1 引言
    在造紙、印染、紡織等高精度、高轉速傳動系統中，隨著工業自動化程度的提高和生產規模的擴大，采用單電機驅動往往難以滿足生產的要求。而多電機" title="多電機">多電機同步控制" title="同步控制">同步控制歷來是最核心的問題，對多電機同步協調控制，國內、外同行也有不少研究。在實際應用中，多電機的同步性能會因各傳動軸的驅動特性不匹配、負載的擾動等因素的影響而惡化，因此同步控制方法的好壞直接影響著系統的可靠性。
    本文通過對的多電機同步傳動系統主要控制策略分析，得出改進的耦合控制是當前比較好的控制思想，實際應用中采用易于實現的PID作為同步補償控制器算法。但傳統PID控制器結構簡單、魯棒性較差且抗擾動能力也不太理想。因此在控制策略上，采用神經網絡控制和PID控制算法相結合的方法。仿真結果表明，將該方法用于多電機同步控制中，不僅具有良好的動態性能，而且整個系統同步精度也有所提高。

2 多電機同步控制的原理
    對于多電機同步控制系統" title="控制系統">控制系統來說，實現的是電動機轉速的跟隨，受到擾動的電動機轉速是變化的，其它的電動機跟隨這臺電動機的轉速變化。在系統受到擾動后的初始狀態，電動機之間的轉速趨于同步越快越好，即應盡快消除轉速偏差；當電動機之間的轉速趨于同步時，要盡量減小轉速發生超調。一般情況是要求系統中的第i臺電動機轉速vi和第i+l臺電動機轉速vi+1，之間保持一定的比例關系，即vi=a·vi+1以滿足系統的實際工藝要求。這里a為轉速同步系數。在實際運行過程中若要滿足系統的同步要求，周期采樣獲取某一環節的前臺電動機轉速vi和后臺電動機轉速vi+1后，vi和vi+1按下式定義轉速同步偏差時，表明在同步系數a下，vi和vi+1同步，當e≠0時，表明在同步系統aF，vi和vi+l不同步．在本文中采用改進的耦合同步控制系統(如圖1)，各電機采用同一電壓給定的基礎上，電機l轉速誤差△v1=v1—vfb1，電機2的轉速誤差△v2=v2一vfb2，計算某一電機實際速度和給定速度的偏差e，以及當前的偏差變化量△e，同步控制器補償同樣采用PID控制。其差值經過PID補償器" title="補償器">補償器加到隨動電機輸入端。

3 基于神經網絡PID控制器的建立
    BP神經網絡是應用最廣泛的一種人工神經網絡，在各門學科領域中都具有很重要的實用價值，根據本系統的控制系統的特點，為了快速消除同步誤差，本文采用BP神經網絡與PID相結合的作為同步補償方法。
3．1 BP神經網絡PID控制系統的結構
    基于BP網絡的PID控制系統結構如圖2所示，控制器由兩部分組成：

(1)常規PID控制器，直接對被控對象進行閉環控制，并且其控制參數Kp、Ki、Kd為在線調整方式；

  (2)BP神經網絡，根據系統的運行狀態，調節PID控制器的參數，以期達到某種性能指標的最優化，使輸出層神經元的輸出對應于PID控制器的3個可調參數KD、Ki、Kd。通過BP神經網絡的自學習、加權系數的調整，使BP神經網絡輸出對應于某種最優控制規律下的PID控制器參數。以電機作為控制對像，一般采用增量式PID控制算法進行控制。它的控制算式為：

式中KP、KI、KD分別為比例、積分、微分系數．
3．2 神經網絡PID的算法實現
    1)訓練階段的工作
    第l步：設計輸入輸出神經元。本BP網絡的輸入層設置3個神經元，分別為輸入速度vi、速度偏差e和偏差變化量△e，輸出層有3個神經元，為PID控制器的3個可調節參數Kp、Ki、Kd
    第2步：設計隱含層神經元個數。本文初步確定隱含層節點數為5個．學習一定次數后，不成功再增加隱含層節點數，一直達到比較合理的神經元數為止；
    第3步：設計網絡初始值。本文中設定的學習次數N=5000次，誤差限定值E=0．02；
    第4步：應用Simulink對BP網絡進行訓練和仿真。
    2)測試階段" title="測試階段">測試階段的工作
    在測試階段，主要是對訓練過的網絡輸入測試樣木，測試網絡的學習效果，即判斷網絡的運算值與樣本的期望值之差是否在允許的范圍之內。在此不再贅述具體判定過程。

4 仿真與分析
    本文以2臺電機同步為模型進行仿真。在電機的參數設定時，對2臺電機的參數取相同值。電機參數為：定子每相繞組電阻R=5．9Ω，定子d相繞組電感Ld=0．573，轉子電阻R=5．6Ω轉子電感L=O．58給定轉速n=500rad／sec，極對數為3。在t=0．05 s時，突加階躍擾動，利用Matlab對傳統PID和神經網絡PID分別進行仿真，得到實驗曲線如圖所示．

圖4神經網絡PID控制響應曲線

比較兩種仿真結果，經計算采用常規PID補償器時，突加負載擾動后，同步誤差△Verror=0．26％采用神經網絡PID補償器時，突加負載擾動后，同步誤差△Verror．=O．08％，由些可以看到采用神經網絡PID補償器方法的時候，系統的同步性能、抗干擾性能優于只采用常規PID補償器時的性能，其具有更好的控制特性。

5 結束語
    本文針對于多電機同步控制中出現的多變量、強耦合、具有大慣性環節、難以建立準確數學模型的被控對象，在傳統PID的基礎上引入神經網絡的的概念，將神經網絡PID用于速度同步補償中，仿真結果表明，該方法使系統的抗干擾能力增強，同步精度有所提高，控制效果良好。