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.     

基于模糊扰动补偿的直接驱动XY平台轮廓控制

为了削弱永磁直线同步电机XY平台轮廓误差模型相对复杂、系统未知干扰多以及参数不确定对轮廓加工精度的影响,实现XY平台的高精度轮廓控制,在单轴控制器上设计了基于模糊控制方法及干扰观测器技术的模糊扰动补偿器,同时采用了适用于多轴非线性轮廓控制的实时轮廓误差算法,建立可用于自由曲线跟踪的XY平台实时轮廓误差模型.基于模糊扰动补偿器的控制系统能够较好地抑制外部扰动,同时有效地提高轮廓精度.仿真结果表明,所设计的控制系统具有较强的抗扰性和较高的轮廓精度.     

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.     

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.     

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.     

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.     

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.     

基于LSTM与牛顿迭代的两轴系统轮廓误差控制

针对轮廓误差影响运动系统精度的问题,提出结合长短期记忆神经网络(LSTM)和牛顿迭代法对轮廓误差进行预测、通过转换任务坐标系对轮廓误差进行补偿的方法.在运动平台上提取特征轮廓与数据,将牛顿迭代法应用于对轮廓误差的计算,通过计算出的轮廓误差对优化后的LSTM神经网络进行训练,建立更准确的轮廓误差预测模型.通过转换任务坐标系,将预测的轮廓误差作为前馈补偿到参考轮廓中,提高轮廓控制性能.通过试验对比PID、迭代法和神经网络法,利用随机NRBUS轨迹验证泛化性,表明提出的方法能够有效地预测并控制轮廓误差,在精密运动控制领域有良好的应用前景.