從第一臺(tái)數(shù)控機(jī)床誕生至今，數(shù)控機(jī)床的發(fā)展可謂日新月異。隨著科學(xué)技術(shù)和國(guó)民經(jīng)濟(jì)的發(fā)展，對(duì)數(shù)控機(jī)床的要求也越來(lái)越高，要求數(shù)控機(jī)床具有高精度，高可靠性，作為數(shù)控機(jī)床的重要組成部分，由于伺服系統(tǒng)包含了眾多的電子電力器件，并應(yīng)用反饋控制原理將它們有機(jī)地組織起來(lái)，因此在一定意義上，伺服系統(tǒng)的高性能和高可靠性決定了整臺(tái)數(shù)控機(jī)床的性能和可靠性。圍繞伺服系統(tǒng)動(dòng)態(tài)與靜態(tài)性能的提高，近年來(lái)發(fā)展了多種伺服驅(qū)動(dòng)技術(shù)。無(wú)論是從數(shù)控機(jī)床本體，還是從數(shù)控機(jī)床的控制系統(tǒng)的改進(jìn)、控制策略的選擇都變得越來(lái)越嚴(yán)格，控制策略的融合，交叉，滲透也越來(lái)越多。

1、傳統(tǒng)的PID控制

　　PID控制（實(shí)際當(dāng)中也有PI和PD控制）是根據(jù)系統(tǒng)的誤差，采用比例、積分、微分計(jì)算控制量的控制方法。PID控制器的出現(xiàn)已經(jīng)將近80年的歷史，其結(jié)構(gòu)簡(jiǎn)單、穩(wěn)定性好、工作可靠、調(diào)節(jié)方便，已經(jīng)使其成為重要的控制技術(shù)之一。

　　PID控制器由比例單元（P）、積分單元（I）和微分單元（D）組成。其輸入e（t）與輸出u（t）的關(guān)系為

　　u（t）=kp[e（t）+1/TI∫e（t）dt+TD*de（t）/dt]式中積分的上下限分別是0和t，

　　因此它的傳遞函數(shù)為：G（s）=U（s）/E（s）=kp[1+1/（TI*s）+TD*s]

　　其中：kp比例系數(shù)；　　TI積分時(shí)間常數(shù)；　　TD微分時(shí)間常數(shù)

　　當(dāng)我們不完全了解一個(gè)系統(tǒng)和被控對(duì)象，或不能通過(guò)有效的測(cè)量手段來(lái)獲得系統(tǒng)參數(shù)時(shí)，最適合采用PID控制技術(shù)。它用途廣泛、使用靈活，只需設(shè)定三個(gè)參數(shù)（Kp，Ti和Td）即可?？刂品椒ū容^簡(jiǎn)單。

　　但是在交流伺服系統(tǒng)中，因?yàn)橥饨绺蓴_較多，且目前對(duì)交流伺服系統(tǒng)的控制多需建立數(shù)學(xué)模型，而自整定要以模型為基礎(chǔ)，閉環(huán)工作時(shí)，要求在過(guò)程控制中插入測(cè)試信號(hào)。而加入測(cè)試信號(hào)則會(huì)引起擾動(dòng)，所以基于數(shù)學(xué)模型的PID參數(shù)自整定在工業(yè)應(yīng)用中不是太好。

　　而隨著控制策略的發(fā)展和越來(lái)越廣泛的應(yīng)用，很多的科學(xué)家都提出可以將現(xiàn)代控制理論和智能控制策略引入數(shù)控機(jī)床的控制系統(tǒng)中。這些代表控制策略有神經(jīng)網(wǎng)絡(luò)（尤以BP網(wǎng)絡(luò)應(yīng)用最多），矢量控制，直接轉(zhuǎn)矩控制，滑模變結(jié)構(gòu)控制，非線性控制，模糊控制等，而目前較為流行的是神經(jīng)網(wǎng)絡(luò)和矢量控制，或是他們之間的融合和交叉，亦或是用遺傳算法等優(yōu)化這些控制理論，以期達(dá)到更好的控制效果，加強(qiáng)系統(tǒng)的穩(wěn)定性。本人主要介紹神經(jīng)網(wǎng)絡(luò)。

2、神經(jīng)網(wǎng)絡(luò)控制

　　2.1 生物神經(jīng)元的結(jié)構(gòu)

　　神經(jīng)元，又稱(chēng)神經(jīng)組織，是構(gòu)成神經(jīng)系統(tǒng)結(jié)構(gòu)和功能的基本單位，是大腦處理信息的基本單元，以細(xì)胞體為主體，由許多向周?chē)由斓牟灰?guī)則樹(shù)枝狀纖維構(gòu)成。它主要由細(xì)胞體（Cell body）、樹(shù)突（Dendrite）、軸突（Axon）和突觸（Synapse）組成。

　　2.2 人工神經(jīng)元網(wǎng)絡(luò)

　　人工神經(jīng)元網(wǎng)絡(luò)ANN，也簡(jiǎn)稱(chēng)為神經(jīng)元網(wǎng)絡(luò)，是由大量處理單元互聯(lián)組成的非線性、自適應(yīng)信息處理系統(tǒng)。它是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上提出的，試圖通過(guò)模擬大腦神經(jīng)網(wǎng)絡(luò)處理、記憶信息的方式進(jìn)行信息處理。人工神經(jīng)網(wǎng)絡(luò)具有非線性、非局限性、非常定性、非凸性四個(gè)基本特征，它是涉及神經(jīng)科學(xué)、思維科學(xué)、人工智能、計(jì)算機(jī)科學(xué)等多個(gè)領(lǐng)域的交叉學(xué)科，具有自學(xué)習(xí)、聯(lián)想存儲(chǔ)、高速尋找優(yōu)化解等功能，并在很多領(lǐng)域已得到了很好的應(yīng)用，并與模糊邏輯、專(zhuān)家系統(tǒng)、遺傳算法、小波分析、混沌、粗集理論、分形理論、證據(jù)理論和灰色系統(tǒng)等融合，越來(lái)越多的應(yīng)用到控制領(lǐng)域的各個(gè)方面，因?yàn)樗鼮榻鉀Q大復(fù)雜度問(wèn)題提供了一種相對(duì)來(lái)說(shuō)比較有效的簡(jiǎn)單方法，對(duì)于數(shù)控系統(tǒng)這種較為復(fù)雜的控制系統(tǒng)，引入神經(jīng)網(wǎng)絡(luò)的控制方法可以更好的增強(qiáng)數(shù)控系統(tǒng)的穩(wěn)定性。

　　2.3 單神經(jīng)元控制器在交流伺服系統(tǒng)中的應(yīng)用

　　依據(jù)交流伺服系統(tǒng)的控制性能要求，可以設(shè)計(jì)出圖2所示的單神經(jīng)元自適應(yīng)PID控制器。

　　圖中轉(zhuǎn)換器的輸入反映被控過(guò)程及控制設(shè)定的狀態(tài)，r（k）為設(shè)定值，y（k）為輸出值，x1（k），x2（k），x3（k）為經(jīng)轉(zhuǎn)換器轉(zhuǎn)換成的單神經(jīng)元學(xué)習(xí)控制所需要的狀態(tài)量；wi（k）為對(duì)應(yīng)于xi（k）的加權(quán)系數(shù)；K為神經(jīng)元的比例系數(shù)，K>0。

　　2.4 BP神經(jīng)網(wǎng)絡(luò)在交流伺服系統(tǒng)中的應(yīng)用

　　BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是20世紀(jì)80年代年由Rumelhart和McCelland為首的科學(xué)家提出的，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，由信息的正向傳播和誤差的反向傳播兩個(gè)過(guò)程組成的，是應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，不需要預(yù)先揭示描述的映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過(guò)反向傳播不斷調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，使網(wǎng)絡(luò)誤差平方和最小。

　　BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層（input）、隱層（hide layer）和輸出層（output layer）。輸入層神經(jīng)元負(fù)責(zé)接收外部輸入信息，并傳遞到中間層每個(gè)神經(jīng)元；中間一層為內(nèi)部信息處理層，負(fù)責(zé)信息轉(zhuǎn)換，根據(jù)信息變化能力需求，中間層可以設(shè)計(jì)成單隱層或多隱層的結(jié)構(gòu)，最后一個(gè)隱層傳遞到輸出層各神經(jīng)元的信息，經(jīng)進(jìn)一步處理后，完成一次學(xué)習(xí)的正向傳播處理過(guò)程，由輸出層向外界輸出信息處理結(jié)果。當(dāng)實(shí)際輸出與期望輸出不符時(shí)，進(jìn)入誤差的反向傳播階段。誤差通過(guò)輸出層，按誤差梯度下降的方式修正各層權(quán)值，向隱層、輸入層逐層反傳。周而復(fù)始的信息正向傳播和誤差反向傳播過(guò)程，是各層權(quán)值不斷調(diào)整的過(guò)程，也是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過(guò)程，這個(gè)過(guò)程一直到網(wǎng)絡(luò)輸出誤差降低到可以接受的水平，或者預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。

　　BP網(wǎng)絡(luò)由于其具有逼近任意非線性函數(shù)的能力，而且結(jié)構(gòu)和學(xué)習(xí)算法簡(jiǎn)單明確，當(dāng)與傳統(tǒng)的PID控制器相結(jié)合后可以直接對(duì)被控對(duì)象進(jìn)行閉環(huán)控制，并且可以使k p、k i、k d三個(gè)參數(shù)在線整定；神經(jīng)網(wǎng)絡(luò)也可以根據(jù)數(shù)控系統(tǒng)的運(yùn)行狀態(tài)對(duì)PID控制器的三個(gè)可調(diào)參數(shù)k p、k i、k d通過(guò)神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)調(diào)整權(quán)系數(shù)，從而使其穩(wěn)定狀態(tài)對(duì)應(yīng)于某種最優(yōu)控制基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器結(jié)構(gòu)示意圖如圖3所示：

圖3 基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器結(jié)構(gòu)示意圖

3、結(jié)語(yǔ)

　　本人針對(duì)常規(guī)PID控制器的不足，以神經(jīng)網(wǎng)絡(luò)PID控制理論為基礎(chǔ)，設(shè)計(jì)了單神經(jīng)元自適應(yīng)PID控制器和基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器，為仿真做好了準(zhǔn)備。

　　本文只是提出了BP神經(jīng)網(wǎng)絡(luò)對(duì)在數(shù)控交流系統(tǒng)中的控制器的設(shè)計(jì)方法，并未對(duì)其進(jìn)行仿真，故其性能還未可知，故需進(jìn)一步對(duì)其性能進(jìn)行仿真研究，以確定此控制器在實(shí)際應(yīng)用中的效果。