基于模糊CMAC神经网络的XY平台交叉耦合控制

针对永磁直线同步电机(PMLSM)驱动的XY平台系统的负载扰动、任意加工曲线轮廓误差模型复杂及双轴参数不匹配等会影响加工精度的问题,XY平台单轴采用了能反映人脑认知模糊性和连续性的模糊小脑模型关节控制器(FCMAC)设计速度控制器,在两轴之间采用实时轮廓误差估计模型和交叉耦合控制(CCC)进行轮廓控制器的设计,可同时减小跟踪误差和轮廓误差.FCMAC可准确及时地抑制负载扰动,交叉耦合控制削弱了双轴参数不匹配的影响.仿真结果表明,所设计的XY平台控制系统具有较高的轮廓精度和较强的鲁棒性.     

基于迭代学习控制的混合误差轮廓控制

针对永磁直线同步电动机直接驱动XY平台系统中存在不确定扰动的问题,单轴上设计了基于干扰观测器的迭代学习控制器.迭代学习控制器可以抑制重复扰动,干扰观测器可以消除非重复扰动的影响,两者结合起来可增强系统对重复和非重复扰动的抑制能力.由于轮廓误差计算模型要求跟踪误差远小于期望轮廓曲率半径,所以设计了混合误差轮廓控制器,跟踪误差较大时只控制各轴位置,跟踪误差足够小时进行轮廓控制.仿真结果表明,该控制方法使直接驱动XY平台具有较强的鲁棒性和较高的轮廓精度.     

基于RBF神经滑模的XY平台迭代交叉耦合控制

永磁同步直线电机(PMLSM)直接驱动XY平台的轮廓加工精度会受负载扰动、双轴参数不匹配以及周期性轮廓误差的影响.针对这一问题,采用RBF神经滑模与迭代交叉耦合控制相结合的方式对两轴运动进行协调控制.设计RBF神经滑模控制器用以削弱负载扰动对加工系统的影响.采用实时轮廓误差法估算出轮廓误差模型,并且将轮廓误差作为控制器的输入,设计迭代交叉耦合控制器用以削弱双轴参数不匹配和周期性轮廓误差对加工性能的影响,实现跟踪误差与轮廓误差的同时减小.仿真结果表明,所设计控制系统具有较强的鲁棒性和较高的轮廓精度.     

基于实时位置补偿直接驱动XY平台轮廓控制

永磁直线同步电机驱动XY平台系统在跟踪自由曲线时轮廓精度会受轨迹时变性的影响,系统中存在的周期性扰动也会降低轮廓加工精度.针对上述问题,采用适用于多轴非线性轮廓控制的实时轮廓误差计算算法,建立可用于自由曲线跟踪的XY平台的实时轮廓误差模型.利用实时位置补偿与交叉耦合控制相结合的控制方法减小轮廓误差.单轴系统采用IP积分-比例控制与速度前馈控制相结合的复合控制器.理论推导与仿真结果表明,该方案能够有效地提高系统的轮廓精度,同时能较好地抑制系统周期性扰动的影响.     

直接驱动XY平台全局快速Terminal滑模控制

针对永磁直线同步电机驱动XY平台系统的非线性、不确定性及轮廓误差模型复杂等问题,设计了基于等效误差法的全局快速Terminal滑模轮廓控制器.运用等效误差法建立容易计算的直接驱动XY平台非线性等效误差模型;采用全局快速Terminal滑模控制方法设计直接驱动XY平台轮廓控制器.该控制方法可以促使系统在有限时间内迅速收敛到平衡状态,同时能抑制负载扰动和参数不确定性对系统性能的影响.仿真结果表明,所设计的轮廓控制器使直接驱动XY平台具有了较高的轮廓加工精度和较强的鲁棒性.     

三轴运动平台改进型交叉耦合轮廓控制

为了削弱负载扰动及复杂轮廓误差模型对轮廓精度的影响,在单轴中采用比例控制作为位置环控制器,采用PDFF控制作为速度环控制器,以保证单轴跟踪精度.三轴间采用一种轮廓误差估算法来建立轮廓误差模型,运算更为简单.通过改进的交叉耦合控制结构进行轮廓控制器的设计,将轮廓误差的补偿量置于位置控制器前,能够实现跟踪误差与轮廓误差同时减小,以满足三轴运动平台的高精度加工要求.结果表明,改进后的三轴运动平台控制系统具有较高的轮廓精度和较强的抗扰性.     

直接驱动X-Y平台递归神经网络控制仿真

针对永磁直线同步电动机驱动的X-Y数控平台控制系统中存在的各种扰动,提出了一种基于自组织模糊递归神经网络的控制器设计方法,并利用切线 轮廓误差控制器对整体控制构架进行了整合式设计.该控制器融合了自组织模糊神经网络（SCFNN）和递归神经网络（RNN）的优点.仿真结果表明,所设计的控制系统对于参数的变化、外部的扰动等具有较强的抑制作用,减小了系统的轮廓误差,具有较强的鲁棒性.     

基于遗传算法的直驱XY平台变增益交叉耦合控制

对于永磁直线同步电机驱动的XY平台,轮廓加工精度易受到系统动态非线性、不确定性因素以及曲线轨迹的轮廓误差模型相对复杂等问题的影响.为了削弱以上影响,实现XY平台的高精度轮廓跟踪控制,设计了变增益交叉耦合控制器来补偿X、Y轴的耦合误差,并采用遗传算法对其中的PID控制器参数进行寻优,利用基因突变的能力,避免其陷入局部最佳解,从而快速准确地找到全局最佳解,使得系统轮廓误差达到要求的精度范围.理论推导与仿真结果表明,所设计的控制系统能有效提高XY平台的轮廓加工精度.     

直接驱动XY平台的零相位自适应鲁棒控制

为了提高直接驱动XY平台的跟踪性能,提出了将零相位误差跟踪控制器(ZPETC)与自适应鲁棒控制器(ARC)相结合的控制策略对跟踪误差进行控制,并且采用基于时间序列预测技术的轮廓误差实时补偿方法对两轴运动进行协调控制.ZPETC作为前馈跟踪控制器,可以有效提高系统带宽及跟踪性能,使位置能够无静差地跟踪二阶指令输入;ARC能够克服系统参数变化、负载扰动等不确定性,增强系统的稳定性与鲁棒性;采用基于时间序列预测技术的轮廓误差实时补偿方法能够动态控制插补过程,以有效减小轮廓误差.仿真结果表明,所提出的控制方案具有良好的跟踪性和鲁棒性,可以有效提高跟踪精度和轮廓精度.     

直线电机XY平台交叉耦合迭代学习控制

针对直线电机XY平台进行周期性轮廓加工时产生的周期性轮廓误差,设计了将迭代学习控制与交叉耦合控制相结合的交叉耦合迭代学习控制器.利用实时轮廓误差估计模型估算出轮廓误差,通过迭代学习控制器削弱周期性轮廓误差,按交叉耦合增益的关系来分配X、Y轴的补偿量,实现对周期性轮廓误差的实时补偿.理论推导与仿真结果表明,该方案不仅有效减小了直线电机XY平台的轮廓误差,而且增强了系统的鲁棒性.     

直接驱动XY平台位置域轮廓跟踪控制

针对直接驱动XY平台轮廓误差近似模型建立困难的问题,提出一种提高轮廓跟踪性能的位置域轮廓跟踪控制方法.通过将双轴运动系统等效为主-从运动方式,主动轴(X轴)以位置量作为自变量,将从动轴(Y轴)的运动描述为不同轮廓跟踪要求的X的函数.通过从时域到位置域的一一映射,得到双轴运动系统的位置域动态模型.提出了位置域PD控制策略,主动轴运动以自身为参考产生的位置跟踪误差为零,仅有从动轴的运动跟踪误差影响到了最后的轮廓误差.仿真结果表明,位置域轮廓控制相比时域轮廓控制能够获得更好的跟踪精度.     

永磁直线同步电机自适应PD型迭代学习控制

针对永磁直线同步电机伺服系统易受摩擦力、端部效应和测量扰动等不确定因素影响的问题,提出一种自适应PD型迭代学习控制方法.该控制方法根据误差的大小在线智能地调整学习增益,从而抑制扰动,并在控制器的微分系数上引入指数学习增益,实现收敛速度与跟踪精度之间的折衷;从理论上证明了自适应PD型ILC的收敛性,分析了该控制算法的优越性.结果表明,与传统PD型ILC相比,自适应PD型ILC具有更快的收敛速度和更强的鲁棒性,大大地减小了跟踪误差.     

快速刀具伺服系统的模糊自适应滑模控制

针对由永磁同步直线电机驱动的快速刀具直线伺服系统在高频输入信号下跟踪控制精度低的问题,设计了模糊自适应滑模控制算法.算法采用滑模控制进行跟踪,利用模糊自适应控制方法对传统滑模控制器中的不连续控制量进行模糊逼近,同时对实际运行中系统的不确定因素进行补偿,并设计了相应的自适应算法以补偿模糊控制律的不足,从而有效降低抖振.仿真结果表明,算法可以解决伺服系统的高频跟踪问题,具有较快的响应速度,对负载扰动有较强的鲁棒性.     

单电磁悬浮系统的神经网络模糊滑模控制

为实现单电磁悬浮系统悬浮气隙的精确控制,提出一种基于神经网络的模糊滑模控制方案.根据单电磁悬浮系统的动态非线性数学模型,设计使系统状态在有限时间内到达稳定点的滑模面,同时根据滑模切换状态,通过引入神经网络的模糊控制方法对滑模切换控制量的增益进行评估,实时对滑模控制量进行调整,实现切换控制信号的柔化.基于神经网络的模糊滑模控制系统不仅能很好地跟踪给定信号,而且能削弱滑模控制抖振,对外部扰动具有完全的鲁棒性.仿真结果表明,所设计的控制系统零超调,具有速度跟踪性能,对外部扰动具有很强的鲁棒性.