基于Hermite多项式函数链模糊神经网络的PMLSM分数阶反推控制

针对永磁直线同步电动机(PMLSM)伺服系统中存在的参数变化、负载扰动和摩擦力等不确定性因素,采用了函数链模糊神经网络(FLFNN)和分数阶反推控制(FOBC)相结合的控制方案来提高系统的控制性能.首先,采用FOBC实现系统的全局调节和位置跟踪,提高系统的收敛速度和控制精度;然后,采用Hermite多项式函数链模糊神经网络(HFLFNN)直接估计系统中存在的不确定性,同时利用指数补偿器对估计误差进行补偿,进一步提高系统的鲁棒性;最后,利用Lyapunov函数推导出系统中控制参数的在线调整估计律.实验结果表明所提出的控制方法切实可行,能够有效地抑制不确定性对系统的影响.与FOBC相比,具有更好的跟踪性能和鲁棒性能.     

基于递归径向基神经网络的永磁直线同步电机智能二阶滑模控制

针对永磁直线同步电机(PMLSM)易受系统参数变化、外部扰动、摩擦力等不确定性因素影响的问题,采用二阶滑模控制(2OSMC)和递归径向基神经网络(RRBFNN)相结合的智能二阶滑模控制(I2OSMC)方法来提高系统控制性能.利用2OSMC削弱传统滑模控制中的抖振问题,提高了系统的位置跟踪精度.但由于难以估计系统中不确定性因素的边界,从而无法实现2OSMC的最佳性能,因此,引入RRBFNN对不确定性因素进行估计.由于RRBFNN具有较快的学习能力,可通过在线训练网络参数,进而提高系统的鲁棒性.实验结果表明,所提出的控制方法切实可行,能够有效地抑制不确定性因素对系统的影响,使系统具有较高的位置跟踪精度和较强的鲁棒性能.     

交流永磁伺服系统技术讲座 第二讲 伺服系统的组成(一)

四.伺服系统组成伺服系统主要由三部分组成:被控制的机械对象,伺服电动机,控制装置。按传感器安放的位置分为全闭环和半闭环两种控制结构。全闭环控制:不仅控制伺服电动机, 而且对受控机械对象终端的速度或位置也进行控制。因此,不仅在伺服电动机的输出端,而且机械机构终端也要放置传感器把各种状态信息检测出来,比如在     

交流永磁伺服系统技术讲座 第四讲:伺服系统的组成(三)

四.伺服系统组成3.3位置控制特性对于不同的输入信号,位置控制系统所表现出的特性是不同的。典型的输入信号有三种形式:位置输入(位置阶跃输入)、速度输入(又称斜坡输入),以及加速度输入(抛物线输入)。现以斜坡输入为例     

直线电动机在机床伺服驱动应用中的若干问题与展望

直线电动机在数控机床应用实现了所谓零传动,负载侧的干扰没有受到衰减,宜于采用H∞鲁棒控制方法抑制扰动的影响。为减小或消除摩擦对低速精加工时伺服特性的干扰,采用磁悬浮技术是一个根本的解决方案。直线电动机正好集直接驱动、水平推力控制与垂直力磁悬浮控制于一身,是未来数控机床伺服驱动的发展方向之一。     

精密直驱龙门系统的交叉耦合互补滑模控制

针对龙门定位平台上双直线电动机伺服系统的位置精确同步控制问题,提出一种基于交叉耦合控制(Cross-Coupled Control,CCC)与互补滑模控制(Complementary Sliding Mode Control,CSMC)相结合的控制方案。考虑到永磁直线同步电动机(Permanent Magnet Linear Synchronous Motor,PMLSM)易受系统存在的端部效应、参数变化、外部扰动及非线性摩擦等不确定性因素的影响,建立含有不确定性因素的直线伺服系统的动态模型。为了使系统实现高精度强鲁棒性的位置跟踪性能,设计基于CCC和CSMC的双直线电动机伺服系统。利用CSMC对系统不确定性因素不敏感和抖振小的优点,来保证双直线电动机伺服系统中单轴的位置跟踪精度;并将CCC引入到双直线电动机伺服系统中,消除了双电动机之间存在的耦合,进而减小了系统的位置同步误差。系统实验结果表明,该控制方法具有快速的跟踪性和较强的鲁棒性,能够满足高精度强鲁棒性的实际加工生产需求。     

交流永磁伺服系统技术讲座 第六讲(三) 伺服控制系统中的传感器

(接上期) 3.3旋转变压器在数控机床、工业机器人等伺服驱动系统中,现在已采用永磁式AC伺服电动机,这就要求必须检测出转子磁极的绝对位置。同时,也要求能检测出转子的运动速度和系统的位置信息。除了可选择光电编码器作为传感器外,由于旋转变压器具有结构坚固耐用等突出优点,因此,在机电一体化产品中获得了越来越广泛的应用。     

基于MPC和DOB的直线伺服控制系统设计

数控机床用永磁直线同步电动机(PMLSM)在高速度高精度加工时存在的系统滞后、外部扰动、系统参数变化等不确定因素严重影响伺服系统的控制性能。为解决这一问题,提出将模型预测控制器(MPC)和扰动观测器(DOB)相结合的预测鲁棒控制系统。采用MPC作为前馈控制器,通过模型预测、滚动优化和反馈校正来提高系统的跟踪性能;采用DOB对外部负载等不确定性扰动进行观测和抑制,进而提高系统的鲁棒性,达到同时提高系统跟踪性能和鲁棒性的目的。仿真实验表明:所提出的控制方法是有效可行的,明显地提高系统的控制精度。     

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。