学习前馈控制在高精度直线伺服系统中的应用

针对永磁直线同步电机(PMLSM)伺服系统,在分析影响直线伺服跟踪精度因素的基础上,采用学习前馈控制(LFFC)策略对其进行有效的补偿控制.在系统和扰动定性知识的基础上,设计了基于B样条网络的学习前馈补偿控制.仿真结果表明,该控制策略有效地降低了负载扰动、端部效应、摩擦力及参数变化等对系统性能的影响,提高了直线伺服系统的跟踪精度.     

数控机床直线伺服系统智能反推控制的研究

针对高速高精数控机床直线伺服系统,考虑参数变化、外部负载扰动和摩擦力等不确定因素对系统伺服性能的影响,设计基于递归模糊神经网络( RFNN)的反推控制器,利用了递归神经网络具有捕获系统动态信息的优点,可实时补偿不确定因素对跟踪性能的影响.仿真结果表明,该控制策略明显降低了不确定因素对系统性能的影响,从而显著提高了直线伺服系统的位置跟踪精度.     

基于GA的直线伺服系统H∞优化控制的研究

针对永磁直线伺服系统存在的不确定性扰动,提出基于遗传算法(GA)的H∞混合灵敏度控制方法.根据永磁直线伺服系统的数学模型,对电流环采用PI控制,用根轨迹法来确定控制器的参数;以参考输入和扰动作为系统的输入向量,考虑系统对参考输入的跟踪和对扰动输入的抑制,将速度控制器设计归结为H∞混合灵敏度问题;在选择多个加权函数时,以性能指标作为相应的适应度函数,采用遗传算法选取加权函数,设计伺服系统的H∞优化控制器.对系统进行计算机仿真.仿真结果表明,用该方法设计的系统,其抑制扰动和跟踪给定信号的性能得到改善,满足高性能数控机床永磁直线伺服系统控制的要求.     

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。     

XY平台直线伺服系统的IP变增益交叉耦合控制

XY平台直线伺服系统中,负载扰动、机械时间延迟及各轴响应速度不同会影响轮廓加工精度,为此提出了一种将积分-比例(I-P)控制、速度前馈控制及变增益交叉耦合控制相结合的控制策略。单轴采用由IP控制和前馈控制构成的复合速度控制器,IP控制具有快速响应和抑制扰动的能力,速度前馈控制可增加系统跟踪能力,降低机械时间延迟效应。间接减小轮廓误差。并且,在X、Y轴间加入变增益交叉耦合控制器,直接减小轮廓误差。仿真结果表明该控制方案可增强系统的鲁棒性,提高系统的快速性和轮廓加工精度。     

超精密加工伺服系统滑模控制技术研究

为实现超精密加工伺服系统高精度跟踪控制，建立了交流水磁同步电机伺服系统模型，研究了带扰动观测器补偿的滑模变结构控制方法，仿真结果表明，该控制策略有效地抑制了负载扰动引起的抖振，对参数波动也有较强的适应能力，可以有效地提高系统的跟踪特性。     

永磁直线同步电机的自适应滤波迭代学习控制

针对永磁直线同步电机(PMLSM)迭代学习控制(ILC)过程中非重复性扰动放大的问题,提出一种自适应滤波ILC方案。该控制方案由一个直接反馈环和一个附加的ILC回路组成。在ILC回路上设计开环PD型学习律,与反馈控制器相结合使伺服系统快速收敛,并保证系统具有较高的控制精度。依据伪Wigner-Ville分布获得的信号时频分布信息,设计带宽沿时间轴变化的自适应滤波器Q,避免了在迭代学习过程中非重复性扰动的放大。实验结果表明,所提出的控制方案在提高位置跟踪精度的同时,有效地增强了系统的鲁棒性。     

基于迭代学习交叉耦合的轮廓误差控制方法研究

针对进给伺服系统传统控制方法产生的各轴特性不匹配、控制精度不佳、抗扰动能力不足等问题,提出一种基于自抗扰控制(ADRC)和迭代学习交叉耦合控制(ILCCC)的轮廓跟踪控制算法。对于空间任意轮廓曲线,所提算法在三轴联动条件下,通过不断的迭代学习过程,优化分配给各轴的轮廓误差补偿量,加快伺服轴动态响应的同时,有效抑制伺服系统的轮廓误差。在仿真平台下建立控制器数学模型,对空间直线和空间螺旋线轨迹进行了三维跟踪验证。研究结果表明：与ADRC控制算法和ADRC+PIDCCC控制算法相比,ADRC+ILCCC控制算法在轮廓误差的最大绝对值、累计值以及平均值等指标上均有很大改善,证明了所提算法的优越性。     

基于滑模和重复控制的永磁直线同步电机控制

考虑到永磁直线同步电动机(PMLSM)在重复运行过程中会受到由端部效应引起的周期性推力波动和周期性摩擦力以及其他非周期扰动,为提高跟踪精度,文章提出了一种重复控制和滑模变结构控制相结合的PMLSM跟踪控制策略.设计了二阶滑模速度、电流控制器,用于抑制非周期性扰动.滑模控制率采用超螺旋算法,该算法简单易实现,并且能够有效抑制抖动现象.设计PD+重复位置控制器,用于抑制跟踪过程中的周期性扰动.仿真结果表明该策略具有较高跟踪精度,同时具有响应速度快、鲁棒性强的特点.     

基于不完全微分反演变结构控制的液压系统位置控制

液压伺服系统位置控制的结构和非结构的不确定性阻碍了其控制精度的提高。对于结构的不确定性,可以采用非线性自适应控制,以实现渐近跟踪性能。但在液压系统中,经常会出现如非线性摩擦此类非结构的不确定性,导致跟踪精度的降低。提出一种不完全微分反演变结构控制器,实现基于摩擦补偿的液压伺服系统的位置控制。该控制器以反演设计为基础,融入滑模变结构控制,利用滑模变结构在滑动模态下对控制系统参数变化和外部干扰的完全不变性,解决系统结构的不确定性问题;结合摩擦补偿,解决系统非结构的不确定性问题;引入不完全微分,弱化控制器的微分效应,减小纯微分突变信号带来的干扰,不完全微分产生的滤波效应可以抑制滑模变结构存在的抖振。从理论上证明了在各种不确定性存在的情况下系统的渐近跟踪性能,仿真实验验证了所提出的控制策略的高精度跟踪性能。     

直线电机迭代学习控制非重复性扰动抑制研究

针对直线电机迭代学习控制过程中非重复性扰动积累问题,提出了将干扰观测器和小波变换相结合的抑制非重复性扰动的算法。首先分析了扰动对迭代学习控制跟踪误差的影响,包括负载扰动和测量噪声,给出了干扰观测器和小波滤波抑制迭代学习控制中非重复性扰动的理论依据。干扰观测器直接对干扰估计并进行补偿,在时间域上抑制非重复性扰动,小波变换可分离出非重复性扰动,重构出不含非重复性扰动的误差信号,在迭代域上抑制了非重复性扰动的积累。利用辨识出的直线电机平台模型进行仿真,仿真结果证明提出的策略能够减少前馈控制信号中非重复性扰动积累,减小迭代学习控制收敛误差。     

基于改进迭代学习的并联6-DOF运动平台控制策略研究

为了改善并联6-DOF运动平台的轨迹跟踪效果提出了一种新颖的控制算法。该控制方法结合了非奇异Terminal滑模控制(NTMSMC)和迭代学习控制(ILC),非奇异Terminal滑模控制器可以在有限的时间到达和消除控制器奇异,将其作为第一控制器来处理模型参数不确定性、未知的非线性和外部干扰;在到达滑模面之后,用PD型迭代学习控制器作为第二控制器来消除周期性轨迹跟踪误差。Simulink仿真结果表明,这种组合控制器与其它控制器(如PID控制、滑模控制、迭代学习控制)相比有更高的轨迹跟踪精度和较强的鲁棒性。     

Self-optimizing injection molding based on iterative learning cavity pressure control

Modern injection molding machines can reproduce machine values, such as the position and speed of the plasticizing screw, with a high precision. To achieve a further improvement of the part quality, adaption and self-optimization strategies are required, which is realized by the implementation of a model-based self-optimization to an injection molding machine. Within this concept, a pvT-optimization allows an online control of the holding pressure that is tailored to the plastics material, considering the relationship between pressure, specific volume and temperature. A control strategy is required that controls the cavity pressure with respect to the reference generated by the pvT-optimization. However, cavity pressure control, in contrast to pressure control in the plasticizing unit, is hitherto not possible without a time-consuming system parametrization. Due to the repetitive character of the injection molding process, the iterative learning control (ILC) is a suitable approach. The ILC uses information gained within the previous cycle and a model to generate the optimal controller outputs for the following cycle. Based on this iterative learning, the reference tracking of the cavity pressure can be improved over several cycles. Additionally, repetitive disturbances can be compensated automatically. To improve the convergence speed of the ILC, a process model can be used explicitly. Based on this premise, an ILC for cavity pressure control is developed and researched in injection molding experiments. It is shown that the flexibility of the control strategy can be improved without compromising performance.     

基于PID迭代学习控制的码垛机器人研究

以平行四杆件的码垛机器人为研究对象,运用机器人动力学中的拉格朗日功能平衡法建立码垛机器人的动力学模型。在经典PID控制的基础上,运用迭代学习控制(ILC)对系统未知参数和干扰进行补偿,实现机器人系统各关节对期望运行轨迹的跟踪控制。通过对控制系统的分析和仿真可得,在机器人系统稳定工作的前提下,将迭代学习率设置为0.75,经过10次迭代学习之后,系统的误差绝对值最大值与期望轨迹的比值能够控制在10%以下。实验结果表明,码垛机器人的PID迭代学习轨迹跟踪控制可以获得较高的跟踪精度。     

数控机床直线电机进给伺服驱动的摩擦力和扰动抑制措施

针对永磁直线同步伺服电机(PMLSM)直接驱动数控机床伺服系统,提出了一种基于摩擦力和扰动补偿的零相位误差跟踪控制策略.以解决摩擦力和扰动对系统性能的影响.零相位误差跟踪控制器保证了快速性,使系统实现准确跟踪;而补偿制器克服了摩擦和扰动等不确定性影响,保证了系统具有较强的鲁棒性和定位精度.仿真结果表明,该种控制方案较好地改善数控机床进给的定位精度和跟踪性能.     

Tracking control and active disturbance rejection with application to noncircular machining

Control systems are usually required to track reference signals while operating under the influence of disturbances. A fast tool servo system for noncircular machining application works under such conditions, resulting in large control efforts. This paper presents a linear active disturbance rejection controller design for a voice coil motor-driven fast tool servo system for noncircular machining application. The controller is designed through an extended state observer to estimate and compensate the variant dynamics of the system, nonlinearly variable cutting load, and other uncertainties. Then, a simple proportional derivative controller produces the control law. To improve the tracking performance of the fast tool servo, the tracking error from the trial-cutting workpiece is added to the reference input and used as feed-forward error compensation. In such a combined control arrangement, the active disturbance rejection controller provides active disturbance rejection ability for the controller, and the feed-forward error compensation controller improves the tracking precision. Both the tracking control and disturbance rejection performances are thus enhanced. In real-time control and implementation, the effects of finite word length, position feedback resolution, and short sampling period are analyzed and addressed. Machining experiments are conducted, and the results illustrate the control system synthesis procedures and a substantial improvement over the tracking error generated by the linear active disturbance rejection controller alone.     

Sliding mode control for mobile welding robot

0IntroductionSliding mode control is an intelligence control methodto realize the linear and the nonlinear system. As an ap-proach for robust control, sliding mode control has beenapplied to the trajectory control of robot manipulators[1 -2],and is recently receiving increasing attention from resear-ches on control of nonholonomic systems with uncertain-ties. The advantages of using sliding mode control includefast response, good transient performance and robustnesswith regard to parameter var…     

活塞数控加工的迭代学习前馈反馈控制研究

在高速精密非圆加工中,伺服刀架系统的幅值衰减产生较大的刀具轨迹跟踪误差,从而降低加工精度.针对活塞外圆数控加工数据控制,设计了一种迭代学习的前馈反馈控制方法,该控制算法中的前馈采用迭代学习控制,利用以往批次信息实现精确跟踪.反馈部分用于克服当前批次的扰动.推导该控制算法在频域下的收敛条件,经仿真实验验证,这种控制方法运用于活塞外圆加工中可以取得良好的控制效果.