直线电动机动态摩擦力补偿和控制方法研究

由于直线电动机系统具有模型不确定、参数时变、动力非线性等特点,再加上外部干扰因素的影响,导致直线电动机的控制性能明显下降。针对动态摩擦力的非线性对直线电动机的影响,建立了直线电动机改进LuGre动态摩擦力模型,并讨论了所建模型的几种特性;结合上述模型和自适应鲁棒控制技术,提出了一种基于改进LuGre模型的直线电动机动态摩擦力补偿方法,并设计了一种稳定的不可测内状态观测器;最后,在低速和高速条件下进行了实验研究。实验结果验证了模型补偿和自适应鲁棒控制算法的有效性。     

一种具有参数不确定性的直流电机系统鲁棒自适应摩擦补偿方法

针对陀螺漂移测试转台直流力矩电机系统中存在的非线性动态摩擦和电机参数不确定性，为提高转台摇摆状态位置跟踪精度，提出了一种新的鲁棒自适应补偿控制器。电机中摩擦模型采用摩擦参数为非一致性变化的LuGre动态摩擦模型。该控制器包含一个参数自适应律和等效PID控制律来估计未知LuGre模型参数和电机参数并给与补偿。最后Lyapunov方法和仿真结果证明该鲁棒自适应补偿控制器保证了闭环系统全局稳定性和对期望位置信号的渐进跟踪，提高了转台摇摆跟踪精度。     

直线电机伺服系统的自适应模糊摩擦补偿

针对受摩擦力影响,接触运动的直线电机在低速运动时速度常会不平稳、系统控制精度降低的问题,提出一种自适应摩擦补偿方法.通过模糊模型参数的自适应调整,实现摩擦力值的在线估计,并据此进行摩擦补偿,以克服摩擦对电机性能的影响.该方法采用复合自适应律,同时利用系统输出误差与参数估计误差的相关信息进行参数调整,以提高模糊模型参数收敛的速度,使参数估计值在一定条件下收敛到最优值.并在理论上证明了该方法的闭环稳定性与参数收敛性.仿真结果表明,此方法能实现摩擦的在线估计与补偿,从而提高直线电机的控制性能.     

机电伺服系统非线性摩擦自适应补偿的研究

非线性摩擦是影响机电伺服系统控制性能的主要因素,尤其是在低速、速度换向等情况下,它往往会造成系统的跟踪误差、极限环等不良反应。在分析摩擦形成机理与特性的基础上,介绍了LuGre摩擦模型,通过李雅普诺夫稳定性分析方法,设计了基于LuGre模型的非线性摩擦自适应补偿算法,在线辨识出摩擦模型参数,构造一个双闭环状态观测器来估计摩擦状态变量,降低了由于非线性摩擦给机电伺服系统带来的不良影响。仿真和实验结果证明了所提方法的有效性。     

基于摩擦补偿的直流伺服系统变增益自抗扰控制器

针对摩擦非线性影响直流伺服系统控制性能的问题,提出了一种基于LuGre模型的变增益自抗扰控制(VGADRC)方法。建立了含LuGre模型的直流伺服系统微分方程模型。基于该模型设计摩擦补偿与自抗扰控制(ADRC)相结合的复合控制器。该控制器在不增大观测器增益的前提下,利用LuGre模型前馈补偿系统中的摩擦非线性,同时减小量测噪声对系统的影响。此外,为抑制传统线性扩张状态观测器(LESO)初始时刻引起的峰值问题,采用三阶变增益线性扩张状态观测器(VGLESO)对系统中的总扰动进行估计。最后仿真结果表明,采用所提控制方案能有效提高系统的低速跟踪性能和动态性能。     

基于摩擦模糊建模与补偿的机器人低速控制

针对摩擦引起机器人低速时运动性能恶化、作业精确度变差的问题,提出考虑负载力矩影响的摩擦模糊建模方法及模糊自适应鲁棒控制策略。通过摩擦测量实验,提取关节摩擦随负载力矩变化的特征,并提出一种扩展摩擦模型以描述关节摩擦特性。为克服固定补偿难以处理摩擦不确定性的弱点,引入模糊逻辑系统逼近摩擦现象,并实现模型的线性化以设计自适应学习机制。在此基础上,设计模糊自适应鲁棒控制算法,该算法采用前馈的方式补偿关节摩擦的影响,自适应项实现参数的在线调整,并根据系统中不确定性的界,设计鲁棒控制项以保证系统的鲁棒性。对比实验结果表明,所提出的摩擦模型与控制算法使关节最大跟踪误差可控制在0.005°以内,与未考虑负载力矩影响的控制器相比,平均跟踪误差和最大跟踪误差分别降低了25%、14.55%。     

永磁直线同步电动机伺服系统的自适应加加速度控制

针对永磁直线同步电动机(PMLSM)伺服系统中易受不确定性因素影响的问题,该文提出一种自适应加加速度控制(AJC)方法。首先建立含有不确定性的PMLSM伺服系统动态方程。然后,通过模型前馈控制补偿系统的参数不确定性所产生的模型误差,提高系统的响应速度。最后,采用AJC抑制系统中外部扰动、非线性摩擦力等不确定性因素,自适应律使鲁棒增益收敛于有界范围内,提高系统的鲁棒性;AJC的输出信号积分后形成了反馈控制律,削弱了控制律中开关函数激励未建模动态引起的高频谐振,保证了控制信号的稳定性和连续性。系统实验结果表明,该控制方法能够产生平稳的控制信号,明显地提高系统的控制性能,减小跟踪误差,避免高频振荡,进而改善PMLSM伺服系统的控制精度。     

基于修正LuGre模型的反步自适应摩擦补偿控制

LuGre模型是一种常用的对伺服系统进行动态摩擦建模和补偿的模型。基于一种改进的LuGre模型,建立了伺服系统模型;利用反步自适应控制算法得到系统控制律,并构造Lyapunov函数证明了系统的稳定性;将控制结果方面与传统的前馈PID固定摩擦补偿算法进行比较。仿真结果表明该方法能有效降低摩擦因素的不利影响,且比传统的控制算法具有更高的跟踪精度。     

永磁直线伺服系统的自适应改进Elman神经网络积分反推控制

针对永磁直线同步电动机(PMLSM)伺服系统存在的参数变化、外部扰动和摩擦力等不确定性因素,该文采用了积分反推控制和自适应改进Elman神经网络相结合的控制方案。首先,针对PMLSM伺服系统的非线性特性,利用积分反推控制方法,通过逐步修正算法来设计虚拟控制函数,实现系统的全局调节和位置跟踪;其次,设计自适应改进Elman神经网络来估计系统中存在的不确定性,且利用基于Lyapunov函数的自适应律推导出神经网络的在线参数学习律,使系统具有适应时变特性的能力,克服不确定性对系统的影响,从而提高系统的鲁棒性;最后,实验结果表明所提出的控制方案是有效的,明显提高了系统的跟踪性能和鲁棒性能。     

基于二次调频的VSG自适应反推鲁棒控制研究

针对微电网中逆变器模型的非线性特征、参数摄动、及大负荷扰动造成的频率波动问题,提出一种基于二次调频的虚拟同步发电机(virtual synchronous generator,VSG)自适应反推鲁棒控制方法。在建立包含参数摄动以及输出侧负荷扰动VSG数学模型的基础上,通过李雅普诺夫函数设计出VSG的反推自适应控制律,并证明了系统的稳定性;将VSG自适应反推鲁棒控制与二次调频技术相结合,当频率偏差超出设定范围,则启动二次调频,使频率快速恢复至较小范围;自适应反推鲁棒控制算法则能快速自适应补偿系统的不确定性,在小偏差范围内具有较好动静态性能。使系统兼具大偏差快速恢复,小偏差动态响应好的特点。MATLAB/Simulink环境下的仿真结果验证了方法的有效性。     

考虑摩擦伺服系统的补偿算法研究

针对摩擦非线性影响伺服系统动静态性能的问题,在典型伺服系统模型中引入LuGre摩擦模型,介绍了一种应用自适应神经网络补偿摩擦的控制算法。在负载转矩未知、模型包含不确定项、系统参数时变的情况下,利用神经网络对非线性项进行逼近,同时引入自适应的思想,利用反步法设计自适应控制器在线补偿神经逼近系统的估计误差。此外,通过Lyapunov稳定定理对控制系统进行分析,证明整体系统是渐进稳定的。仿真结果表明:该补偿方法能对伺服系统中摩擦进行有效抑制,保证系统的跟踪性能,并在负载扰动和系统参数时变情况下仍具有较强的鲁棒性。     

感应电机的神经网络鲁棒自适应动态面控制

针对感应电机的高阶、强耦合的非线性,设计一种具有自适应性和鲁棒性的动态面控制律,以实现对感应电机的控制。首先通过变量代换,将五阶感应电机模型变为块三角形式;接着采用神经网络逼近,将模型转化为含有结构不确定性和参数不确定性的参数化模型。对于感应电机系统中的参数不确定性,在动态面控制方法的基础上设计参数自适应律,在线估计其未知参数;对于感应电机系统中的结构不确定性,设计鲁棒控制律,使得电机控制系统具有鲁棒性。最后通过仿真实现,以验证所提出的控制方法的有效性与实用性。     

考虑模型不确定性的基于分解控制直流电机系统的摩擦补偿方法

针对陀螺漂移测试转台直流力矩电机系统中存在的非线性动态摩擦和电机波动力矩，为提高转台摇摆状态位置跟踪精度，该文基于分解控制的设计方法提出了一种新的鲁棒自适应摩擦补偿方法。该设计具有积分形式的自适应补偿器来补偿常值的可参数化的摩擦模型不确定性，而设计鲁棒补偿器来补偿不可参数化的摩擦模型不确定性。最后综合两种补偿器形成完整的补偿控制律。Lyapunov方法证明了闭环系统全局稳定性和对期望位置信号的渐进跟踪性能，仿真结果证实了该补偿方法对高精度运动曲线跟踪的有效性。     

基于LuGre模型的伺服系统摩擦补偿策略研究

利用摩擦力LuGre模型能很好地诠释摩擦力的动静态特性。本研究首先采用遗传算法辨识Stribeck曲线的参数,将其作为LuGre模型的静态参数。其次,采用阶跃响应曲线拟合得到LuGre模型的动态参数。最后,基于已经辨识的LuGre模型构建S函数,对伺服系统做前馈补偿。针对某型号转台伺服系统,所采用辨识方法的辨识精度高、速度快且鲁棒性好;所设计的前馈补偿器能有效改善转台伺服系统的低速性能。     

改进LuGre模型的挖掘机器人摩擦补偿控制

非线性摩擦会降低挖掘机器人电液伺服系统的动静态性能,引起轨迹爬行、平峰和稳态误差等现象。经典LuGre摩擦模型仅与速度有关,内部鬃毛状态变量无法准确测量,无法全面描述复杂的挖掘机器人电液伺服系统摩擦特性。本文综合考虑电液伺服系统位置、速度和方向等信息,设计了一种改进的LuGre摩擦模型,同时引入速度阈值解决了弹性鬃毛平均变形状态观测器不稳定问题。其次,为了解决传统优化算法陷入局部最优解、收敛速度慢等问题,通过引入惯性权重、异步变化和精英突变操作改进基本粒子群优化算法,以精准快速辨识出改进LuGre摩擦模型中的6个未知参数。最后,结合辨识出的摩擦模型,基于结构不变性原理设计前馈摩擦补偿控制器,并在23吨挖掘机器人进行了正弦和三角波不同工况下的轨迹跟踪实验。实验结果表明,传统的比例积分微分控制器跟踪误差最大,三角轨迹最大跟踪误差达到了29.68 mm,基于改进LuGre模型设计的前馈摩擦补偿控制器仅为9.70 mm,误差减小了67.31%,基于改进LuGre模型设计的前馈摩擦补偿控制器可以有效提升挖掘机器人的轨迹跟踪精度。     

直线电机的紧格式无模型自适应控制

将基于紧格式线性化的非线性系统无模型自适应控制方法应用于直线电机的控制中.利用伪偏导数和伪阶数的概念,用紧格式动态线性时变模型替代直线电机非线性系统模型.根据直线电机运动模型的输入输出数据在线估计系统的伪偏导数。仿真实验表明,紧格式无模型自适应控制器对电机这种具有不确知动态的非线性系统有较强的自适应性、抗干扰性、稳定性和鲁棒性,解决了直线电机非线性和不确定性的控制问题。     

基于自适应修正拉盖尔递归神经网络的永磁直线同步电机反推控制

针对永磁直线同步电机(PMLSM)伺服系统易受参数变化和非线性外部扰动等不确定性因素影响,提出了一种基于自适应修正拉盖尔递归神经网络(AMLRNN)的反推控制方法。首先,建立了含有不确定性的PMLSM动态模型。然后,采用AMLRNN估计系统中的不确定性,通过基于李雅普诺夫稳定性理论的在线参数训练方法推导出两个最优学习速率来加速参数收敛。该方法可避免传统的自适应反推控制系统中存在的"微分爆炸"问题及抖振现象,使系统具有良好的瞬态性能和鲁棒性能。最后,通过实验证明了所提出的控制方案是有效可行的,与传统的自适应反推控制系统相比,基于AMLRNN的反推控制系统的控制性能更加优越,明显减小了系统的位置跟踪误差。     

永磁直线同步电机自适应非线性滑模控制

针对永磁直线同步电机(PMLSM)伺服控制系统易受参数变化、外部扰动、非线性摩擦力等不确定性因素的影响,采用了一种自适应非线性滑模控制(ANLSMC)方案。首先,建立了含有不确定性因素的PMLSM动态方程,然后,通过速度作为状态变量的非线性函数和广义滑模面相结合,设计了非线性滑模面,这样不仅提高了系统的响应速度,而且增强了系统的鲁棒性。通过自适应控制在线调整趋近律中的控制增益来调节系统状态轨迹到达滑模面的趋近速度,削弱了抖振现象,同时减少了系统跟踪误差,进而提高系统的控制精度。最后,实验结果表明所采用的控制方案有效可行,与滑模控制(SMC)和非线性滑模控制(NLSMC)相比,ANLSMC不仅提高了系统的响应速度,而且改善了系统的跟踪精度和鲁棒性能。     

低频线振动台系统的鲁棒自适应重复学习控制

由于没有传动机构,永磁直线同步电机(PMLSM)作为低频线振动台的驱动部件对扰动和参数不确定性很敏感,摩擦力及纹波推力扰动等非线性因素严重影响了PMLSM的运动精确度.针对上述问题,提出一种鲁棒自适应重复学习控制方法,用于提高低频线振动台系统的精度.所设计的控制律由参数自适应控制、积分滑模控制、重复学习控制组成.参数自适应控制用来估计未知的模型参数并予以补偿;积分滑模控制用来镇定低频线振动台系统,抑制非周期扰动;重复学习控制用来抑制周期性扰动,提高对周期性位置信号的跟踪性能.采用Lyapunov理论设计的鲁棒自适应重复学习控制律能够保证闭环系统的渐近稳定性和位置跟踪性能.仿真结果表明,鲁棒自适应重复学习控制方法明显提高了系统的跟踪性能,改善了加速度失真度.     

基于函数链径向基神经网络的PMLSM自适应反推控制

为提高永磁直线同步电动机(PMLSM)伺服系统的控制性能,解决参数变化、外部扰动和摩擦力等不确定性因素对系统影响的问题,提出一种基于函数链径向基神经网络(FLRBFNN)的自适应反推控制(ABC)方法。首先建立含有不确定性因素的PMLSM动态模型;其次,利用ABC中的自适应律对系统总不确定性进行估计,但在设计ABC时存在大量求导运算,以至于产生"微分爆炸"现象。因此,为解决这一问题并进一步提高系统性能,采用FLRBFNN在线学习并调整控制器参数,FLRBFNN将径向基神经网络(RBFNN)和函数链神经网络(FLNN)相结合,利用FLNN增大神经网络搜索空间,提高网络收敛速度和收敛精度,从而提高RBFNN估计系统不确定性的能力,有效降低不确定性因素对系统的影响。实验结果表明,该方法切实可行,与ABC相比,能够使系统具有较强的鲁棒性能和跟踪性能。