Precision motion control of permanent magnet linear motors

In the paper, a method of precision motion control for permanent magnet linear motors is proposed. Unlike rotational motors, permanent magnetic linear motors are more sensitive to various force disturbances because of the reduction of gears. So, as a feedback compensator, a disturbance observer is used to compensate the force disturbances based on the disturbance model. But the force disturbances of permanent magnetic linear motors cannot be fully compensated owing to the error of dynamic model, inaccurately detected velocity and acceleration, especially when a permanent magnetic linear motor runs in low speed. Further analysis shows that the force ripple is the main force disturbance when the velocity of a PMLM is close to zero, and the disturbance model denotes that the force ripple is position dependent. In order to further suppress the force disturbances of permanent magnetic linear motors a feedforward neural network using the BP algorithm is proposed to approximate and compensate the force ripple. The experimental results show that the force ripple is efficiently alleviated and the high positioning precision can be achieved by using the proposed precision motion control method.     

基于模糊神经网络 PID 的开关磁阻电机控制系统研究

针对开关磁阻电机存在的转矩脉动大、噪声大、速度不稳定等问题,对开关磁阻电机的启动、运行、调速等方面进行了研究,提出了一种基于模糊神经网络PID的控制方法,将模糊控制理论与BP神经网络相结合,构成了模糊BP神经网络,根据系统误差,误差的变化,以及误差变化的变化实时调整PID控制参数,使电机在整个转速范围内获得了最优的PID参数。实验采用DSP作为控制核心,不对称逆变桥作为功率变换器,驱动一台2 k W的开关磁阻电机运行。研究结果表明,该方法大大改善了开关磁阻电机控制系统的动、静态性能,控制精度高、转矩脉动小,对干扰有较高的鲁棒性。     

基于模糊神经网络系统的三相感应电机矢量控制

为实现三相感应电机稳定控制,提出了一种基于自适应模糊神经网络推理系统（ANFIS）的感应电机矢量控制方法。ANFIS结合了模糊逻辑的调节能力与神经网络的自适应能力,被广泛的应用到电机的参数估计、转速、转矩和磁链控制中。在分析感应电机工作原理的基础上,推导出其数学模型,在Matlab/Simulink上采用基于ANFIS的矢量控制对三相感应电机进行系统仿真,仿真结果表明,该控制策略转矩波动小,转速响应快,具有良好的动态和静态性能。     

基于DRNN动态整定PMSM的SVPWM控制

为解决传统的永磁同步电机控制系统中存在的低速转矩脉动大以及由此引起的高频噪声、动态响应慢等问题,提出了一种基于对角神经网络动态自整定的永磁同步电机矢量控制系统的实施方案.给出了基于对角递归神经网络的PID动态自整定控制器的结构,以及PID参数动态自整定的学习控制算法,并将这种综合控制策略引入永磁同步电机空间电压矢量PWM控制中.仿真结果表明,系统低速性能好,转矩脉动小,谐波含量少,当电机参数改变或者受到外部扰动时,系统具有良好的动态特性.     

基于径向基神经网络的直线超声电机位置控制

针对直线超声电机的精密位置控制,提出了一种基于径向基神经网络的自适应控制机制。鉴于直线超声电机工作原理,其运行状态必然受到摩擦、强非线性和时变等不确定性因素的干扰,为了对这些不确定性因素进行有效的逼近,采用了径向基神经网络。为了提高控制机制的自适应能力,首先利用来自试验数据的训练样本按正交最小二乘算法确定径向基神经网络的隐层单元的个数和相关参数,再按递推最小二乘法在线调整隐层与输出层之间的权重。试验结果表明,基于径向基神经网络的自适应控制器的性能不仅优于传统的PID控制和误差反向传播神经网络控制,而且具有很好的抗干扰能力。     

基于BP神经网络的电机轴承润滑脂含量判定方法

传统电机轴承润滑脂含量判定方法通过停转进行润滑脂含量测量,这种方法使用起来极其不便利,而且很多轴承的润滑脂都是密封的.针对其停转、拆封的不便,提出了一种基于BP神经网络的电机轴承润滑脂含量判定方法.利用采集到的电机轴承的振动数据,对其进行统计特征提取,通过BP神经网络来构建润滑脂含量与统计特征之间的函数关系.经试验验证...     

基于极弧系数组合的永磁直线电机齿槽力削弱方法

永磁电机由于齿槽效应造成的推力波动一直是影响其性能的一个重要因素.为了削弱永磁同步直线电机的齿槽转矩,结合直线电机的结构特点,利用能量法和傅立叶分解的解析分析方法,推导出了齿槽转矩与极弧系数的数学关系表达式.由于边端力也会造成直线电机的推力波动,而边端力与动子长度密切相关,提出了一种基于不同极弧系数组合的齿槽转矩削弱方...     

光刻机工件台宏动三自由度建模及自适应神经网络控制

提出了一种工件台宏动三自由度建模方法以解决光刻机工件台宏动部分在X和Y方向的运动耦合问题并实现它的超精密长行程微米精度的跟踪定位。该建模方法将X方向电机的偏转角度作为被控对象并且在模型中包含了耦合效应对X方向运动的影响。基于此模型提出了一种自适应神经网络控制策略,该策略采用径向基函数(Radial Basis Function,RBF)神经网络对模型参数信息及外界非线性扰动进行实时在线估计,以减小未建模动态、电机齿槽力波动、端部效应、摩擦等扰动对控制系统性能的影响。通过对控制策略的理论推导和稳定性分析,保证了闭环控制系统的收敛性。最后在光刻机工件台上进行了S曲线跟踪定位试验,验证了宏动三自由度建模方法和控制策略的效果。试验结果显示:X和Y方向的位置跟踪误差均小于3μm,X方向电机偏转角度小于1μrad,满足工件台宏动部分跟踪定位精度的要求。     

直线伺服电机在精密驱动与定位平台中的应用

以安川直线伺服电机在表面缺陷视觉检测系统中的应用为例,介绍了多轴直线伺服电机在精密驱动与定位平台中的应用技术,分析了直线伺服电机和伺服驱动器的定位与运动性能,论述了安川直线伺服电机驱动系统运行的实现方法,包括系统的初始化、编写运动程序,将HMI、运动控制器和PC组成局域网,实现三者之间数据查看与修改,及远程控制多轴电机运行、查看实时运行情况和对报警进行处理等功能。     

Modeling and identification of an electrostatic motor

The present study describes modeling and parameter identification for a high-power electrostatic motor. The motor is a synchronous motor with six phases that is modeled by a six-terminal capacitance network. A method to measure the capacitance coefficient matrix of a network using an LCR tester is proposed and demonstrated. The thrust force of the motor is shown analytically using the proposed model, which shows good agreement with empirical measurements of the motor behavior. Based on the proposed model, the effect of electrode skew is analyzed for force ripple reduction. Using the analysis, a skew motor is fabricated and tested, with the results demonstrating that a skewing electrode with a skew factor π can considerably reduce thrust force ripple.     

基于BP神经网络的球头铣刀铣削力建模与仿真

将BP神经网络的理论和算法应用于球头刀具铣削力建模的研究中.采用LM算法建立了铣削力预测的神经网络模型,模型中考虑了影响铣削力的加工参数,选取铣削力试验数据对神经网络模型进行训练,用训练好的神经网络模型对铣削力进行仿真.仿真结果表明,用BP神经网络方法建立的铣削力模型能够对铣削力进行准确的预测.     

可调对比度目标源装置中对比度的标定

搭建了可调对比度目标源装置,研究了图像对比度和光学对比度的关系,提出了用改进的BP神经网络标定对比度的方法.首先,设计了用于对比度标定的BP神经网络模型.然后,利用LM( Levenberg-Marquardt)算法结合缩放法改进神经网络以提高其收敛速度及泛化能力.最后,通过可调对比度目标源装置实验平台,由测量的辐照度得出了对应的图像对比度数据,使该装置可以通过调节辐照度实时获得规定的对比度.与传统BP神经网络方法相比,改进后的BP神经网络收敛速度快,泛化能力强.标定精度比经典BP算法提高了100倍,比最速下降法提高了10倍.训练次数仅需2 876次时,对比度的标定值与目标值的误差最大值是0.01％,训练均方误差收敛为0.000 459 441,测试误差收敛为0.000 467 003,满足了对检验装置中对比度标定的需要.     

基于鱼群BP神经网络的板料成形分块压边力优化

采用人工鱼群算法与BP神经网络相结合的方法建立了分块压边力与成形质量的映射关系。首先以分块压边力为设计变量,通过基于最大最小原则的拉丁超立方取样设计方法抽取了BP神经网络的训练样本,并将通过仿真软件获得的成形质量指标作为BP神经网络的训练输出;其次通过人工鱼群算法优化的BP神经网络建立了分块压边力与成形质量的映射关系;然后采用粒子群算法对该映射函数关系式进行优化,得到最优分块压边力;最后将该最优分块压边力成形效果与整体压边力成形效果进行对比,结果表明成形效果大大改善。研究表明,采用该方法可以快速计算最优分块压边力,克服了分块压边力计算困难的缺点。     

小型力矩电机波动力矩的测量

综合考虑现有无刷直流力矩电机波动力矩动静态测量方法的不足,提出了一种精确测量力矩电机波动力矩的方法。分析了力矩电机波动力矩经典测量方法的误差来源,根据力矩电机分体式的结构特点和可以长期堵转的性能特点,提出了采用电机定子相对转子旋转测量波动力矩的方法。在力矩电机转子堵转的状态下,通过外力旋转定子,测量电机堵转力矩的波动值,从而有效减少测量过程中惯性力矩和摩擦力矩引入的误差。根据提出的测量方法搭建了一套波动力矩测量装置,使用蜗轮蜗杆机构实现了定转子的相对旋转,并对测量装置进行了校准实验。实验结果表明,对于量程为0~1Nm的装置,其测量准确度可达0.3%,线性度为0.1%,基本满足无刷直流力矩电机对波动力矩测量的精度要求。     

Feedforward suppression of force ripple based on a simplex-optimized dither signal

This paper presents the design and realization of a feedforward dither signal to reduce the force ripple in an iron-core permanent magnet linear motor (PMLM). A composite control structure is used, consisting of three components: a simple feedforward component, a PID feedback component, and a ripple compensator (RC). The first two components are designed based on a dominant linear model of the motor. The dither signal is generated based on a signal model which is identified using a multidimensional simplex downhill method. In this way, a simple approach is available to eliminate or suppress the inherent force ripple, thus facilitating smooth precise motion while uncompromising on the maximum force achievable. Real-time experimental results verify the effectiveness of the proposed scheme for high precision motion trajectory tracking.     

基于神经网络的解耦方法在直流锅炉中的应用

分析了直流锅炉运行时各变量之间的耦合关系,针对直流锅炉参数多变、强耦合的特点,提出了一种改进的误差反向传播算法（BP）的神经网络分散解耦方法;仿真及实验结果表明,神经网络分散解耦算法具有很强的自学习功能和自适应解耦能力,是解决多变量和强耦合问题的一种有效途径。     

采用“GA+LM”优化BP神经网络的电液伺服阀故障诊断

针对标准BP神经网络用于故障诊断时学习效率低、收敛速度慢、易陷入局部极小点及对初始参数较为敏感等不足,提出了一种组合优化的方法,即采用遗传算法（GA）确定BP神经网络的最佳初始权值矩阵,以规避BP神经网络对初始参数较为敏感的不足;应用LM（Levenberg-Marquardt）算法在局部解空间里对BP神经网络进行精确训练,搜索全局最优解。该方法在保留BP神经网络的广泛映射能力的前提下,提升了网络的学习速度和精确搜索能力,进而大幅提高了基于BP神经网络的电液伺服阀故障诊断的效率和精度。通过对MOOG D761-2716A机械反馈伺服阀进行故障诊断,进一步说明了该方法的实用性和高效性。     

多维力/力矩传感器静态解耦的研究

多维力 /力矩传感器的静态耦合是影响其测量精度的主要因素之一。在研究基于最小二乘理论的多维力传感器静态线性解耦方法的同时 ,提出了一种基于 BP神经网络的静态非线性解耦方法。以 HIT灵巧手的微型五维指尖力 /力矩传感器为对象进行了实验 ,结果表明 ,基于神经网络的非线性解耦方法可以明显地提高传感器的测量精度     

Concepts for a class of novel piezoelectric self-locking long-stroke actuators

The friction-type motor is the most common type in the field of piezoelectric motors. One limitation of friction-type motors is their inability to achieve high output push force or torque. Based on the theory of self-lock, a novel mechanism for the linear piezoelectric motor is proposed. On the basis of the proposed mechanism, three prototype models have been developed. The new motors transfer the force and displacement generated by a piezoelectric actuator to the output directly, whereas the friction-type motor transfers via the induced friction between the stator and the rotor. The achieved positioning precision is within 10 nm, while the push force is up to 1,176 N. The new motors can be applied in cases where both high positioning precision and heavy load are essential.     

基于改进BP神经网络的连铸漏钢预报

针对传统BP神经网络在训练过程中存在收敛速度慢的缺陷,将LM(levenberg marquardt)算法引入到BP神经网络的训练过程,建立了LM-BP神经网络模型,并将其应用于连铸过程中的漏钢预报系统。结合某钢厂连铸现场历史数据对系统进行了测试,测试结果以96.15%的预报率及100%的报出率,验证了基于LM算法的BP神经网络连铸漏钢预报方案的可行性和有效性。