直线永磁同步伺服系统的滑模-神经网络控制

针对直接驱动的直线永磁同步伺服系统,提出一种基于滑模控制和神经网络控制相结合的双自由度控制策略.滑模输入控制器保证了系统对给定的快速跟踪性能;神经网络输出反馈控制器对系统参数摄动和外在阻力变化进行抑制,并削弱了滑模控制引起的系统抖振.该控制策略很好地解决了直线永磁同步伺服系统的跟踪性能和鲁棒性能之间的矛盾.仿真结果表明该方案在保证伺服系统快速性的同时,对参数摄动和阻力扰动(尤其是非线性时变扰动)具有很好的鲁棒性.     

永磁直线同步电动机的滑模-H∞鲁棒跟踪控制

针对永磁直线同步电动机(PMLSM)提出一种将H∞鲁棒控制和滑模控制相结合的鲁棒跟踪控制策略,该控制策略解决了系统跟踪性能和鲁棒性能之间的矛盾.滑模跟踪控制器保证了快速跟踪性能;而H∞抗扰控制器抑制了闭环系统内的各种扰动(包括负载及直线电机的端部效应力等),并可以削弱滑模控制的抖振对系统稳态性能的影响.仿真结果表明该方案在保证伺服系统的快速性同时,对系统参数变化和阻力扰动具有很强的鲁棒性.     

基于神经网络给定补偿的交流永磁直线伺服系统滑模控制

针对直接驱动的永磁直线同步电动机 (PMLSM )伺服系统 ,应用滑模变结构控制理论设计了一种具有强鲁棒性的速度控制器。为使系统具有自学习能力 ,削弱滑模控制所引起的“抖振” ,采用基于神经网络前馈给定补偿的滑模控制策略。仿真结果表明 ,该方案有效地克服了永磁直线同步电机特有的端部效应所产生的推力波动对系统的影响 ,对参数变化及阻力扰动具有很强的鲁棒性 ,而且提高了系统的稳态性能     

永磁直线同步伺服电机的零相位二自由度H∞鲁棒跟踪控制

针对永磁直线同步伺服电机(PMLSM)直接驱动伺服系统,提出了一种将零相位误差跟踪控制(ZPETC)和H∞鲁棒控制相结合的二自由度鲁棒跟踪控制策略,以解决系统的快速而精确的跟踪控制性能和抗扰性能之间的矛盾.零相位误差跟踪控制器保证了快速性,使系统实现准确跟踪;而H∞控制器克服了负载扰动等不确定性影响,保证了系统具有较强的鲁棒性能.仿真结果表明,该方案在保证伺服系统的快速精确跟踪性的同时,对系统参数变化和阻力扰动具有很强的鲁棒性.     

永磁直线同步电动机的变增益零相位H_∞鲁棒跟踪控制

针对永磁直线同步伺服电机(PMLSM)直接驱动伺服系统,提出了一种将变增益零相位误差跟踪控制(VGZPETC)和H∞鲁棒控制相结合的鲁棒跟踪控制策略,以解决系统的快速而精确的跟踪性能和抗扰性能之间的矛盾。变增益零相位误差跟踪控制器克服了建模误差、系统参数变化等的影响,保证了快速性,使系统实现准确跟踪;而H∞控制器克服了负载扰动等不确定性影响,保证了系统具有较强的鲁棒性能。仿真结果表明,该方案在保证伺服系统的快速精确跟踪性的同时,对系统参数变化和阻力扰动具有很强的鲁棒性。     

永磁直线同步电动机的变增益零相位H∞鲁棒跟踪控制

针对永磁直线同步伺服电机（PMLSM）直接驱动伺服系统,提出了一种将变增益零相位误差跟踪控制（VGZPETC）和H∞鲁棒控制相结合的鲁棒跟踪控制策略,以解决系统的快速而精确的跟踪性能和抗扰性能之间的矛盾.变增益零相位误差跟踪控制器克服了建模误差、系统参数变化等的影响,保证了快速性,使系统实现准确跟踪;而H∞控制器克服了负载扰动等不确定性影响,保证了系统具有较强的鲁棒性能.仿真结果表明,该方案在保证伺服系统的快速精确跟踪性的同时,对系统参数变化和阻力扰动具有很强的鲁棒性.     

基于RFNN补偿的直线伺服系统反推控制

针对永磁直线同步电机(PMLSM)伺服系统,在分析影响直线伺服跟踪精度因素的基础上,采用智能反推控制策略对该伺服系统进行有效的补偿控制。考虑参数变化、外部负载扰动和摩擦力等不确定因素对系统伺服性能的影响,设计基于递归模糊神经网络(RFNN)的反推控制器,利用了递归神经网络具有捕获系统动态信息的优点,可实时补偿不确定因素对跟踪性能的影响。仿真结果表明,控制策略明显降低了不确定因素对系统性能的影响,从而显著提高了直线伺服系统的位置跟踪精度。     

基于学习前馈控制的高精度直线伺服系统跟踪控制研究

针对直接驱动的永磁直线同步电动机(PMLSM)伺服系统,在分析影响直线伺服跟踪精度因素的基础上,采用学习前馈控制(LFFC)策略对其进行有效的补偿控制.在系统和扰动定性知识的基础上,设计了基于B样条网络的学习前馈补偿控制.仿真结果表明,该控制策略有效地降低了负载扰动、端部效应、摩擦力及参数变化等对系统性能的影响,提高了直线伺服系统的跟踪精度.     

永磁直线同步电机的智能增量滑模控制

针对永磁直线同步电机直接驱动伺服系统的位置跟踪精度易受参数变化、外部扰动、端部效应等不确定性因素的影响,提出了一种将小波神经网络(wavelet neural network,WNN)和增量滑模控制器相结合的智能增量滑模控制方法。利用系统先前的状态信息和控制动作作为反馈量,同时选择饱和函数作为切换函数来设计增量滑模控制器,不仅削弱了抖振,而且提高了系统的跟踪性能;利用WNN实时观测和补偿参数变化和外部扰动等影响,并采用改进的粒子群优化算法在线调整WNN的学习率,对不确定因素进行实时估计。从理论上分析证明了此控制器可以保证系统收敛,提高了直线伺服系统的控制性能。通过系统实验,证明了所提出方案的有效性,与滑模控制(sliding mode control,SMC)相比,系统具有强鲁棒性和良好的位置跟踪精度,明显地削弱了抖振现象。     

复合A/C轴永磁环形力矩电机二阶滑模控制

针对高精确度五轴联动数控机床中主轴头复合A/C轴直接驱动永磁环形力矩电机伺服系统易受负载扰动和参数变化影响的特点,设计了二阶滑模速度控制器。二阶滑模控制算法具有一阶滑模控制算法的鲁棒性和动态性能,并能消除一阶滑模控制存在的抖振现象。采用二阶滑模超螺旋算法对系统进行控制,以增强伺服系统的鲁棒性并消除抖振。仿真结果表明,所提出的策略使伺服系统具有很强的速度跟踪性能,并且对负载扰动和参数变化等不确定性具有很强的鲁棒性,同时消除了抖振现象。     

基于神经网络推力观测器的滑模控制在抑制直线伺服系统推力波动中的应用

文章针对直接驱动交流直线伺服系统低速时存在的推力波动问题，提出了一种滑模控制方案。通过一种新型的神经网络负载推力观测器和扰动前馈补偿的设计，理论分析表明可有效地削弱推力波动及滑模控制产生的抖振。仿真结果证明该方案不但解决了永磁直线同步机的推力波动问题，而且对系统参数变化和负载扰动具有很强的鲁棒性。     

永磁直线同步电机的自适应增量滑模控制

针对永磁直线同步电机(PMLSM)直接驱动伺服系统易受参数变化、外部扰动、端部效应等不确定性因素的影响,提出了一种自适应增量滑模控制(AISMC)方法。通过利用系统先前的状态信息和控制动作来设计增量滑模控制器,同时选择饱和函数作为切换函数,不仅削弱了抖振,而且提高了系统的跟踪性能。然后利用自适应控制来观测和补偿参数变化与外部扰动等不确定性因素的影响,并对不确定性参数的界限进行实时估计,设计出自适应增量滑模控制器。从理论上分析证明了此控制器可以保证系统收敛,具有快速的收敛速度,提高了直线伺服系统的跟踪性能。通过系统实验,证明了所提出的AISMC方案的有效性,与滑模控制(SMC)相比,基于AISMC的系统具有较强的鲁棒性和精确的跟踪性,明显削弱了抖振现象。     

为提高轮廓加工精度采用DOB和ZPETC的直线伺服鲁棒跟踪控制

为了提高轮廓加工精度,本文针对高精度直线伺服系统,提出了一种将零相位误差跟踪控制器(ZPETC)和干扰观测器(DOB)相结合的鲁棒跟踪控制策略.ZPETC作为前馈跟踪控制器,保证了快速性,使系统实现准确跟踪;基于DOB的鲁棒反馈控制器补偿了外部扰动、未建模动态、系统参数变化和机械非线性等,保证了系统的强鲁棒性能.仿真结果表明了所提出的控制方案是有效的,既能实现完好跟踪,又有较强的鲁棒性能.从而有效地减小了轮廓误差,提高了轮廓加工精度.     

基于推力观测器的直线式交流伺服系统滑模变结构控制

针对直线式直接驱动交流伺服系统,提出了一种新型滑模变结构控制方案。通过负载推力观测器的设计和扰动的前馈补偿,有效地削弱了变结构控制产生的抖振。在系统滑模设计中,采用积分补偿法进一步削弱系统的抖振。仿真和实验结果表明,该方案不但克服了直线式永磁同步机推力波动对系统性能的影响,而且对系统参数变化和负载扰动具有很强的鲁棒性。     

基于H∞/m方法的永磁直线同步电机鲁棒二自由度控制

针对永磁直线同步电机(PMLSM)直接驱动伺服系统易受负载扰动、测量噪声及参数变化影响的特点，基于H￥/m方法设计了一个鲁棒二自由度速度控制器，解决了传统单自由度控制器在满足系统跟踪性能和抗干扰性能要求方面存在的矛盾。由于在求解m控制器时应用了标准H￥控制理论，大大提高了m控制器的获得速度。该速度控制器克服了标准H￥控制器保守性的缺点，并且对负载扰动、测量噪声和参数不确定性等干扰的抑制方面也比标准H￥控制器更具鲁棒性。仿真结果及分析表明，所提基于H￥/m方法二自由度速度控制器，满足高精度永磁直线同步电机伺服系统对鲁棒性和快速性的要求。     

永磁直线同步电机的智能互补滑模控制

针对永磁直线同步电机(PMLSM)伺服系统的位置跟踪精度问题,提出了一种基于径向基函数(RBF)神经网络的智能互补滑模控制(ICSMC)方法。建立了包含端部效应、参数变化、外部扰动及非线性摩擦等不确定性因素的PMLSM动态方程。设计了互补滑模控制器,采用广义滑模面和互补滑模面相结合的设计,降低了系统跟踪误差,提高了系统响应速度,并削弱了抖振现象;利用RBF神经网络直接对系统存在的不确定性进行估计,在线调整RBF网络参数以改善系统动态性能,提高系统鲁棒性,并用李雅普诺夫定理保证系统闭环稳定性。通过分析系统实验结果,验证了所提出的控制方法有效降低了系统跟踪误差,并使系统具有良好的动态性能和鲁棒性能。     

基于自适应变结构永磁直线电机直接推力速度控制

针对永磁直线电机参数变化和外部扰动对伺服性能的影响,提出自适应变结构直接推力速度控制设计方法.由推力、磁链误差的积分函数建立滑模面,实际应用中存在的参数变化及负载扰动等不确定因素由自适应率修正.经分析验证,与经典直接推力控制相比,自适应变结构直接推力速度控制算法明显减少了由于系统参数变化和外部扰动引起的速度的推力脉动,能快速准确地跟踪给定指令,在保证系统稳定情况下增强了鲁棒性.     

直驱式伺服系统的神经网络自适应滑模控制

针对直接驱动(DDV)伺服系统中由于参数变化、齿槽效应以及液动力负载扰动所造成的跟踪性能降低的问题,提出一种神经网络自适应滑模控制策略,采用径向基函数神经网络(RBFNN)取代滑模切换控制部分,利用其在线学习功能,对系统的不确定因素进行自适应补偿,并通过与比例微分算法(PD)的并行控制,改善神经网络参数的收敛,降低局部极小现象发生的可能性,增强系统的稳定性.仿真结果表明该方法不仅使系统具有良好的跟踪性能和强的鲁棒性,还有效地消除了高频抖振现象.