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...     

基于迭代学习控制的永磁直线同步电机伺服系统

针对永磁直线同步电机伺服系统,采用迭代学习控制策略来实现参考位置信号的跟踪控制。详细分析了迭代学习ILC伺服控制器的模型结构,并给出伺服控制器的迭代学习更新法则。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,迭代学习控制下的永磁直线伺服系统具有准确的位置跟踪能力,对外部扰动具有很强的鲁棒性。     

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.     

基于迭代学习与小波滤波器的永磁直线伺服系统扰动抑制

针对迭代学习控制(ILC)算法抑制永磁直线同步电机(PMLSM)周期性扰动时存在非周期分量影响问题,提出一种迭代学习控制算法与小波滤波器相结合的扰动抑制方法。通过重构输入误差信号,剔除非周期分量,从而使设计的PMLSM伺服系统迭代学习控制器快速收敛,减少了迭代次数。提出通过实验确定ILC中L形滤波器参数的方法。实验结果表明,与不带小波滤波器及传统PID比较,所提出的控制方法能够使系统的跟踪效果更好,且保证了在较少迭代次数下,被控系统的输出轨迹能精确地收敛到期望轨迹。     

永磁直线同步电动机重复控制系统设计

针对数控机床要达到高速高精度切削的要求,在实际加工应用中,常需在有限行程中作连续性的周期运动,这就要求对周期性轨迹具有跟踪能力和对周期性扰动具有抑制能力。永磁直线同步电机(PMLSM)高速、高响应和直接驱动等优点,使之在高档数控机床中广泛地应用。直线伺服控制系统的基本要求是控制器的设计应有调节能力,分析直线电机伺服控制系统的周期运动特性,设计了基于重复控制器PMLSM伺服系统,以消除周期性参考输入的稳态跟踪误差,实现周期性输入信号的精确跟踪和对周期性扰动的有效抑制。仿真结果表明所提出的控制方案是有效的,提高了系统跟踪精度。     

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。     

基于重复控制的高频响直线伺服系统

无铁心永磁直线同步电机具有零齿槽效应、速度范围宽、动态性能高等特点,但其在高精密加工过程中存在的周期性输入和周期性负载扰动会降低系统的伺服性能。为了削弱周期性负载扰动的影响,采用重复控制器和伪微分前馈反馈控制(PDFF)速度控制器来抑制周期性负载扰动的影响。仿真结果表明,所采用的控制系统在实现高频响基础上,有效地抑制了周期性负载扰动对伺服系统的影响并且对周期性输入信号具有良好的跟踪特性。     

基于鲁棒迭代学习的永磁直线电机控制

针对永磁直线电机速度和位置迭代学习跟踪控制中,由测量扰动引起的跟踪误差有界收敛问题,提出一种带有衰减因子的鲁棒迭代学习控制算法.采用λ范数方法分析鲁棒迭代学习控制算法的收敛性,理论结果表明,鲁棒迭代学习控制算法可以保证跟踪误差收敛到零,而P型迭代学习控制算法仅保证直线电机速度和位置的跟踪误差收敛到一个与扰动信号上界有关的域内.仿真结果表明,所提出的鲁棒迭代学习控制算法可以有效抑制测量扰动,获得较好的跟踪性能.带有衰减因子的迭代学习控制方法是一种抑制非重复测量扰动的有效方法.     

永磁直线电机二维分段复合迭代学习控制

从迭代学习控制二维本质特性出发,研究了二维系统的分段复合迭代学习控制(iterative learning control,ILC)原理。在二维系统鲁棒性分析和设计基础上,提出了基于输入和输出反馈的分段式ILC策略,解决了永磁直线同步电机(permanent magnet linear synchronous motor,PMLSM)系统中扰动的分段补偿问题。在随机扰动主导段,ILC收敛劣化,反馈控制被加强;在重复扰动主导段,ILC成为主导控制。通过永磁直线电机推力仿真实验,验证了该控制策略沿时间轴和迭代轴均能很好地抑制推力波动。在实际电机位置控制实验中,对该策略与反馈控制进行对比研究,实时结果表明该控制方法可以有效提高系统位置控制精度。     

永磁直线同步电机伺服系统的分段变论域模糊迭代学习控制

针对执行重复任务的永磁直线同步电机(PMLSM)在迭代学习过程中易受负载扰动、参数变化等非重复性扰动的影响而难以实现高性能跟踪控制的问题,提出了一种迭代学习控制(ILC)与变论域模糊控制相结合的分段变论域模糊ILC方法。在误差较大的时间段,采用变论域模糊控制实时地改变ILC的学习增益,并智能地调整模糊控制的论域,抑制不确定性因素对系统的影响,提高控制精度;在误差较小的时间段,采用PD型ILC,使学习增益稳定,进一步减小位置误差。实验结果表明,该控制方法可以有效地加快收敛速度,提高位置跟踪精度,并增强系统的鲁棒性。     

基于开闭环迭代学习位置调节的直线伺服系统

针对磁场定向矢量控制下的永磁直线同步电机伺服系统,提出开闭环迭代学习位置调节器,实现参考位置信号的准确跟踪控制。详细分析了开闭环迭代学习位置调节下的直线伺服系统结构与数学模型。给出直线伺服系统位置调节器结构及带有遗忘因子的开闭环迭代学习位置调节算法。方波位置跟踪及突加负载实验结果表明,开闭环迭代学习控制具有系统响应速度快,位置跟踪准确的特点,同时可以有效保证受扰状态下的鲁棒性能。     

基于参考输入学习的永磁同步电机高精度位置伺服系统

对于永磁同步电机高精度位置伺服系统,由于控制器带宽及性能的限制,传统控制方法难以获得理想的位置跟踪精度。针对具有重复运行特性的永磁同步电机高精度位置伺服系统,提出采用级联式迭代学习控制修改参考输入信号的方法,通过迭代修正参考输入,使得伺服系统实际位置理想跟踪原本期望输入,给出了控制器结构,推导了收敛条件。仿真和实验结果验证了该方法的有效性。该方法与传统控制器相比,可改善伺服控制精度;控制器设计简单,计算量小,无需对原控制器进行改动或重新设计,方便了伺服产品的开发;在满足迭代学习收敛条件的前提下,对电机参数不敏感,鲁棒性强。     

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。     

基于PCH的永磁直线同步电机L2增益扰动抑制控制系统的研究

永磁直线同步电机具有损耗小、力能指标高、响应速度快等优点。针对其位置控制精度问题,提出了基于端口受控哈密顿系统的L2增益扰动抑制的控制方法,设计的控制系统具有良好的可靠性和稳定性。首先,从永磁直线同步电机的原始模型和能量平衡的观点出发,建立永磁直线同步电机的PCH系统模型。其次,将最大输出功率控制原理与L2增益扰动抑制控制方法相结合,设计了伺服控制系统。实验结果表明,该系统可以对负载扰动进行有效抑制,降低了稳态误差,提高了控制精度。     

周期性输入的直线伺服系统改进重复控制

针对直线电机驱动的凸轮加工随动系统实际加工应用中,要求系统既要对周期性输入信号具有跟踪能力,又要对周期性扰动具有抑制能力。对这一问题,根据基于内模原理的重复控制理论设计实用性强的插入型重复控制器,来消除由周期性输入的基波和谐波所引起的误差,以便减小系统周期性稳态跟踪误差。为进一步改善控制器的性能,有效地增加运行带宽,设计改进的插入型重复控制器,减小系统的跟踪误差,使得系统的跟踪性能得到更好的改善。最后,对直线伺服电机驱动的凸轮加工中心进行了仿真研究,结果表明所提出的控制方案提高了系统跟踪性能和鲁棒性能,既有效地抑制系统周期性扰动的影响,又对周期性输入信号实现准确跟踪。     

基于自适应迭代学习的直线伺服系统摩擦扰动抑制方法研究

针对直线伺服系统存在非Lipschitz连续的摩擦扰动问题,分析了摩擦扰动对系统的影响。基于迭代学习控制与自适应控制理论,提出了一种自适应迭代学习算法,并利用Lyapunov能量函数证明了该算法的稳定性。采用DSP控制器,设计了直线伺服控制系统并给出了控制系统结构框图。最后针对摩擦扰动抑制方法的有效性和可行性进行了仿真和实验分析。仿真和实验结果表明:基于自适应迭代学习的直线伺服系统摩擦扰动抑制方法可以有效地减小位置误差和速度误差,提高了系统的稳定性,能够抑制摩擦扰动对系统的影响。     

永磁直线同步电动机迭代学习变结构双模控制系统

针对永磁直线同步电动机位置控制系统,采用边界层开关方式将变结构控制与迭代学习控制结合在一起,构成迭代学习变结构双模控制器来实现参考位置信号的跟踪控制.详细分析了双模控制器的模型结构,并给出相应的控制运算法则.实验结果表明,双模控制方法下的永磁直线位置控制系统具有很强的鲁棒性和跟踪性.     

永磁同步电机模型补偿组合非线性反馈位置控制

为使永磁同步电机位置跟踪控制系统具有无超调快速响应性能和较强的系统参数、负载鲁棒性,提出一种基于模型自适应补偿的非线性组合反馈控制方法。针对高增益线性反馈与超调的矛盾性,以非线性反馈控制器为第二控制器,实现无超调快速跟踪参考位置,并讨论了存在输入受限情况下离散非线性组合反馈控制在吸引域内的稳定性条件。针对一般非线性组合反馈控制的参数和负载扰动自适应差的问题,采用仿射投影模型自适应补偿算法提高系统鲁棒性。通过仿真和实验表明该新型组合控制方法除了具有很好的动静态性能,还具有良好的参数、负载鲁棒性,适用于永磁同步电机高性能位置跟踪控制。     

永磁同步电机的扰动观测器无位置传感器控制

基于传统观测器的永磁同步电机无位置传感器控制,需要对作为状态变量的电流信号进行微分,这会导致噪声信号的放大,为此需单独设计滤波环节,增加了系统调试的工作量和复杂性。文中基于一类特殊设计的扰动观测器(disturbance observer)提出一种反电动势观测器,该方法将两相静止坐标下电流状态方程中的反电动势作为干扰量,不需要通过状态变量的微分和滤波环节就可以实现扰动量的准确估计。根据反电动势估计结果进行一次反正切计算得到电机的转子位置,同时设计一个随转速变化的转子位置误差补偿环节,即可实现基于扰动观测器的永磁同步电机无位置传感器控制。仿真和实验结果表明,该方法的观测器增益选择方法简单,对转速和负载变化具有较好的自适应能力和鲁棒性,可以实现高性能的永磁同步电机无位置传感器控制。     

永磁直线同步电动机的自适应学习控制

由于没有传动机构,使永磁直线交流同步电机（PMLSM）控制器设计较为复杂.PMLSM对模型不确定性和外扰更加敏感;推力波动等非线性因素对运动精度影响很大.针对上述问题,用自适应学习方法改善PMLSM的轨迹跟踪性能,并对迭代模式和单次运行模式下算法的收敛性进行了证明,通过实验进行了算法验证.该控制方法基于迭代学习,控制器分为两个部分,通过执行重复任务自适应学习项补偿系统的非线性;另一项用于增强系统的鲁棒性,保证系统在单次运动模式下稳定.实验结果表明,这种控制方法可以有效提高PMLSM轨迹跟踪精度.