馬利群，范學(xué)軍，闞志忠

(1.邯鄲欣和電力建設(shè)有限公司，河北 邯鄲 056004； 2.國網(wǎng)河北省電力有限公司邯鄲供電分公司，河北 邯鄲 056004； 3. 燕山大學(xué) 電氣工程學(xué)院, 河北 秦皇島 066004)

0 引言

在電力系統(tǒng)中進(jìn)行封網(wǎng)施工作業(yè)是防止在更換“三跨”型輸電線路(跨鐵路、跨高速、跨輸電通道)導(dǎo)地線過程中，因?qū)У鼐€墜落可能導(dǎo)致嚴(yán)重交通事故的有效手段。利用封網(wǎng)作業(yè)車替代傳統(tǒng)人力方式可使得施工人員避免身處高危環(huán)境，防止人員高空摔落及觸電，節(jié)省封網(wǎng)作業(yè)成本和時(shí)間。研究能夠適應(yīng)多種工況(架空線線徑，檔距、弧垂、導(dǎo)線表面摩擦力等諸多不同)、對線路損傷低、可滿足穿越帶電線路、高速公路電氣化鐵路等線路進(jìn)行封網(wǎng)的直驅(qū)式輕型封網(wǎng)作業(yè)車具有重要的實(shí)用價(jià)值[1]。

如圖1所示的永磁直流電機(jī)直接驅(qū)動(dòng)滾輪在線路上運(yùn)行的封網(wǎng)作業(yè)車因省卻減速齒輪，具有結(jié)構(gòu)簡單、重量輕等優(yōu)點(diǎn)，但也因電機(jī)軸與被拖動(dòng)滾輪直接耦合導(dǎo)致其轉(zhuǎn)軸機(jī)械轉(zhuǎn)動(dòng)慣量易受負(fù)載慣量變化影響，電機(jī)運(yùn)行在柔性軌道，其轉(zhuǎn)速易受到負(fù)載特性變化的直接影響。直驅(qū)式封網(wǎng)作業(yè)車直流電機(jī)調(diào)速系統(tǒng)面臨高空不確定性風(fēng)阻力和摩擦阻力等擾動(dòng)，且直流電機(jī)調(diào)速系統(tǒng)存在多變量耦合、系統(tǒng)非線性以及系統(tǒng)參數(shù)時(shí)變、不確定等擾動(dòng)問題。為改善傳統(tǒng)的固定系數(shù)比例、積分、微分(PID)控制性能，有學(xué)者對自適應(yīng)、模糊、神經(jīng)網(wǎng)絡(luò)PID相融合的智能控制算法開展了研究工作[2-3]，但是此文獻(xiàn)中的被控制對象并非為多變量耦合的電機(jī)系統(tǒng)，進(jìn)入21世紀(jì)的近十年，研究人員試圖進(jìn)一步將智能算法與PID控制器相結(jié)合應(yīng)用于通用型機(jī)電運(yùn)動(dòng)系統(tǒng)[4-12]，這樣既保留了傳統(tǒng)PID控制的特有優(yōu)勢，又能夠在線實(shí)時(shí)調(diào)整PID參數(shù)，從而保證被控制對象具有良好的動(dòng)靜態(tài)性能。人工神經(jīng)網(wǎng)絡(luò)為解決非線性、參數(shù)不確定系統(tǒng)的控制問題提供了一種方法，其中文獻(xiàn)[4-5]將BP神經(jīng)網(wǎng)絡(luò)PID控制方法初步應(yīng)用于直流電機(jī)控制，以應(yīng)對某些控制環(huán)境條件變化對傳統(tǒng)PID直流電機(jī)轉(zhuǎn)速控制性能影響，但此兩篇文獻(xiàn)均未有針對性地明確提及影響直流電機(jī)轉(zhuǎn)速控制性能的具體環(huán)境條件。此后，文獻(xiàn)[6-10]研究了永磁電機(jī)的轉(zhuǎn)速BP神經(jīng)網(wǎng)絡(luò)控制方法，永磁電機(jī)作為一種多變量、強(qiáng)耦合的非線性系統(tǒng)，要求控制算法實(shí)時(shí)性高，此文獻(xiàn)提出的方法存在算法復(fù)雜不容易實(shí)現(xiàn)的問題。文獻(xiàn)[6]在把無刷電機(jī)為單輸入單輸出特殊非線性模型基礎(chǔ)上，開展BP神經(jīng)網(wǎng)絡(luò)PID控制研究，文獻(xiàn)[7]研究了變更神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速率的無刷直流電機(jī)神經(jīng)網(wǎng)絡(luò)控制，文獻(xiàn)[8]研究了基于Q學(xué)習(xí)優(yōu)化神經(jīng)網(wǎng)絡(luò)連接權(quán)重的無刷電機(jī)控制，文獻(xiàn)[9] 研究了無刷直流電機(jī)驅(qū)動(dòng)器的模糊神經(jīng)網(wǎng)絡(luò)(FNN)學(xué)習(xí)控制方法。FNN將模糊邏輯與人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力相結(jié)合。設(shè)計(jì)了一個(gè)FNN結(jié)構(gòu)，并定義了四種不同的FNN訓(xùn)練算法，文獻(xiàn)[11]研究了利用神經(jīng)網(wǎng)絡(luò)提高風(fēng)電裝配平臺中液壓伺服系統(tǒng)位置控制精度的方法。文獻(xiàn)[12]將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于磁懸浮軸承磁軸承控制，以改善磁懸浮軸承的動(dòng)態(tài)性能。

本文將BP神經(jīng)網(wǎng)絡(luò)算法與傳統(tǒng)PID相結(jié)合，研究直驅(qū)式封網(wǎng)機(jī)作業(yè)車的轉(zhuǎn)速控制，提高作業(yè)車協(xié)同工作能力，抗輸電線路撓度變化、摩擦力變化、負(fù)載質(zhì)量變化等擾動(dòng)，提出一種以轉(zhuǎn)速閉環(huán)控制響應(yīng)特性為目標(biāo)的神經(jīng)網(wǎng)絡(luò)連接權(quán)重修改方法。通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)自動(dòng)整定PID參數(shù)，使得直驅(qū)式直流電機(jī)調(diào)速系統(tǒng)能夠適應(yīng)電機(jī)轉(zhuǎn)軸轉(zhuǎn)動(dòng)慣量寬范圍變化對調(diào)速系統(tǒng)穩(wěn)定性的影響，最終使得直流調(diào)速系統(tǒng)具有良好的調(diào)速性能。

1 直流電機(jī)調(diào)速系統(tǒng)數(shù)學(xué)模型

1.1 直流電機(jī)動(dòng)態(tài)模型

圖2為他勵(lì)直流電機(jī)電樞回路的等效電路和電機(jī)軸拖動(dòng)負(fù)載運(yùn)行的機(jī)械系統(tǒng)簡化模型，其中Udc為電樞電源電壓，L為電樞回路的漏電感，R為電樞回路總電阻，E表示電機(jī)電樞電動(dòng)勢(簡稱電勢)，Id為電樞電流，n表示電機(jī)軸轉(zhuǎn)速，直流電機(jī)的電樞回路動(dòng)態(tài)方程以及電動(dòng)機(jī)軸的動(dòng)力學(xué)方程分別為

圖2 直流電機(jī)與負(fù)載的等效模型Fig.2 Equivalent model of DC motor and load

(1)

(2)

式中:TL為折算到封網(wǎng)直流電機(jī)軸的負(fù)載轉(zhuǎn)矩，包括摩擦力，風(fēng)阻力，重力；GD2為電機(jī)軸上總飛輪慣量，為電機(jī)軸和負(fù)載慣量折算到電機(jī)軸的轉(zhuǎn)動(dòng)慣量之和。

在額定勵(lì)磁作用下，直流電機(jī)的感應(yīng)電動(dòng)勢E和電磁轉(zhuǎn)矩Tem分別為

E=Cen，

(3)

Tem=CmId，

(4)

定義直流電機(jī)電樞回路的電磁時(shí)間常數(shù)，Tl和機(jī)電時(shí)間常數(shù)Tm分別為

(5)

(6)

此時(shí)將式(5)和式(6)代入式(1)和式(2)，并結(jié)合式(3)和式(4)，整理后進(jìn)行拉氏變換分別得

(7)

(8)

式中，IdL為負(fù)載電流。

結(jié)合式(7)和式(8)，得到直流電機(jī)的動(dòng)態(tài)結(jié)構(gòu)框圖，如圖3所示。

圖3 直流電機(jī)的動(dòng)態(tài)結(jié)構(gòu)框圖Fig.3 Block diagram of dynamic DC motor

圖4 雙閉環(huán)直流調(diào)速系統(tǒng)動(dòng)態(tài)結(jié)構(gòu)圖Fig.4 Block diagram of dynamic DC motor drive system with double closed loop

1.2 傳統(tǒng)PID控制閉環(huán)分析

傳統(tǒng)的雙閉環(huán)控制直流電機(jī)調(diào)速系統(tǒng)中電流調(diào)節(jié)器ACR和轉(zhuǎn)速調(diào)節(jié)器ASR一般采用PID結(jié)構(gòu)形式，轉(zhuǎn)速ASR和電樞電流ACR調(diào)節(jié)器的PID控制器均可表示為如圖5所示結(jié)構(gòu)。PID調(diào)節(jié)器由比例環(huán)節(jié)、積分環(huán)節(jié)和微分環(huán)節(jié)三部分組成，vin表示輸入量(轉(zhuǎn)速給定和電流給定)，vout表示被控對象的輸出量(電樞電流，電機(jī)轉(zhuǎn)速)。

圖5 PID控制系統(tǒng)框圖Fig.5 Block diagram of control system with PID controller

PID控制器的輸出量u與輸入誤差e的連續(xù)域表達(dá)式為

(9)

對PID表達(dá)式離散化后得到其增量表達(dá)式為

(10)

式中，kp、ki和kd分別為比例調(diào)節(jié)系數(shù)、積分調(diào)節(jié)系數(shù)和微分調(diào)節(jié)系數(shù)，Ts為直流電機(jī)調(diào)速系統(tǒng)轉(zhuǎn)速閉環(huán)控制的采樣周期,即開關(guān)周期。

封網(wǎng)作業(yè)車的直流電機(jī)的電流環(huán)為傳統(tǒng)PID調(diào)節(jié)器，要求PID設(shè)計(jì)參數(shù)滿足電樞電流動(dòng)態(tài)響應(yīng)特性，最終使得系統(tǒng)運(yùn)行時(shí)能夠保證電樞電流超調(diào)量、調(diào)節(jié)時(shí)間、上升時(shí)間等動(dòng)態(tài)指標(biāo)滿足要求，為此，要求電流環(huán)具有高跟隨性能，其傳遞函數(shù)設(shè)計(jì)為典型I型系統(tǒng)。

假設(shè)電流調(diào)節(jié)器為PI調(diào)節(jié)器，調(diào)節(jié)器的比例系數(shù)為kpI，積分系數(shù)為kiI，則圖4所示直流調(diào)速系統(tǒng)圖中電樞電流環(huán)閉環(huán)傳遞函數(shù)為

(11)

(12)

(13)

(14)

其中，

由傳遞函數(shù)式(14)可見，轉(zhuǎn)速閉環(huán)系統(tǒng)為含有零點(diǎn)的二階系統(tǒng)，則調(diào)速系統(tǒng)轉(zhuǎn)速階躍響應(yīng)參數(shù)中超調(diào)量為

(15)

其中，

上升時(shí)間為

(16)

調(diào)節(jié)時(shí)間為

(17)

同理，電樞電流擾動(dòng)與轉(zhuǎn)速之間的閉環(huán)傳遞函數(shù)為

由直流電機(jī)的轉(zhuǎn)速動(dòng)態(tài)性能指標(biāo)式(15)～(17)以及傳遞函數(shù)式(14)可見，當(dāng)Tm因直流電機(jī)的轉(zhuǎn)動(dòng)慣量變化時(shí)，理想情況下，如果保持轉(zhuǎn)速調(diào)節(jié)器比例積分系數(shù)kpn和kin隨Tm變化，則可實(shí)現(xiàn)轉(zhuǎn)速控制的動(dòng)態(tài)性能指標(biāo)不變。反之，根據(jù)直流電機(jī)轉(zhuǎn)速階躍響應(yīng)特性在線修正轉(zhuǎn)速調(diào)節(jié)器比例、積分、微分系數(shù)可優(yōu)化PID轉(zhuǎn)速調(diào)節(jié)器控制的動(dòng)態(tài)性能。由式(15)～(17)可見，轉(zhuǎn)速調(diào)節(jié)器比例積分微分系數(shù)與轉(zhuǎn)速階躍響應(yīng)之間為非線性關(guān)系，因此本文提出適于解決此非線性問題的BP神經(jīng)網(wǎng)絡(luò)PID參數(shù)優(yōu)化控制方案。

2 BP神經(jīng)網(wǎng)絡(luò)PID控制及參數(shù)優(yōu)化

由于傳統(tǒng)PID控制器中三個(gè)調(diào)節(jié)參數(shù)固定不變，當(dāng)輸電線路作業(yè)車面臨作業(yè)環(huán)境的非線性和時(shí)變不確定性，該控制方法無法滿足復(fù)雜場合下對電機(jī)高精度及高性能的要求。BP神經(jīng)網(wǎng)絡(luò)同時(shí)兼?zhèn)鋵W(xué)習(xí)和記憶兩種功能，適合用于解決非線性、不確定系統(tǒng)的控制問題，本文將PID控制器和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)合，對PID參數(shù)實(shí)時(shí)調(diào)整，從而實(shí)現(xiàn)復(fù)雜場合下提高直流電機(jī)轉(zhuǎn)速動(dòng)態(tài)性能和轉(zhuǎn)速控制精度，進(jìn)而提高直驅(qū)式封網(wǎng)作業(yè)車直流電機(jī)調(diào)速系統(tǒng)抗負(fù)載擾動(dòng)能力。

封網(wǎng)作業(yè)車電機(jī)BP神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)框圖如圖6所示，其中BP神經(jīng)網(wǎng)絡(luò)的輸入量為封網(wǎng)作業(yè)車直流電機(jī)轉(zhuǎn)速參考值n*，轉(zhuǎn)速為n，轉(zhuǎn)速誤差為e,BP神經(jīng)網(wǎng)絡(luò)的輸出信號為PID控制器參數(shù)系數(shù)kp、ki、kd，PID控制器輸出信號u為直流電機(jī)電樞電流給定信號，直流電機(jī)電樞電流調(diào)節(jié)器ACR仍為圖4所示的傳統(tǒng)PID調(diào)節(jié)器，nN為直流電機(jī)的額定轉(zhuǎn)速。

圖6 BP神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)Fig.6 Control system with BP-NN PID controller

圖7 三層BP神經(jīng)網(wǎng)絡(luò)框圖Fig.7 Block diagram of three-layer BP neural network

本文設(shè)置BP神經(jīng)網(wǎng)絡(luò)為包含輸入層、隱含層、輸出層的3層結(jié)構(gòu)，其中輸入層和輸出層神經(jīng)元個(gè)數(shù)為3，隱含層中包含的神經(jīng)元個(gè)數(shù)為8，隱含層和輸出層激活函數(shù)分別為正負(fù)對稱的Sigmoid函數(shù)f(x)和非負(fù)的Sigmoid函數(shù)g(x)，本文中BP神經(jīng)網(wǎng)絡(luò)PID控制器的具體算法為：

(18)

(19)

隱含層的神經(jīng)元輸入和輸出量分別為

(20)

(21)

輸出層神經(jīng)元的輸入和輸出量分別為

(22)

(23)

隱含層函數(shù)為雙極性Sigmoid函數(shù)，

(24)

其導(dǎo)數(shù)為

(25)

輸出層函數(shù)為單極性Sigmoid函數(shù)，

(26)

其導(dǎo)數(shù)為

g′(x)=αg(x)[1-g(x)]。

(27)

BP神經(jīng)網(wǎng)絡(luò)PID調(diào)節(jié)器系數(shù)kp、ki和kd分別為

(28)

下面討論BP神經(jīng)網(wǎng)絡(luò)PID控制策略的誤差反向傳播算法。首先設(shè)定神經(jīng)網(wǎng)絡(luò)權(quán)重系數(shù)修正的指標(biāo)函數(shù)為

(29)

按照梯度下降法加慣性項(xiàng)的算法，多次迭代修正圖7中所示神經(jīng)元的連接權(quán)重，第κ次迭代計(jì)算BP神經(jīng)網(wǎng)絡(luò)隱含層元i與輸出層神經(jīng)元l連接權(quán)重系數(shù)增量Δwil(κ)為

(30)

同時(shí)，第κ次迭代計(jì)算BP神經(jīng)網(wǎng)絡(luò)輸入層神經(jīng)元j與隱含層神經(jīng)元i連接權(quán)重系數(shù)增量為

(31)

式中，η1，η2為學(xué)習(xí)率，α1、α2為慣性系數(shù)。

根據(jù)PID的表達(dá)式(10)，求出式(30)和(31)中的部分偏導(dǎo)數(shù)并標(biāo)幺化處理后寫為

(32)

將式(25)、(27)、(29)、(32)代入式(30)，最終隱含層神經(jīng)元i與輸出層神經(jīng)元l的連接權(quán)重系數(shù)的增量函數(shù)Δwil(κ)可以表示為

(33)

輸入層神經(jīng)元j與隱含層神經(jīng)元i連接權(quán)重系數(shù)的增量函數(shù)Δwji(κ)可以表示為

(34)

圖8為直流電機(jī)BP神經(jīng)網(wǎng)絡(luò)PID控制的流程圖。

圖8 直流電機(jī)BP-NN PID控制流程圖Fig.8 Flow chart of BP-NN PID control for DC motor

3 仿真驗(yàn)證

利用MATLAB軟件建立的直流電機(jī)轉(zhuǎn)速BP神經(jīng)網(wǎng)絡(luò)PID優(yōu)化控制仿真模型如圖9所示，仿真參數(shù)如表1所示。

表1 直流電機(jī)調(diào)速系統(tǒng)仿真參數(shù)Tab.1 Parameters of DC motor driving system

圖9 BP神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)速控制仿真模型Fig.9 Simulation model of BP neural network for speedcontrol

在直流調(diào)速系統(tǒng)的轉(zhuǎn)動(dòng)轉(zhuǎn)動(dòng)慣量為0.4 kg·m2情況下對BP神經(jīng)網(wǎng)絡(luò)PID控制的直流電機(jī)調(diào)速系統(tǒng)進(jìn)行仿真，仿真時(shí)間設(shè)定為300 s，在仿真過程中通過加入轉(zhuǎn)速給定的脈沖擾動(dòng)對BP神經(jīng)網(wǎng)絡(luò)連接權(quán)重系數(shù)進(jìn)行訓(xùn)練，最終得到BP神經(jīng)網(wǎng)絡(luò)PID控制的直流電機(jī)調(diào)速系統(tǒng)仿真波形如圖10所示，其中圖10(a)～(c)分別是以標(biāo)幺值表示的神經(jīng)網(wǎng)絡(luò)輸出的比例、積分和微分系數(shù)仿真波形，PID參數(shù)的基準(zhǔn)值為1 000。由仿真波形可見，比例系數(shù)隨時(shí)間變化的增量較小，認(rèn)為其趨于穩(wěn)定，積分和微分系數(shù)的波形收斂到較穩(wěn)定值。圖10(d)為轉(zhuǎn)速給定n*和實(shí)際轉(zhuǎn)速n的仿真波形，n在為恒定值0.2疊加幅值0.03的脈沖信號，脈沖周期為0.4 s，由n的仿真波形可見，神經(jīng)網(wǎng)絡(luò)PID控制的直流電機(jī)轉(zhuǎn)速跟蹤轉(zhuǎn)速給定信號，實(shí)現(xiàn)了直流電機(jī)轉(zhuǎn)速無靜差控制，轉(zhuǎn)速無超調(diào)，可見其轉(zhuǎn)速控制動(dòng)態(tài)快速性較好。

圖10 轉(zhuǎn)動(dòng)慣量0.4 kg·m2 BP神經(jīng)網(wǎng)絡(luò)PID控制仿真波形Fig.10 Simulation waveform of BP neural network PID control under moment of inertia 0.4 kg·m2

在直流調(diào)速系統(tǒng)的轉(zhuǎn)動(dòng)慣量為0.1 kg·m2情況下對BP神經(jīng)網(wǎng)絡(luò)PID控制的直流電機(jī)調(diào)速系統(tǒng)進(jìn)行仿真，再次訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)重系數(shù)，仿真時(shí)間設(shè)定為300 s，292.5～294 s時(shí)間段仿真的放大波形如圖11所示，其中圖11(a)為轉(zhuǎn)速給定n*和轉(zhuǎn)速n的仿真波形，圖11(b)為轉(zhuǎn)速誤差仿真波形，由仿真波形可見，直流電機(jī)輸出轉(zhuǎn)速仍然能夠快速跟蹤轉(zhuǎn)速給定信號且轉(zhuǎn)速靜態(tài)誤差為零。

在直流調(diào)速系統(tǒng)的轉(zhuǎn)動(dòng)慣量為0.1 kg·m2情況下采用傳統(tǒng)PID控制對系統(tǒng)進(jìn)行仿真對比分析以說明傳統(tǒng)PID控制存在適應(yīng)轉(zhuǎn)動(dòng)慣量變化能力較弱的問題，仿真波形如圖12所示，傳統(tǒng)PID比例積分微分系數(shù)與圖10中300 s時(shí)刻BP神經(jīng)網(wǎng)絡(luò)輸出PID系數(shù)相同，根據(jù)圖10(a)～(c)分別得到PID系數(shù)分別為1 000倍0.68，0.1，0.596，由圖12(a)可見直流電機(jī)輸出轉(zhuǎn)速能夠跟蹤轉(zhuǎn)速給定信號且轉(zhuǎn)速穩(wěn)定，轉(zhuǎn)速無超調(diào)，但對比圖11(a)和12(a)的仿真結(jié)果，發(fā)現(xiàn)采用在轉(zhuǎn)動(dòng)慣量為0.4 kg·m2情況下訓(xùn)練神經(jīng)網(wǎng)絡(luò)得到的PID系數(shù)作為傳統(tǒng)的PID控制器參數(shù)可適應(yīng)轉(zhuǎn)動(dòng)慣量為0.1 kg·m2直流電機(jī)調(diào)速系統(tǒng)的穩(wěn)定控制需要，但轉(zhuǎn)速控制動(dòng)態(tài)響應(yīng)參數(shù)中的超調(diào)量小，封網(wǎng)機(jī)器人直流電機(jī)轉(zhuǎn)速控制的快速性降低。圖12(b)為直流電機(jī)電樞電流的仿真波形及其放大波形。

圖11 轉(zhuǎn)動(dòng)慣量0.1 kg·m2 BP神經(jīng)網(wǎng)絡(luò)PID控制的仿真波形Fig.11 Simulation waveform of BP neural network PID control under the condition of inertia J=0.1 kg·m2

圖12 轉(zhuǎn)動(dòng)慣量0.1 kg·m2傳統(tǒng)PID控制仿真波形Fig.12 Simulation waveform of traditional PID control under the condition of inertia J=0.1 kg·m2

對比圖10、圖11和圖12可見，相對于傳統(tǒng)的PID控制，BP神經(jīng)網(wǎng)絡(luò)PID控制直流電機(jī)調(diào)速系統(tǒng)能夠減小直流電機(jī)調(diào)速的超調(diào)量，提高轉(zhuǎn)速響應(yīng)時(shí)間，改善調(diào)速動(dòng)態(tài)響應(yīng)性能。

4 結(jié)論

為了使直驅(qū)式輸電線路作業(yè)車直流調(diào)速系統(tǒng)適應(yīng)負(fù)載變化等復(fù)雜工況，降低負(fù)載轉(zhuǎn)動(dòng)慣量變化對直流電機(jī)轉(zhuǎn)速控制系統(tǒng)穩(wěn)定性和控制性能的影響，最終實(shí)現(xiàn)降低作業(yè)車重量目的，提出了以轉(zhuǎn)速閉環(huán)控制動(dòng)態(tài)特性為優(yōu)化目標(biāo)的BP神經(jīng)網(wǎng)絡(luò)PID直流電機(jī)轉(zhuǎn)速控制策略，改進(jìn)了BP神經(jīng)網(wǎng)絡(luò)連接權(quán)重的修正方法，使得BP神經(jīng)網(wǎng)絡(luò)PID轉(zhuǎn)速控制器進(jìn)一步適應(yīng)輸電線路作業(yè)車在復(fù)雜作業(yè)環(huán)境下的調(diào)速要求，仿真對比表明，通過實(shí)時(shí)優(yōu)化神經(jīng)網(wǎng)絡(luò)PID參數(shù)可提高輸電線路作業(yè)車轉(zhuǎn)速控制的動(dòng)、靜態(tài)性能。相對于傳統(tǒng)的PID控制，BP神經(jīng)網(wǎng)絡(luò)PID控制直流電機(jī)調(diào)速系統(tǒng)能夠減小調(diào)速的超調(diào)量、提高轉(zhuǎn)速響應(yīng)時(shí)間，改善調(diào)速動(dòng)態(tài)響應(yīng)性能。