薛 航，賈培剛，何思銳，趙紹諺

（西安工業(yè)大學 機電工程學院，西安710021）

穩(wěn)定平臺是以自動控制技術、目標識別技術、機電一體化技術為主體，集數(shù)據(jù)采集及信號處理、微慣性傳感器、圖像采集與處理、電機運動控制、光學儀器應用等多個學科交叉融合的產(chǎn)物．由于穩(wěn)定平臺能夠不斷地測量平臺姿態(tài)的變化，隔離載體的運動，精確保持平臺動態(tài)姿態(tài)的穩(wěn)定，避免平臺上的儀器、設備等隨載體的運動而晃動，因此穩(wěn)定平臺被廣泛應用于航空航天、導彈火箭、車輛船舶、工業(yè)生產(chǎn)和其他的現(xiàn)代化武器裝備和民用設施中．文獻［1］設計了一種適合于艦船攝像設備的穩(wěn)定平臺，并詳細說明了其機械設計結(jié)構；文獻［2］對常用的穩(wěn)定平臺控制算法模型進行了詳盡的描述；文獻［3］等在對經(jīng)典比例積分微分（Proportion Integration Differentiation，PID）控制算法存在的不足進行探討后，提出了一種神經(jīng)網(wǎng)絡辨識模型的自適應控制算法；文獻［4］在一種延時控制系統(tǒng)中使用到了PID神經(jīng)元網(wǎng)絡；文獻［5］將PID神經(jīng)元網(wǎng)絡控制算法應用到了伺服系統(tǒng)；文獻［6］將PID神經(jīng)元網(wǎng)絡算法進行了控制仿真．

艦船載體在航行過程中不可避免地會受到風浪的影響，造成載體的搖擺，使載體上的數(shù)據(jù)采集設備難以接收到穩(wěn)定連續(xù)的目標數(shù)據(jù)，無法實現(xiàn)對采集到的數(shù)據(jù)進行及時的分析和處理．為了消除艦船載體搖擺所帶來的干擾，達到系統(tǒng)所要求的性能指標，需要一套能夠有效隔離艦船載體擾動的穩(wěn)定平臺系統(tǒng)．新型艦載三軸穩(wěn)定平臺采用三自由度框架式機械結(jié)構，利用慣性測量元件測量臺體相對于地理坐標系的位置信息與速度信息，并通過兩相步進電機驅(qū)動穩(wěn)定平臺的環(huán)架運動，使穩(wěn)定平臺能夠快速有效地隔離艦船載體擾動，實現(xiàn)平臺的隨動控制．針對艦載穩(wěn)定平臺的特點以及傳統(tǒng)基于速度環(huán)和位置環(huán)的控制算法的不足，本文以 Microchip PIC24F16KL401單片機為控制核心設計穩(wěn)定平臺伺服控制系統(tǒng)，給出艦載穩(wěn)定平臺控制系統(tǒng)方案．采用PID神經(jīng)元網(wǎng)絡伺服控制算法進行系統(tǒng)控制，分別進行有無外界干擾下系統(tǒng)仿真，得到PID神經(jīng)元網(wǎng)絡控制正弦跟蹤位置曲線，分析正弦跟蹤位置曲線的穩(wěn)態(tài)誤差與跟蹤精度，為消除艦船搖擺對目標跟蹤精度造成擾動提供理論基礎．

1 穩(wěn)定平臺的結(jié)構設計

1．1 伺服控制系統(tǒng)的設計

三軸穩(wěn)定平臺采用三自由度框架式結(jié)構包括外框、中框和內(nèi)框三個轉(zhuǎn)動自由度，內(nèi)框轉(zhuǎn)動軸固定在中框上，中框轉(zhuǎn)動軸固定在外框上，外框轉(zhuǎn)動軸固定在艦體上，內(nèi)環(huán)和中環(huán)對應俯仰、偏航運動，外環(huán)對應滾轉(zhuǎn)運動，通過控制技術可以實現(xiàn)三自由度穩(wěn)定平臺的常平架作用，使內(nèi)框的中心運動與載體隔離［3］．根據(jù)上述穩(wěn)定平臺的工作原理及艦船載體搖擺干擾的特性，系統(tǒng)的基本設計參數(shù)見表1．

該穩(wěn)定平臺伺服控制系統(tǒng)以PIC24F16KL401單片機為控制核心，若平臺受到力矩干擾，慣性測量元件就會測量出平臺負載的速度信息與位置信息，然后由控制回路經(jīng)過信息處理和控制算法處理后產(chǎn)生脈沖寬變調(diào)制（Pulse Width Modulation，PWM）信號，經(jīng)電機驅(qū)動電路，控制步進電機轉(zhuǎn)動，從而帶動平臺轉(zhuǎn)軸轉(zhuǎn)動，從而實現(xiàn)穩(wěn)定跟蹤目標的功能．同時為了消除摩擦力矩對電機的影響，在此過程中加入同軸光電編碼器反饋電機的實時速度信息給驅(qū)動電路，實時調(diào)節(jié)電機的轉(zhuǎn)速．穩(wěn)定平臺伺服控制系統(tǒng)控制結(jié)構如圖1所示．

表1 穩(wěn)定平臺系統(tǒng)參數(shù)Tab．1 Parameters of stabilized platform

圖1 穩(wěn)定平臺伺服控制系統(tǒng)控制結(jié)構簡圖Fig．1 Control structure diagram of stabilized platform servo control system

1．2 穩(wěn)定平臺系統(tǒng)元件的選取

1）驅(qū)動電機的選型

作為穩(wěn)定平臺伺服控制系統(tǒng)的執(zhí)行元件，電機的性能將直接影響到被控對象的運動狀況及系統(tǒng)的精度．考慮到穩(wěn)定平臺系統(tǒng)轉(zhuǎn)速較低，轉(zhuǎn)矩較大的特點，為簡化系統(tǒng)結(jié)構，減低系統(tǒng)干擾，減小誤差，在此選用雷賽公司型號為110HS12的兩相步進電機，并采取與負載直接耦合的連接方式，通過匹配的驅(qū)動器可實現(xiàn)百分之一步級的精確控制．系統(tǒng)選用的步進電機具體參數(shù)見表2．／Ω

表2 步進電機參數(shù)Tab．2 Parameters of stepper motor

2）慣性器件的確定

穩(wěn)定平臺測量元件是為了能夠?qū)崟r監(jiān)測穩(wěn)定平臺臺體相對于地理坐標系的實際位置信息與速度信息，將數(shù)據(jù)反饋給伺服控制器，從而保持穩(wěn)定平臺的相對穩(wěn)定，在此選用XW-IMU5250型（北京星網(wǎng)宇達科技開發(fā)有限公司）慣性測量系統(tǒng)．XW-IMU5250采用微機電系統(tǒng)慣性器件的高精度六自由度慣性測量單元，其內(nèi)部包含三個采用微機械技術加工的角速率陀螺、三個高性能的加速度計和高速數(shù)字信號處理電路，可以測量載體在空間中的全方向角度，輸出高可靠性的姿態(tài)角和航向角，同時可以給出載體的位置、速度信息．

3）電機轉(zhuǎn)速測量元件選取

為了能夠?qū)崟r檢測步進電機的速度，在此采用光電編碼器作為轉(zhuǎn)速測量工具．光電編碼器，是集成光-機-電為一體的數(shù)字測角裝置，主要以計量光柵為檢測元件，通過光電轉(zhuǎn)換將輸出軸上的機械角位移量以發(fā)光二級管光源為介質(zhì)通過光柵盤轉(zhuǎn)換成相應的脈沖量，再經(jīng)計算每秒光電編碼器輸出脈沖的個數(shù)就能反映當前電動機的轉(zhuǎn)速．在此采用SHZSP30XX-001E型（江蘇無錫瑞普科技有限公司）絕對式編碼器對電機轉(zhuǎn)速進行反饋．

2 PID神經(jīng)元網(wǎng)絡控制算法

2．1 PID神經(jīng)元網(wǎng)絡

基于線性模型被控對象的傳統(tǒng)PID控制算法具有結(jié)構簡單、控制方便、易于實現(xiàn)等特點，而被現(xiàn)代工業(yè)控制系統(tǒng)所普遍使用［7］．但對于多耦合、非線性、強擾動、時變系統(tǒng)，想要得到系統(tǒng)的精確模型是很困難的，所以采用傳統(tǒng)的PID控制方法就不能達到較好的控制效果．因此，文中考慮采取其他的控制方法，以實現(xiàn)對復雜系統(tǒng)的控制，從而得到較好的系統(tǒng)動態(tài)性能，在此我們采用基于神經(jīng)元網(wǎng)絡的新型PID控制算法．

PID 神經(jīng)元網(wǎng)絡（Proportional Integral Deriv-ative Neural Network，PIDNN）是一種多層前向神經(jīng)元網(wǎng)絡，其特點是在神經(jīng)元網(wǎng)絡中融合了PID控制規(guī)律，從而使PIDNN中包含了比例、微分、積分的動態(tài)處理特性［8］．PIDNN兼具有神經(jīng)元網(wǎng)絡和傳統(tǒng)PID控制的優(yōu)點，無需辨識或者精準測量被控對象的參數(shù)和內(nèi)部結(jié)構，能夠自適應環(huán)境的變化，克服了傳統(tǒng)PID控制器在控制非線性隨動系統(tǒng)時動態(tài)性能較差的缺點，具有較強的魯棒性．

2．2 PIDNN的結(jié)構形式

PIDNN的結(jié)構形式隨著網(wǎng)絡輸出量個數(shù)的增減而變化，可分為單輸出的PIDNN（Single-Output PIDNN，SPIDNN）和多輸出的 PIDNN（Multi-Output PIDNN，MPIDNN）．單變量控制系統(tǒng)適用SPIDNN，多變量控制系統(tǒng)適用 MPIDNN，其中SPIDNN是PIDNN的基本形式，多個子網(wǎng)交叉并聯(lián)的SPIDNN構成了MPIDNN．

SPIDNN與一般的神經(jīng)元網(wǎng)絡結(jié)構類似，是三層前向網(wǎng)絡，即輸入層、隱含層、輸出層，采用 結(jié)構，不同的是一般的神經(jīng)元隱含層都是靜態(tài)的，而SPIDNN的隱含層分別定義了比例元，微分元和積分元，用于實現(xiàn)PID運算，是動態(tài)的．而MPIDNN則是SPIDNN的擴充和發(fā)展形式，其結(jié)構形式如圖2所示．圖2中P為放大系數(shù)，I為積分系數(shù)，D為微分系數(shù)．

如果被控系統(tǒng)有n個輸入和m個輸出，則該MPIDNN是由n個SPIDNN交叉并聯(lián)構成，結(jié)構形式為2n×3n×m．2n個神經(jīng)元構成了網(wǎng)絡的輸入層，3n個神經(jīng)元處理單元（包括n個比例元，n個積分元，n個微分元）構成了網(wǎng)絡的隱含層，m個神經(jīng)元構成了網(wǎng)絡的輸出層．輸入層至隱含層按子網(wǎng)獨立，隱含層至輸出層的連接權相互交叉連接，從而使得MPIDNN結(jié)合為統(tǒng)一的整體．

由于該艦載穩(wěn)定平臺系統(tǒng)是典型的多耦合、非線性、強擾動、時變系統(tǒng)，在此采用MPIDNN控制算法，并結(jié)合牛頓梯度法調(diào)節(jié)PIDNN的權值［9］．

圖2 MPIDNN結(jié)構形式簡圖Fig．2 Structure diagram of multi-output PIDNN

2．3 穩(wěn)定平臺的PIDNN控制結(jié)構

由圖1的穩(wěn)定平臺伺服控制系統(tǒng)的控制結(jié)構簡圖，可得到基于PIDNN穩(wěn)定平臺伺服控制系統(tǒng)，如圖3所示．圖3中θ0為輸入角，θ1為輸出角，KPWM為放大系數(shù)，TS為PWM裝置的延遲時間，Ra為電樞繞組電阻，T1為電機的電磁時間常數(shù)，Ce為電機反電勢系數(shù)，Kf為電機速度反饋常數(shù)，Wd表示摩擦力矩干擾，s為復變量．通過系統(tǒng)結(jié)構的近似處理和結(jié)構圖的等效變換原則及動態(tài)跟隨性能與頻域指標的關系，可知系統(tǒng)的傳遞函數(shù)為

式 中：τn＝Tm＝ 0．487 2；KPWM＝ 2；T1＝0．001 6；Ra＝0．37Ω；Ce＝0．24V·s·rad-1；Kf＝0．4V·min-1．

圖3 穩(wěn)定平臺PIDNN控制結(jié)構圖Fig．3 Control structure diagram of PIDNN of stabilized platform

3 控制系統(tǒng)仿真

設定輸入層至隱含層比例元和微分元連接權值初值為

輸入層至隱含層積分元連接權值初值為

隱含層至輸出層連接權值初值為

式中：wsij為各子網(wǎng)輸入層至其對應隱含層的連接權值；w′sjh為隱含層至輸出層的連接權值；s為子網(wǎng)的序號，s＝1，2，3；i為子網(wǎng)輸入層的序號，i＝1，2，3；j為子網(wǎng)中隱含層神經(jīng)元的序號，j＝1，2；h為輸出層神經(jīng)元的序號，h＝1，2，3．

采用批學習方法，每批為100個采樣點，步長為0．1，則目標函數(shù)為

式中：yp（k）為實際輸出；rp（k）為理想輸出；p為系統(tǒng)被控變量的序號．

若只考慮基波對系統(tǒng)的影響，艦船的運動可按正弦信號處理，因此取期望指令信號為正弦信號r＝0．5sin6π，采樣時間為1ms，仿真結(jié)果如圖4～5所示．

從圖4看出，采用PIDNN控制算法的穩(wěn)定平臺系統(tǒng)具有良好的跟蹤精度，對外部的干擾擁有很好的抑制作用，有效地降低了被控對象的非線性影響．圖5給出了穩(wěn)定平臺系統(tǒng)的誤差角度特性曲線，從圖5可以看出系統(tǒng)具有較高的動態(tài)性能，且最大穩(wěn)態(tài)誤差小于0．001rad，能夠很好的保證系統(tǒng)的穩(wěn)定，使系統(tǒng)具有較好的自適應性和魯棒性．

圖4 穩(wěn)定平臺PIDNN控制正弦跟蹤曲線Fig．4 Sine tracking curve of PIDNN control of stabilized platform

圖5 穩(wěn)定平臺PIDNN控制正弦跟蹤位置誤差曲線Fig．5 Sine tracking error curve of PIDNN control of stabilized platform

圖6 零輸入加入干擾的PIDNN控制正弦跟蹤位置曲線Fig．6 Sine tracking curve of zero input PIDNN control with disturbance

圖7 加入干擾的PIDNN控制正弦跟蹤位置曲線Fig．7 Sine tracking curve of PIDNN control with disturbance

從圖6上可以看出，在加入摩擦力矩干擾與載體擾動干擾后，PIDNN控制仍然具有較好的跟蹤精度，系統(tǒng)的誤差在-0．05～＋0．05rad范圍內(nèi)波動．圖7表明，在加入摩擦力矩干擾與擾動干擾后，PIDNN系統(tǒng)響應跟蹤仍然保持著較小誤差．

4 結(jié) 論

1）PIDNN穩(wěn)定平臺控制系統(tǒng)結(jié)構簡單，系統(tǒng)模型不精確性適應性強，實現(xiàn)了自我學習和自適應能力，被控對象非線性干擾得以克服，系統(tǒng)穩(wěn)定．

2）仿真結(jié)果表明該控制系統(tǒng)的誤差在-0．05～＋0．05rad范圍內(nèi)波動，跟蹤精度較傳統(tǒng)PID提高．在加入摩擦力矩干擾與擾動干擾后，PIDNN系統(tǒng)的響應跟蹤誤差仍然較小，自適應性和魯棒性增強，有效隔離了載體對數(shù)據(jù)采集設備的影響．

［1］ 張鵬．艦載攝像穩(wěn)定平臺的結(jié)構設計［J］．艦船電子對抗，2006，29 （3）：70．ZHANG Peng．Structural Design of Shipboard Shooting Stabilized Platform［J］．Shipboard Electronic Countermeasure，2006，29（3）：70．（in Chinese）

［2］ 張平，董小萌，付奎生，等．機載／弾載視覺導引穩(wěn)定平臺的建模與控制［M］．北京：國防工業(yè)出版社，2011．ZHANG Ping，DONG Xiao-meng，F(xiàn)U Kui-sheng，et al．Modeling and Control of Airbore／Missile-Borne Vision Guidance Stabilized Platform［M］．Beijing：National Defense Industry Press，2011．（in Chinese）

［3］ 沈曉洋，陳洪亮，劉昇．機載陀螺穩(wěn)定平臺控制算法［J］．電光與控制，2011，18（4）：46．SHEN Xiao-yang，CHEN Hong-liang，LIU Sheng．A Control Algorithm for Airborne Gyro-Stabilized Plat-form［J］．Electronics Optics ＆ Control，2011，18（4）：46．（in Chinese）

［4］ SHU H L，YOU G．PID Netural Networks for Time-Delay Systems［J］．Computer ＆ Chemical Engineering，2000，7 （4）：859．

［5］ 張洪亮，王志勝．基于PID神經(jīng)元網(wǎng)絡的穩(wěn)定平臺伺服控制系統(tǒng)設計［J］．電工電氣，2011，16（1）：17．ZHANG Hong-liang，WANG Zhi-sheng．Stable Platform Servo Control System Design Based on PID Neural Network［J］．Electrical ＆ Electronics，2011，16 （1）：17．（in Chinese）

［6］ 曾軍，方厚輝．神經(jīng)網(wǎng)絡PID控制及其 Matlab仿真［J］．現(xiàn)代電子技術，2004，169（2）：51．ZENG Jun，F(xiàn)ANG Hou-hui．Neural Network PID Controller and Its Matlab Simulation［J］．Modern Electronics Technique，2004，169（2）：51．（in Chinese）

［7］ MCAREE P R，DANIEL R W．A Fast Robust Solution to the Stewart Platform Forward Kinematics［J］．Robotic Systems，1996，8 （13）：407．

［8］ 楊蒲，李奇．三軸陀螺穩(wěn)定平臺控制系統(tǒng)設計與實現(xiàn)［J］．中國慣性技術學報，2007，15（2）：172．YANG Pu，LI Qi．Design and Realization of Control System for Three Axis Gyro Stabilized Platform［J］．Journal of Chinese Inertial Technology，2007，15（2）：172．（in Chinese）

［9］ 舒懷林．PID神經(jīng)元網(wǎng)絡及其控制系統(tǒng)［M］．北京：國防工業(yè)出版社，2006．SHU Huai-lin．The Control System of PID Neural Network［M］．Beijing：National Defense Industry Press，2006．（in Chinese）