platform Based on BP Neural Network

LIU Xin1, LUO Xiaoshu1*, ZHAO Shulin2   

  1. 1.College of Electronic Engineering, Guangxi Normal University, Guilin Guangxi 541004,China;
    2.School of Chemistry and Pharmaceutical Sciences, Guangxi Normal University, Guilin Guangxi 541004,China
  • Received:2019-03-07 Published:2020-04-02

PDF (PC)

298

摘要： 针对三轴增稳云台伺服系统非线性特性,以及PD控制抗扰能力差,自抗扰控制器由于参数众多而导致整定过程耗时且费力的缺陷,本文利用BP神经网络的全局逼近能力和自我学习能力,将其与自抗扰控制器组成复合控制器,对自抗扰控制器的所有关键参数进行自整定寻优,应用于含Stribeck摩擦模型的三轴增稳云台伺服系统。仿真结果表明:该方法用于自动整定参数可行有效,与PD控制和参数固定的常规自抗扰控制器相比,具有更高的控制精度和更强的抗扰能力,对提高增稳云台的性能具有较好的应用价值。

关键词: 增稳云台, 伺服系统, PD控制, 自抗扰控制, BP神经网络

Abstract: In view of the non-linear characteristics of the three-axis stabilized pan-tilt servo system, the anti-disturbance ability of PD control is poor, and the setting process of the active disturbance rejection control is time-consuming and laborious due to the large number of parameters. By using the global approximation ability and self-learning ability of BP neural network, a composite controller is composed of BP neural network and active disturbance rejection control. All the key parameters of active disturbance rejection control are self-tuned and optimized, which is applied to the three-axis stabilized pan-tilt servo system with Stribeck friction model. The simulation results show that the method is feasible and effective for parameter auto-tuning. Compared with the conventional ADRC with fixed parameters and PD control, it has higher control accuracy and stronger anti-disturbance ability, and has better application value for improving the performance of the stabilized platform.

Key words: stabilized platform, servo system, PD control, active disturbance rejection control, BP neural network

中图分类号: 

  • TP273
[1] GAO Zhiqiang.Active disturbance rejection control:from an enduring idea to an emerging technology[C]// 2015 10th International Workshop on Robot Motion and Control.Piscataway,NJ:IEEE Press,2015:269-282. DOI:10.1109/RoMoCo.2015.7219747.
[2] PING Jiang,WANG Peiguang.Parameters optimization of active disturbance rejection controller with genetic algorithm for cascade speed control system[C]// Fourth International Conference on Intelligent Computation Technology and Automation.Los Alamitos,CA:IEEE Computer Society,2011:464-467.DOI:10.1109 /ICICTA.2011.129.
[3] 唐堂,魏承赟,罗晓曙,等.基于附加惯性项人群搜索算法的四旋翼无人机姿态控制研究[J].广西师范大学学报(自然科学版),2018,36(4):12-19.DOI:10.16088/j.1001-6600.2018.04.002.
[4] 陈林奇,李廷会.基于双空间PSO算法的四旋翼无人机自抗扰控制器优化设计[J].广西师范大学学报(自然科学版),2019,37(3):42-49.DOI:10.16088/j.issn.1001-6600.2019.03.005.
[5] 刘晓丽,兰英.狼群算法优化自抗扰控制器的应用[J].计算机与数字工程,2018,46(11):2179-2182,2190.DOI: 10.3969/j.issn.1672-9722.2018.11.004.
[6] HUANG Yonghao,FEI Qing.Clonal selection algorithm based optimization of the ADRC parameters designed to control UAV longitudinal channel[C]//2015 IEEE International Conference on Control System,Computing and Engineering.Piscataway,NJ:IEEE Press,2015:448-452.DOI:10.1109/ICCSCE.2015.7482227.
[7] GENG Qingbo,TIAN Peigang.The ADRC design for UAV longitudinal channel and its parameter optimization based on ACO[C]//2013 10th IEEE International Conference on Control and Automation.Piscataway,NJ:IEEE Press,2013:373-377.DOI:10.1109/ICCA.2013.6565079.
[8] 魏立新,赵默林,范锐,等.基于改进鲨鱼优化算法的自抗扰控制参数整定[J].控制与决策,2019,34(4):816-820. DOI:10.13195/j.kzyjc.2017.1302.
[9] 钟海鑫,丘森辉,罗晓曙,等.基于附加惯性项BP神经网络的四旋翼无人机姿态控制研究[J].广西师范大学学报(自然科学版),2017,35(2):24-31.DOI:10.16088/j.issn.1001-6600.2017.02.004.
[10]齐晓慧,李杰,韩帅涛.基于BP神经网络的自适应自抗扰控制及仿真[J].兵工学报,2013,34(6):776-782.
[11]关学忠,白云龙,高哲.基于BP神经网络的无刷直流电机的自抗扰控制[J].计算机与数字工程,2014,42(12): 2399-2403.DOI:10.3969/j.issn1672-9722.2014.12.040.
[12]朱启轩,张红刚,高军科.光电稳定平台神经网络自抗扰控制方法[J].电光与控制,2018,25(3):10-14.
[13]舒林.基于ARM的航拍三轴云台控制系统设计与研究[D].沈阳:沈阳航空航天大学,2018:6-12.
[14]王日俊,白越,续志军,等.基于扰动观测器的多旋翼无人机机载云台模糊自适应跟踪控制[J].浙江大学学报(工学版),2015,49(10):2005-2012.
[15]刘金琨.先进PID控制及其MATLAB仿真[M].4版.北京:电子工业出版社,2016:358-359.
[16]李明.无人机三轴云台的稳定控制研究[D].桂林:桂林电子科技大学,2017:7-8.
[17]KARNOPP D.Computer simulation of stick-slip friction in mechanical dynamic systems[J].Journal of Dynamic Systems,Measurement,and Control,1985,107(1):100-103.DOI:10.1115/1.3140698.
[18]唐堂,罗晓曙,吕万德,等.四旋翼无人机滑模自抗扰控制[J].广西师范大学学报(自然科学版),2018,36(2):56-62.DOI:10.16088/j.issn.1001-6600.2018.02.008.
[19]韩京清.自抗扰控制技术:估计补偿不确定因素的控制技术[M].北京:国防工业出版社,2008:255-262.
[20]朱斌.自抗扰控制入门[M].北京:北京航空航天大学出版社,2017:30-35.
[1] 陈林奇,李廷会. 基于双空间PSO算法的四旋翼无人机自抗扰控制器优化设计[J]. 广西师范大学学报（自然科学版）, 2019, 37(3): 42-49.
[2] 许伦辉, 陈凯勋. 基于改进萤火虫算法优化BP神经网络的路网速度分布预测[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 1-8.
[3] 唐堂, 魏承赟, 罗晓曙, 丘森辉. 基于附加惯性项人群搜索算法的四旋翼无人机姿态控制研究[J]. 广西师范大学学报（自然科学版）, 2018, 36(4): 12-19.
[4] 唐堂,罗晓曙,吕万德,刘欣. 四旋翼无人机滑模自抗扰控制[J]. 广西师范大学学报（自然科学版）, 2018, 36(2): 56-62.
[5] 钟海鑫, 丘森辉, 罗晓曙, 唐堂, 杨力, 赵帅. 基于附加惯性项BP神经网络的四旋翼无人机姿态控制研究[J]. 广西师范大学学报（自然科学版）, 2017, 35(2): 24-31.
[6] 彭新建,翁小雄. 基于萤火虫算法优化BP神经网络的公交行程时间预测[J]. 广西师范大学学报（自然科学版）, 2017, 35(1): 28-36.
[7] 陈锦, 罗晓曙. 基于小波变换与野草算法的细胞图像特征提取与识别[J]. 广西师范大学学报（自然科学版）, 2015, 33(2): 22-28.
[8] 黄晶, 罗晓曙. 神经网络在输电线覆冰增长因素中的应用[J]. 广西师范大学学报（自然科学版）, 2011, 29(4): 25-27.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 胡华. 与鞅相关的广义Ornstein-Uhlenbeck过程及其在金融中的应用[J]. 广西师范大学学报（自然科学版）, 2016, 34(1): 84 -92 .
[2] 韦扬江, 梁艺耀, 唐高华, 苏磊磊, 陈蔚凝. 模n高斯整数环的商环的立方映射图[J]. 广西师范大学学报（自然科学版）, 2016, 34(3): 53 -61 .
[3] 许伦辉, 刘景柠, 朱群强, 王晴, 谢岩, 索圣超. 自动引导车路径偏差的控制研究[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 1 -6 .
[4] 邝先验, 吴赟, 曹韦华, 吴银凤. 城市混合非机动车流的元胞自动机仿真模型[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 7 -14 .
[5] 肖瑞杰, 刘野, 修晓明, 孔令江. 耦合腔光机械系统中两个机械振子的态交换[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 15 -19 .
[6] 黄慧琼, 覃运梅. 考虑驾驶员性格特性的超车模型研究[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 20 -26 .
[7] 袁乐平, 孙瑞山. 飞行冲突调配概率安全评估方法研究[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 27 -31 .
[8] 杨盼盼, 祝龙记, 操孟杰. 基于STM32的TSC型无功补偿控制系统的研究[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 32 -37 .
[9] 章美月. 关于电子束聚焦系统模型的一些新结果[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 38 -44 .
[10] 侯晓东, 蔡斌斌, 金炜东, 段旺旺. 基于证据距离和模糊熵的加权证据融合新方法[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 45 -51 .
版权所有 © 广西师范大学学报（自然科学版）编辑部
地址：广西桂林市三里店育才路15号　邮编：541004
电话：0773-5857325　E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发