数控机床永磁同步直线伺服系统免疫控制

针对数控机床永磁同步直线电机(PMLSM)伺服进给系统存在的波纹推力扰动、齿槽力扰动、端部效应扰动和其他不确定性扰动的问题,应用免疫反馈系统的免疫性原理在传统PID基础上设计了一种免疫PID控制器.免疫系统在大干扰和不确定性环境中都具有很强的鲁棒性和自适应性,使伺服系统既具有快速响应和设计简单的特点,又结合了免疫控制的抗干扰特性.在M ATLAB环境下对永磁同步直线电机数控机床伺服进给系统进行仿真,结果表明,此种控制方案下的PMLSM伺服系统具有更好的控制精度、较快的响应速度和较小的超调量,抗干扰能力更强.     

基于磁极偏移圆筒永磁直线电机齿槽力的削弱

为了削弱圆筒型永磁直线电机的齿槽力,在简要介绍圆筒型永磁直线电机齿槽力产生原理的基础上,基于Ansoft软件对圆筒型永磁直线电机的齿槽力进行了分析.以单个磁极和初级齿相互作用产生的齿槽力为基础,运用叠加原理得到整个电机的齿槽力解析表达式,进而提出采用磁极分组偏移来削弱电机齿槽力的方法,并给出了磁极偏移距离的表达式.通过有限元仿真验证了该方法的有效性,同时对磁极偏移后电机的反电势进行了分析,发现该方法对电机反电势的影响很小,所得结论可为直线电机的设计提供一定参考.     

基于响应面法的双边长初级永磁直线同步电机多目标优化设计

永磁直线同步电机由于存在边端效应以及齿槽效应,在运行中不可避免地产生推力波动。针对高速大推力密度应用场景,对一种双边长初级PMLSM开展了优化设计。将有限元法与解析法结合,首先独立分析了轴向长度、极弧系数和初级轭部高度等单个参数对电机水平推力和推力波动的影响,并进一步采用Taguchi法筛选显著性较高的结构参数。在此基础上,以提高电磁推力、减小推力波动为优化目标对电机进行响应面分析,得到最终的电机尺寸优化参数。最后制作样机并搭建实验平台,验证了所提优化方法的有效性。     

垂直运动PMLSM电磁力角控制器仿真研究

本文通过对垂直运动永磁直线同步电机力角特性的分析,得出电磁力角控制策略,并设计出了电磁力角控制器。仿真结果表明,该控制方法提高了垂直运动永磁直线同步电动机运行的稳定性、可靠性和电机的运行效率,并可有效预防垂直运动永磁直线同步电动机的失步问题。     

基于摩擦和扰动补偿的永磁直线同步电机滑模控制

针对永磁直线同步电机(PMLSM)伺服系统的位置跟踪精度易受摩擦力、负载扰动等不确定性因素影响的问题,采用基于摩擦和扰动补偿的非奇异快速终端滑模控制（NFTSMC）方法来设计位置控制器。首先,建立含有Stribeck摩擦模型的PMLSM动态模型,使用自然选择粒子群算法对摩擦模型进行离线参数辨识;其次采用NFTSMC方法来确保系统状态快速收敛,避免奇异问题,利用辨识的摩擦模型进行补偿;最后采用滑模观测器对总不确定因素进行观测和补偿,削弱了抖振现象。仿真验证了所采用的控制策略提高了位置跟踪精度,同时具有快速收敛性和较强的抗扰性。     

基于Delta算子的永磁直线同步电机非脆弱保性能速度控制器设计

利用Delta算子离散化系统采样周期是显式参数的特点,基于Delta算子方法对永磁直线同步电机(PMLSM)不同采样周期下的非脆弱保性能速度控制器的统一化设计问题进行研究.以线性矩阵不等式(LMI)给出该控制器的存在条件.通过对PMLSM闭环系统极点的分析,表明所设计的非脆弱保性能速度控制器不但能保证PMLSM在其对象参数和控制器参数同时发生范数有界摄动时闭环系统仍保持渐近稳定,而且系统的二次型性能指标上界的数学期望值不超过某个给定的上界,而不考虑控制器参数摄动情况所设计的控制器在其参数摄动时闭环系统将无法保持稳定.     

永磁直线同步电机的磁阻力分析及其最小化研究

该文在简要分析永磁直线同步电机的磁阻力(Detent Force)产生原理的基础上，采用半无限单端结构建立了由于边端效应产生的磁阻力分析模型，运用傅立叶级数与数值分析相结合的方法对磁阻力进行了分析。在此基础上，提出了优化初级长度从而降低磁阻力的原理与方法，并采用有限元分析进行了对比验证。     

基于BP神经网络的永磁直线同步电机齿槽力预估器

为了减小永磁直线同步电机（PMLSM）齿槽力的波动，采用二维电磁场有限元方法，结合动态分网来描述PMLSM定、动子间的相对运动.考虑非线性磁饱和的影响,对槽形尺寸、斜槽、闭口槽、气隙、分数槽等影响下的齿槽力进行了分析.计算结果表明，分数槽是有效减小PMLSM齿槽力波动的重要措施.将模拟计算得到的槽形、气隙对齿槽力波动的影响作为神经网络的训练样本，结合动量法和自调节学习规则，构建了基于BP神经网络的齿槽力预估器.通过该预估器，可以在PMLSM设计阶段对槽形尺寸、气隙大小进行合理的选择.     

PMLSM的两种模型及比较

介绍了在理想状态下利用电磁场和电路的基本理论在四层线性模型的基础上所建立的PMLSM电路模型以及利用BP算法用C语言编制程序实现一个单输入层单输出层4隐含层的神经网络,然后用试验数据对网络进行学习训练而建立的PMLSM网络模型.以一台单边型PMLSM为例比较了这两种模型.