神经网络自适应的永磁直线同步电机超扭曲终端滑模控制

为了提高永磁直线同步电机控制系统的鲁棒性和快速性,提出了一种基于超扭曲滑模控制的直线电机反推控制策略。首先,根据电机的机械动力学方程,建立了永磁直线同步电机的数学模型。其次,引入一种基于超扭曲控制的终端滑模控制器,削减系统的抖振,保证滑模面的快速收敛,从而提高系统的鲁棒性。针对直线电机易受到参数变化以及外界干扰影响的特点,为直线电机控制系统设计了一个神经网络干扰观测器。最后,通过直线电机实验平台验证控制方法的有效性。     

永磁直线同步电机的双滑模观测器的设计

针对永磁同步直线驱动系统中存在双时间尺度特性,利用奇异摄动理论将永磁直线驱动系统分解成快变、慢变子系统,对快、慢变子系统分别设计了滑模位置观测器和滑模速度观测器。通过这两个观测器可以只利用便于测量的定子电流和电压来估计永磁直线同步电动机的磁极位置和线速度,消除了传统上使用位置和速度传感器所带来的诸多不利。仿真结果表明,所设计的双滑模观测器不仅能准确地估计磁极位置和线速度,实现无传感器控制,而且在系统模型存在不确定性和测量噪声时仍具有较好的鲁棒性。     

永磁直线同步电机插入式积分滑模控制

永磁直线同步电机(PMLSM)因具有高速、高动态响应等优点而备受关注。参数变化、端部效应和摩擦力等不确定因素将会降低直线电机控制系统应有的性能。为了提高系统的鲁棒性,提出了一种插入式积分滑模控制。该滑模控制将原有控制器的输出量加入到所设计的滑模面中,使得控制系统在不改变原有控制器结构和性能的情况下,获得较强的鲁棒性。同时,以连续的超螺旋控制替换积分滑模控制中原有的不连续部分,削弱了滑模固有的抖振。MATLAB/Simulink仿真结果证实了所提方法的有效性。     

基于神经网络的高性能直线电机伺服系统分数阶滑模控制

永磁同步直线电机伺服系统是一个强耦合的复杂非线性系统,该系统具有时变性和对外部负载变化敏感等特点,因此给系统的控制带来了难度。针对永上述问题,结合分数阶系统理论和滑模控制理论,提出了一种新型的永磁同步直线电机分数阶全局滑模智能控制方法。该方法在控制作用时系统便处于分数阶滑模面上,以保证系统的全局鲁棒性。通过RBF网络实现系统不确定界限的在线估计与补偿。同时,引入S函数来降低滑模控制带来的抖振,改善系统的性能。最后,将本文所提出的方法与常规控制方法进行对比,验证了所提出的方案优越性。     

基于滑模观测器的永磁直线同步伺服系统

针对永磁直线同步电机伺服系统,提出滑模速度观测器和P-IP位置控制策略,来实现参考位置信号的跟踪控制.详细分析了滑模速度观测器的模型结构,给出观测器增益值的确定方法和速度观测算法.详细分析了P-IP控制器的结构和参数确定方法.采用高性能DS1103控制器作为控制核心,搭建永磁直线伺服系统.实验结果表明,滑模观测器能够准确观测动子直线速度和位置,所提出的位置控制系统具有准确的跟踪能力,对外部扰动具有很强的鲁棒性.     

永磁同步直线电动机的位置滑模控制器设计

提出了一种基于滑模控制的永磁同步直线电动机位置伺服控制器。根据相对参考位置的大小对系统运行的相轨迹进行分别设计,设计两个一阶滑模面实现速度控制和精确定位,控制律易于数字实现,且保证了系统的鲁棒性。实验结果表明系统能够按所设计的轨迹运行,实现直线电动机无超调、快速、精确定位。     

基于周期性扰动学习的永磁直线电机自适应滑模位置控制

针对永磁直线同步电机伺服系统易受周期性扰动、摩擦力及参数摄动等不确定性因素影响位置跟踪精确度的问题,提出了一种基于周期性扰动学习的自适应滑模控制方法.采用滑模控制确保永磁直线同步电机伺服系统对不确定性因素具有较强的鲁棒性,提高系统响应速度.利用周期性扰动学习算法学习系统中的周期性扰动并进行补偿,同时设计自适应律估计系统非周期性扰动和学习误差,削弱滑模抖振现象.基于李雅普诺夫稳定性理论,分析证明了此控制器的渐进稳定性,保证系统位置跟踪误差在有限时间内收敛.仿真与实验验证了所提出的周期性扰动学习的自适应滑模控制器能显著提高永磁直线同步电机伺服系统的动态响应性能和鲁棒性能,而且可以达到更高的位置跟踪精确度.     

基于对角化法的永磁直线同步电机二阶滑模控制

在永磁直线同步电机(permanent-magnet linear synchr- onous motor,PMLSM)伺服系统中,模型的阶次高,且速度和电流等变量间存在的耦合严重影响速度跟踪的快速性和精度。采用基于奇异摄动理论的对角化方法将永磁直线同步电机伺服系统分解成慢变和快变子系统。为了保证系统的鲁棒性,利用2阶滑模控制的次优算法分别独立设计慢变和快变子系统的控制律,再将2个控制律合成得到永磁直线同步电机的复合控制律。仿真结果表明,所提出的策略具有良好的速度跟踪性能,同时对负载扰动和参数变化具有很强的鲁棒性。     

永磁直线同步电机自适应互补滑模控制

针对永磁直线同步电机(PMLSM)易受非线性因素影响而降低伺服系统鲁棒性的问题,提出一种自适应互补滑模控制方法。永磁直线同步电机的非线性因素包括系统参数变化、电机端部效应及外部不确定性的扰动。互补滑模控制将积分滑模面与广义误差滑模面相结合,将系统状态轨迹限定在两个面的交线上,缩短了状态轨迹达到滑模面的时间,提高了位置跟踪精度。为了进一步改善系统鲁棒跟踪性能,利用自适应控制对不确定扰动因素的上界进行估计,减小不确定因素对系统的影响,改善滑模控制的抖振现象。实验结果表明所提出的控制方法是有效可行的,自适应互补滑模控制不仅提高了系统的跟踪性能,而且更有效地抑制了不确定因素对控制系统的影响。     

基于神经网络的永磁直线同步电机自适应滑模控制

针对永磁直线同步电机（PMLSM）直接驱动系统的非线性与电机参数时变、易受扰动的特性,将滑模控制和神经网络控制相结合,用两个神经网络控制器分别实现滑模等效控制和滑模切换控制,构成神经网络自适应滑模控制。仿真结果表明,神经网络滑模控制和常规的滑模控制相比,具有更好的动态稳定性和跟踪性能,对外界干扰具有较强的鲁棒性。     

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.     

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。     

直驱型波浪发电系统的混沌运动及反步滑模变控制

为研究直驱式波浪发电系统的混沌现象及混沌控制问题,根据直线电机双轴数学模型,将系统转化为类Lorenz混沌方程。通过数值法计算最大Lyapunov指数谱,证明在特定参数和工况下,电机系统会出现混沌运动。通过构造状态反馈解耦,降低混沌系统阶数。采用反步法构造虚拟控制量,针对虚拟控制量设计滑模控制器,构造控制律进行混沌控制,提出反步滑模变控制方案。稳定性分析中,根据Lyapunov稳定性理论,证明了系统的全局一致渐进收敛。仿真结果表明,所设计反步滑模变控制器能使直线电机系统迅速脱离混沌状态,在抑制传统滑模控制中抖振现象的同时,保留了滑模变结构的强鲁棒性,具有一定的优越性。     

基于超螺旋滑模观测器的永磁同步直线电机无模型控制

针对永磁同步直线电机(permanent magnet linear synchronous motor, PMLSM)在运行过程中因参数失配和外部扰动导致控制性能下降的问题,提出一种基于超螺旋滑模观测器的永磁同步直线电机无模型控制策略。根据PMLSM在dq旋转坐标系下参数摄动时的数学模型建立电机对应的新型超局部模型,以避免参数失配。基于该新型超局部模型,结合滑模控制设计了无模型滑模速度控制器,通过Lyapunov稳定性理论证明该控制器的稳定性。同时,为削弱传统扩展滑模观测器对新型超局部模型中未知量观测的抖振,提高控制精度,设计超螺旋滑模观测器(super-twisting sliding mode observer, STSMO)对未知量进行在线辨识并实现前馈补偿。最后,将传统滑模控制、基于传统扩展滑模观测器的无模型控制算法与所提方法进行仿真和硬件在环实验对比,结果表明所提方法改善了PMLSM控制系统的动态响应性能,具有较强的鲁棒性。     

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。     

交流永磁直线伺服系统的神经网络--滑模双自由度控制

文章针对直接驱动的交流永磁直线伺服系统，提出一种将非线性神经网络控制和滑模控制相结合构成的双自由度控制策略。该控制策略解决了直线伺服系统跟踪性能的鲁棒性能之间的矛盾。采用滑模控制方法设计输入控制器，保证系统对给定的快速跟踪性能；输出反馈控制器采用神经网络来实现，对系统参数变化和阻力扰动（包括直线电机端部效应引起的推力波动）进行很大程度的抑制。并可以消除扰动引起的滑模控制抖振对系统稳态性能的影响。同时，滑模控制的快速性又能大大加快神经网络的收敛速度。仿真实验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，大大提高了直接驱动系统的伺服精度。     

基于迭代学习与FIR滤波器的PMLSM高精密控制

针对永磁直线同步电机(PMLSM)运行时易受端部效应、摩擦力、负载扰动、参数变化等不确定性因素的影响而难以达到高精度跟踪控制的问题,提出一种基于迭代学习与有限冲击响应(FIR)滤波器的控制方案。PMLSM伺服系统执行重复任务时,迭代学习控制(ILC)可有效地抑制重复性扰动,具有很高的控制精度,但执行非重复性任务时很难获得较高的控制精度。为了进一步改善基于ILC的PMLSM伺服系统运行迭代1次的跟踪精度,利用ILC的输出信息来设计FIR滤波器,进而用FIR滤波器来代替ILC,使控制系统达到最优的ILC,以提高系统的跟踪精度。采用滑模控制(SMC)对FIR滤波器进行补充,使位置误差快速收敛到一定的界限内,以提高系统的抗扰能力。实验结果表明,所提出的控制方案使系统具有很高的位置跟踪精度和很强的鲁棒性。     

永磁直线同步电机超短反馈滑模控制研究

永磁直线同步电机矢量控制的速度环常采用PI控制。传统PI控制器在速度追踪时存在起动过程超调大、受到负载扰动时调节时间长等不足之处。为提高伺服性能,滑模控制被应用到伺服系统中,但其缺点是存在抖振问题。因此,提出一种基于内分泌激素调节的滑模控制方法,可以有效降低速度的超调量,缩短受到外部扰动时的调节时间。在MATLAB中搭建了系统的仿真模型,仿真结果表明其对速度和推力的控制效果显著,优于传统的PI控制和常规的滑模控制。