● 摘要
电液伺服系统具有功率密度大、动态响应快、带载刚度强等优点，广泛应用于工业、国防等领域。电液伺服控制存在很多非线性和时变性，在这种条件下，传统的PID控制算法不能达到理想的控制效果，而且参数调节繁琐难以找到最优参数；另外，在噪声、负载扰动等因素的影响下，过程参数甚至模型结构均会随时间和工作环境的变化而变化，这就要求在PID控制中，不仅PID参数的整定不依赖于对象数学模型，并且PID参数能够在线调整，以适应复杂的系统和高指标的控制要求。基于以上分析，本文主要探讨基于神经网络辨识的电液位置伺服系统的智能控制及其在FPGA高性能控制器中的实现，在以下几个方面展开研究工作：
本文在分析传统动态神经网络的基础上，介绍了一种新型的Wiener-type动态神经网络模型及其反向传播学习算法。Wiener-type动态神经网络块联模型通过串联线性动态环节和非线性静态增益，从结构上就更接近非线性动态系统。通过对电液位置伺服系统的辨识分析验证该网络结构的模型辨识能力。
常规的动态神经网络只能在辨识过程无限逼近被辨识系统却无法得到一组确定的权值向量使其与被辨识系统等价，而本文中的Wiener-type动态神经网络模型在经过多次系统辨识训练后，可以收敛到一组确定的权值参数模型与电液位置伺服系统的输出特性相近；另外，通过对电液位置伺服系统和Wiener-type动态神经网络模型的输入输出扫频数据进行频域分析，得到两个系统具有相似的频域特性，进一步验证该辨识模型能够表征被控系统的动态特性。
针对电液伺服控制中的非线性、参数变化、外负载干扰等问题。通过AMESim与MATLAB的联合仿真模型验证了基于Wiener-type动态神经网络辨识的PID控制算法在控制过程中不断进行参数优化，避免了PID调节繁琐和参数寻优的盲目性，形成具有自调节能力的稳定控制器，提高控制系统的自适应性和鲁棒性，实现非线性时变系统的智能控制。
神经网络结构的重要特点是巨量信息并行处理和大规模平行计算。而通常计算机控制程序代码只能顺序执行运算，限制了其在实时控制中的应用。FPGA可以实现并行任务的同时执行，因此构造神经网络的FPGA控制器可极大地缩短控制周期，提高系统性能。但是通常开发FPGA需要掌握VHDL等底层设计工具，开发神经网络应用难度较大。本文通过NI LabVIEW测试系统不需要任何有关底层硬件描述语言即可在FPGA中实现电液位置伺服系统的模型辨识和智能控制算法，解决了复杂系统的设计难题，构造具有高实时高可靠高确定的数字控制系统。