感应电机转矩跟踪无源控制及自适应观测器设计

针对感应电机高性能转矩跟踪控制和磁链难以直接测量问题,提出了基于无源性的转矩跟踪和自适应磁链观测器控制方案.首先基于感应电机的无源性特性设计了渐近稳定转矩跟踪控制器,重新配置了系统的平衡点,通过注入阻尼提高系统的收敛速度.然后通过将定子电流和转子磁链作为状态变量构建了自适应磁链观测器,简化了观测器结构,根据Lyapunov稳定性理论设计了自适应控制律,实现转子磁链、转速和定子电阻的在线估计.为减小转速估计误差对观测器的影响,给出了观测器增益矩阵的选择方法.仿真结果表明本文所提出的基于自适应观测器的无源控制方案能够有效提高感应电机的动静态性能.     

感应电机高阶终端滑模磁链观测器的研究

提出了基于高阶非奇异终端滑模的感应电机转子磁链观测方法,用于实现感应电机的按转子磁链定向控制. 设计了非奇异终端滑模面及观测器的控制策略,利用所设计的控制策略推导出电机转子磁链信息. 为了抑制常规滑模存在的抖振现象,设计了定子电流观测器的高阶滑模控制律,可将控制信号直接用于电机转子磁链的估计. 较常规滑模观测器,所提方法具有较高的观测精度,并对电机参数变化具有良好的鲁棒性.仿真结果验证了方法的有效性.     

基于龙伯格观测器的感应电机预设性能位置跟踪优化控制EI北大核心CSCD

考虑暂稳态约束、控制参数优化及参数摄动和负载扰动等对感应电机位置跟踪控制性能的影响,本文提出了一种基于龙伯格观测器的预设性能优化控制方法.首先,针对电机转子磁链在实际中不可测的问题,采用龙伯格观测器对其进行了快速准确的估计.其次,基于反步法完成感应电机位置预设性能控制器的设计,基于变增益指数趋近律完成感应电机磁链滑模控制器的设计,通过构造干扰观测器对电机系统中由参数摄动和负载扰动引起的不确定项进行观测,实现了对系统给定值准确的跟踪控制.再次,将遗传算法(GA)与改进的粒子群优化(IPSO)算法相结合,对所设计的控制器参数进行优化整定,进一步提高了系统的收敛速度和稳态精度.基于李雅普诺夫稳定性理论分析表:所设计的控制器能够保证位置跟踪误差一直处于预设边界内,且整个闭环系统是全局一致有界稳定的.最后,通过仿真和模拟实验对比分析验证了本文所提方法的有效性及在实际电机系统中应用的可行性.     

感应电机二阶滑模次优算法定子磁链观测器设计

提出了基于二阶滑模次优算法的感应电机定子磁链观测方法,设计了定子磁链观测器,并应用到感应电机直接转矩控制中.本文设计的磁链观测器,通过准确的跟踪电流及其变化率,从而实现对转子磁链的准确估算,然后利用转子磁链与定子磁链的关系,估算出定子磁链.由于本文设计的定子磁链观测器是一个多输入多输出(MIMO)系统,稳定性分析非常复杂,为此将磁链估算误差的微分看作扰动处理,从而将MIMO的观测器模型分解成两个独立的单输入单输出(SISO)系统,简化了稳定性分析.将该观测器用于感应电机直接转矩控制中,达到了很好的控制效果.仿真和实验验证了该方法的有效性.     

一种基于锁相环原理的参考模型自适应感应电机转速估计方法

针对超低速及零定子频率运行条件下感应电动机转速的不可观测性导致基于电机模型的传统速度估计方案无法实现速度估计,引入了高频信号注入法来获得转子磁链矢量位置角并得到转子磁链的参考模型,并以转子磁链的电流模型作为调节模型,在此基础上,提出了基于锁相环原理的参考模型自适应速度估计方案．仿真结果进一步验证了该方案的有效性．     

磁链跟踪PWM感应电机矢量控制系统

PWM调制方式及控制器参数对感应电机矢量控制系统性能有较大影响,使电机在低速时电流脉动和转矩脉动较大。以磁链、转矩闭环的电机矢量控制方法为基础,提出了磁链跟踪控制(Space Vector PWM,SVPWM)的感应电机矢量控制系统仿真模型及低速变控制器参数的控制方法,高度模拟实际系统,并考虑逆变器死区时间的影响,在不同的调速范围下,进行了系统性能分析。在转子磁链定向准确,转子磁链构造准确的前提下,仿真结果表明磁链跟踪控制的矢量控制系统跟踪磁链为准圆形,在低速下,电机电流脉动和转矩脉动都比较小,使系统能够稳定运行,对于解决感应电机高性能调速的低速问题给出了可行的途径。     

基于中立型系统理论的感应电机高精度磁链观测器研究

针对感应电机交流传动控制系统磁链观测模型不精确, 忽略控制中的延时问题, 转子磁链观测一般具有观测精度不高、易受电机参数变化影响等问题, 运用中立型理论, 建立中立型感应电机观测模型, 提出一种基于中立型的转子磁链观测方法, 设计了中立型转子磁链观测器.该磁链观测器具有观测精度高、受电机参数变化影响小、鲁棒性好的优点, 通过建立精确的观测模型, 解决控制中延时问题对磁链观测精度的影响.对感应电机中立型磁链观测模型进行了稳定性分析.仿真和实验结果证明了所设计中立型转子磁链观测器的可行性和有效性.     

具有参数和负载不确定性的感应电机自适应反步控制

基于磁场定向坐标系下的感应电机模型,采用自适应反步方法设计控制器,通过选择适当的Lyapunov函数来保证整个系统的稳定性．进而逐步导出控制律和参数自适应律．该方法可在电机参数发生变化和出现负载扰动的情况下,实现转速和转子磁链的渐近跟踪．仿真结果证实了该方法的有效性．     

基于滑模与自适应观测器的感应电机非线性控制新策略

提出一种结合滑模变结构和自适应观测技术的感应电机非线性控制新方法. 以定子电流与定子磁链为状态变量建立感应电机模型, 采用非线性分析方法建立转矩与磁链误差方程, 使用自适应滑模技术设计转矩与磁链控制器, 推导出定子电压控制量. 基于模型参考技术设计自适应观测器, 向控制器提供准确的转速辨识与磁链观测值,并给出了控制系统的稳定性证明. 该方法具有转矩脉动小、定子磁链畸变不明显的优点, 低速时也具有良好的控制性能, 且对参数与负载变化有较强的鲁棒性. 仿真与实验结果证明了该控制策略的正确性与有效性.     

开关磁阻电机转子位置软测量建模与仿真

位置检测是开关磁阻电机调速系统中的重要环节。实时、准确的位置信息是开关磁阻电机正确运行的关键。由于其转子位置角是各相磁链与电流的高度非线性函数,传统线性及解析的方法难以精确求得。提出了基于BP神经网络的位置检测方法,采用BP神经网络建立软测量模型,通过离线和在线相结合的方法对网络进行训练,建立开关磁阻电机的电流、磁链与转子位置之间的非线性映射,从而实现SRM转子无位置传感器的检测。仿真及实验结果表明,方法能够实现电机转子位置的准确估计,进而实现开关磁阻电机的无位置传感器控制。     

基于神经网络观测器的船舶轨迹跟踪递归滑模 动态面输出反馈控制

针对三自由度全驱动船舶速度向量不可测问题,考虑船舶模型参数和外部环境扰动均未知的情况,提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法.该方法设计神经网络自适应观测器估计船舶速度向量,且利用神经网络逼近模型参数不确定项,综合考虑船舶位置和速度误差之间关系构造递归滑模面,再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律,并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号.选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

基于控制性能的MIMO非线性系统动态面控制

针对一类不确定非线性MIMO(multiple-input multiple-output)系统,在动态面控制方法的基础上,提出了自适应跟踪控制方案.通过引入性能函数和输出误差转换,保证输出信号具有指定的跟踪速度、跟踪误差、最大超调量.为了避免控制奇异问题,采用神经网络直接逼近期望控制信号.该方案无需估计神经网络的权值,仅对1个参数进行自适应律设计.理论证明了闭环系统所有信号有界,仿真结果验证了所提方案的有效性.     

A pure neural network controller for double‐pendulum crane anti‐sway control: Based on Lyapunov stability theory

Crane systems have been widely applied in logistics due to their efficiency of transportation. The parameters of a crane system may vary from each transport, therefore the anti‐sway controller should be designed to be insensitive to the variation of system parameters. In this paper, we focus on pure neural network adaptive tracking controller design issue that does not require the parameters of crane systems, i.e. the trolley mass, the payload mass, the cable lengths, and etc. The proposed neural network controller only requires the output feedback signals of the trolley, i.e. the position and the velocity, which means no sway measuring equipment is needed. The Lyapunov method is utilized to design the weights update law of neural network, and the robustness of the proposed controller is proved by the Lyapunov stability theory. The results of numerical simulations show that the proposed neural network controller has excellent performance of trolley position tracking and payload anti‐sway controlling.     

基于神经网络观测器的反推终端滑模位置控制

为了提高永磁直线同步电机(PMLSM)的位置跟踪精度,本文提出了一种基于神经网络自适应观测器的反推终端滑模控制(TSMC)方法.首先,建立PMLSM的动力学模型.然后,利用RBF神经网络的万能逼近特性去逼近系统中不确定性,并将逼近后的输出信号输入给自适应观测器进行跟踪目标位置和速度的估计,补偿由不确定性所导致的跟踪误差,进而获得高精度的跟踪性能.同时反推TSMC方法能够保证系统状态在有限时间内收敛,有效改善了系统响应速度和鲁棒性能.此外,设计出一种新型饱和函数来改善系统抖振,并利用Lyapunov稳定性定理进行了闭环系统稳定性分析.最后,通过空载和负载实验证实了该控制方案的有效性.     

基于RBF神经网络的机械臂自适应控制方法

针对机械臂受内部摩擦和时变扰动等不确定性因素的影响,其轨迹跟踪控制系统的跟踪精度会下降,且影响系统的稳定性,提出一种基于径向基函数神经网络的自适应控制方法。首先,利用RBF神经网络采用离线训练和在线学习的方式对机械臂的动力学模型进行辨识;其次针对机械臂控制系统中的摩擦,设计RBF神经网络自适应控制算法对其进行逼近得到补偿控制量。针对时变扰动和神经网络逼近误差设计鲁棒项,以克服众多不确定性因素带来的影响,同时通过构造李亚普诺夫函数对所设计的控制系统进行稳定性分析;最后,仿真实验结果证明提出的控制方法具有较高的跟踪精度、抗干扰能力和较强的鲁棒性。     

基于自适应滑模的欠驱动无人艇轨迹跟踪控制算法

针对欠驱动水面无人艇在航行过程中存在的海洋环境干扰、数学模型参数不确定、执行器故障等问题,提出了一种基于扰动观测器与神经网络技术的自适应滑模轨迹跟踪策略。在无人艇三自由度模型的基础上,结合视线制导率,提出了一种新的轨迹跟踪制导策略。采用自适应滑模控制技术设计了欠驱动无人艇轨迹跟踪控制器,有效地抑制了执行器衰减故障对无人艇控制系统的影响;同时运用了非线性扰动观测器和自适应径向基函数神经网络分别对无人艇受到的外界干扰和模型参数不确定性进行补偿和拟合,提高了控制系统的抗干扰能力。基于Lyapunov定理证明了所设计的控制系统的稳定性,并在MATLAB中进行了仿真测试。仿真结果表明,所提出的轨迹跟踪控制算法可以在较为复杂的环境下实现对欠驱动无人艇的精准控制;相较于对比算法,位置的平均跟踪误差减小了80%以上,具备较高的稳定性和鲁棒性。     

Intelligent Robust Tracking Controls for Holonomic and Nonholonomic Mechanical Systems Using Only Position Measurements

Intelligent robust tracking control designs are proposed in this paper for both uncertain holonomic and nonholonomic mechanical systems. A unified and systematic procedure, that is based on an adaptive fuzzy (or neural network) system and a linear observer, is employed to derive the controllers for these two constrained mechanical systems. Adaptive fuzzy-based (or neural network-based) position feedback tracking controllers can be constructed such that all the states and signals of the closed-loop systems are bounded and the tracking error locally converges to a small region around zero. Only position measurements are required for feedback. The implementation of the fuzzy (or neural network) basis functions depends only on the desired reference information and so once a set of desired trajectories is given, the required basis functions can be explicitly preassigned. Consequently, the intelligent robust position feedback tracking controllers developed here possess the properties of computational simplicity and easy implementation. Finally, simulation examples are presented to demonstrate the effectiveness of the proposed control algorithms.     

Control of an Industrial PA10-7CE Robot Arm Based on Decentralized Neural Backstepping Approach

This paper presents a discrete-time decentralized control strategy for trajectory tracking of a Mitsubishi PA10-7CE robot arm. A high order neural network is used to approximate a decentralized control law designed by the backstepping technique as applied to a block strict feedback form. The weights for each neural network are adapted online by extended Kalman filter training algorithm. The motion of each joint is controlled independently using only local angular position and velocity measurements. The stability analysis for closed-loop system via Lyapunov theory is included. Finally, the simulations results show the feasibility of the proposed scheme.     

基于神经网络的水下机器人三维航迹跟踪控制

本文研究了水下机器人三维航迹跟踪控制问题.在充分考虑了模型中不确定水动力系数和外界海流干扰的基础上,提出了基于神经网络的自适应输出反馈控制方法.控制器由3部分组成:基于动态补偿器的输出反馈控制项、神经网络自适应控制项和鲁棒控制项.神经网络所需的自适应学习信号由线性观测器提供.基于Lyapunov稳定性理论证明了控制系统的稳定性.最后针对某AUV进行了空间三维航迹跟踪控制仿真实验,结果表明设计的控制器可以较好地克服时变非线性水动力阻尼对系统的影响,并对外界海流干扰有较好的抑制作用,可以实现三维航迹的精确跟踪.