永磁同步直線伺服系統(tǒng)的一種雙?？刂?/h1>
2010-08-15 03:36:18張霖黨選舉曾思霖
電氣傳動 2010年2期
張霖,黨選舉,曾思霖
(桂林電子科技大學(xué) 計算機(jī)與控制學(xué)院,廣西 桂林 541004)
1 引言
在機(jī)床進(jìn)給系統(tǒng)中,采用直線電動機(jī)直接驅(qū)動與原旋轉(zhuǎn)電機(jī)傳動的最大區(qū)別是取消了從電機(jī)到工作臺(拖板)之間的機(jī)械傳動環(huán)節(jié),把機(jī)床進(jìn)給傳動鏈的長度縮短為零,因而這種傳動方式又被稱為“零傳動”[1]。正是由于這種“零傳動”方式,帶來了原旋轉(zhuǎn)電機(jī)驅(qū)動方式無法達(dá)到的性能指標(biāo)和優(yōu)點(diǎn),也帶來了直線電機(jī)所特有的推力波動,這種推力波動會直接影響到機(jī)床的加工精度。引起永磁直線電動機(jī)推力波動的原因有多種[2],如:初級電流和反電動勢存在高次諧波、氣隙磁密波形非正弦性、齒槽效應(yīng)、端部效應(yīng)等,但直線電機(jī)所特有的端部效應(yīng)是最主要的影響因素[3]。因此,如何改善端部效應(yīng)給直線電機(jī)所帶來的影響對高精度機(jī)床加工具有重要意義。
基于RBF神經(jīng)網(wǎng)絡(luò)辨識的單神經(jīng)元PID控制[4,5]可以改善直線電機(jī)的抗干擾性能。然而傳統(tǒng)的PID控制在整定參數(shù)時往往要兼顧信號跟蹤及擾動抑制兩種要求,難以同時實(shí)現(xiàn)兩方面的最佳要求?；谏窠?jīng)網(wǎng)絡(luò)給定補(bǔ)償?shù)膹?fù)合控制,利用神經(jīng)網(wǎng)絡(luò)構(gòu)建對象逆模型并引入到前饋控制,使系統(tǒng)可以對動態(tài)特性和對象擾動分別控制。但是系統(tǒng)響應(yīng)對網(wǎng)絡(luò)初始權(quán)值比較敏感,控制魯棒性欠佳。
針對上述情況,文獻(xiàn)[6]利用變魯棒系數(shù)改變魯棒因子,取得了比較滿意的控制效果。本文提出了一種雙?？刂撇呗?對傳統(tǒng)的基于RBF神經(jīng)網(wǎng)絡(luò)辨識的單神經(jīng)元PID控制和基于神經(jīng)網(wǎng)絡(luò)給定補(bǔ)償?shù)膹?fù)合控制進(jìn)行切換控制。充分發(fā)揮了兩種控制策略的優(yōu)點(diǎn),從而能使伺服系統(tǒng)既具有良好的參考信號跟蹤性能,又能很好地抑制外部干擾和參數(shù)變化。通過仿真實(shí)驗,驗證了該方法的有效性。
2 PMLSM簡化數(shù)學(xué)模型及端部效應(yīng)分析
當(dāng)僅考慮各變量的基波分量時,可以使用dq軸模型。永磁直線伺服電動機(jī)的dq軸電壓方程為[2]
其中
式中 :ωr=πv/τ,v為線速度;p=d/d t。
電流內(nèi)環(huán)采用勵磁分量控制策略,即id=0,使動子電流矢量與定子永磁體磁場在空間上正交。因此,電磁推力F e為
式中:Fe為電磁推力;id,iq為d,q軸系動子電流;λPM為定子永磁體產(chǎn)生的勵磁磁鏈;v為動子線速度;B為粘滯摩擦系數(shù);τ為極距;M為動子質(zhì)量;K f為電磁推力系數(shù);F d為總阻力F d=F L+F ef,其中F L為負(fù)載阻力,F ef為由端部效應(yīng)力引起的推力波動。
文獻(xiàn)[7]給出了由端部效應(yīng)引起的直線電機(jī)推力波動的簡化數(shù)學(xué)模型:
式中:F efm為推力波動幅值;τ為極距;x為電機(jī)運(yùn)動部分沿運(yùn)動方向的位移;θ0為常數(shù)(和電機(jī)初、次級電磁結(jié)構(gòu)有關(guān))。
3 基于RBF神經(jīng)網(wǎng)絡(luò)辨識的單神經(jīng)元PID控制[4,5]
利用RBF神經(jīng)網(wǎng)絡(luò)的非線性映射能力將其構(gòu)造成辨識器,用以辨識出被控對象的Jacobian信息,然后根據(jù)得到的Jacobian信息來調(diào)整單神經(jīng)元PID控制器的參數(shù),使得該控制器具有較強(qiáng)的自適應(yīng)性和魯棒性。其控制系統(tǒng)框圖如圖1所示。
圖1 單神經(jīng)元PID控制系統(tǒng)框圖Fig.1 Single neuron PID control system based on RBFNN identification
圖1中,NNC為單神經(jīng)元PID控制器;NNI為RBF網(wǎng)絡(luò)辨識器;TDL(tapped delay line)為多分頭時延單元。
4 基于神經(jīng)網(wǎng)絡(luò)給定補(bǔ)償?shù)膹?fù)合控制
4.1 復(fù)合控制
上述基于RBF神經(jīng)網(wǎng)絡(luò)辨識的單神經(jīng)元PID控制方法具有學(xué)習(xí)速度快,魯棒性好的特點(diǎn)。但究其本質(zhì),仍屬于一自由度的控制策略,即只能以折中的方式整定PID控制器的參數(shù)以兼顧系統(tǒng)跟蹤性能和抗干擾性能這兩大要求。在高精度的數(shù)控機(jī)床伺服進(jìn)給系統(tǒng)中,對跟蹤性能和抗干擾性能的要求都很高,要想二者都達(dá)到最佳控制效果就必須由二自由度PID控制器來實(shí)現(xiàn)。
在反饋控制回路中加入前饋通路,組成一個前饋控制和反饋控制相結(jié)合的復(fù)合系統(tǒng),可以極大地提高系統(tǒng)的伺服精度。本文中采用的復(fù)合控制結(jié)構(gòu)就是參考信號前饋型的二自由度控制結(jié)構(gòu)[3],如圖2所示。
圖2 參考信號前饋型二自由度控制系統(tǒng)框圖Fig.2 Block diagram of feed forward 2DOF control system
輸入為參考信號時:
輸入為干擾信號時:
由式(7)和式(8),可以先調(diào)整P RY(s)使系統(tǒng)的跟蹤性能最佳,然后在保持F1(s)+F2(s)不變的條件下調(diào)整F1(s),使得 PDY(s)為理想值,即讓系統(tǒng)的抗干擾性能最佳。這樣,就可通過二自由度的控制使系統(tǒng)同時滿足對跟蹤性能及抗干擾性能的要求。
4.2 基于神經(jīng)網(wǎng)絡(luò)給定補(bǔ)償?shù)膹?fù)合控制
一個典型的參考信號前饋型二自由度控制的結(jié)構(gòu)如圖2所示。如果選擇前饋補(bǔ)償環(huán)節(jié)的傳遞函數(shù)為
則式(7)變?yōu)?/p>
由式(10)可知,系統(tǒng)的輸出量在任何時刻都可以完全無誤地復(fù)現(xiàn)輸入量。但是在實(shí)際系統(tǒng)中,由于系統(tǒng)存在模型不確定性、參數(shù)變化及外部擾動等干擾因素,往往無法得到被控系統(tǒng)的精確模型。由被控系統(tǒng)標(biāo)稱模型進(jìn)行前饋補(bǔ)償控制會降低伺服控制的精度。
為彌補(bǔ)標(biāo)稱模型前饋補(bǔ)償?shù)木葥p失,本文引進(jìn)了一種基于神經(jīng)網(wǎng)絡(luò)的給定補(bǔ)償策略[8]。其結(jié)構(gòu)如圖3所示。
圖3 基于神經(jīng)網(wǎng)絡(luò)的給定補(bǔ)償結(jié)構(gòu)圖Fig.3 Structure of command-compensation based on NN
神經(jīng)網(wǎng)絡(luò)NN1用于對被控對象G(s)進(jìn)行逆向建模;NN2與NN1具有相同的結(jié)構(gòu)和聯(lián)接權(quán)值,用以作為給定補(bǔ)償控制器,兩者僅輸入輸出量不同。由圖3可知,NN1可以同時對擾動及參數(shù)變化進(jìn)行辨識,并且NN2會隨之發(fā)生變化構(gòu)成自適應(yīng)的前饋環(huán)節(jié)。這樣,就可以實(shí)現(xiàn)在系統(tǒng)有外部擾動和參數(shù)變化的情況下輸出完全復(fù)現(xiàn)輸入。
5 雙?？刂?/h2>
上述的基于RBF神經(jīng)網(wǎng)絡(luò)辨識的單神經(jīng)元PID控制(以下簡稱一自由度控制)和基于神經(jīng)網(wǎng)絡(luò)給定補(bǔ)償?shù)膹?fù)合控制(以下簡稱二自由度控制)各有局限性。本文利用雙?？刂?發(fā)揮它們的各自優(yōu)點(diǎn)進(jìn)行切換控制以達(dá)到更好的控制效果。系統(tǒng)結(jié)構(gòu)圖如圖4所示。
圖4 雙?？刂葡到y(tǒng)結(jié)構(gòu)圖Fig.4 Structure of double modecontrol system
一自由度控制的學(xué)習(xí)速度快、魯棒性好,但是難以達(dá)到跟蹤性能與抗干擾性能的兩全;二自由度控制雖然可以保證跟蹤性能與抗干擾性能同時最優(yōu),但是圖4所示的NN1是一個并聯(lián)型的逆向辨識結(jié)構(gòu),該結(jié)構(gòu)對初值比較敏感,不一定能保證參數(shù)收斂[9],魯棒性欠佳。鑒于上述情況,本文提出利用誤差閾值ε來進(jìn)行雙模的切換控制。在學(xué)習(xí)過程中采取分層調(diào)整:當(dāng)控制誤差error的絕對值大于誤差閾值ε時,令u=up,即采用一自由度控制以保證參數(shù)快速收斂并取得一定的控制效果;當(dāng)控制誤差error的絕對值小于誤差閾值ε時,令u=up+u2,即采用二自由度控制以求跟蹤性能與抗干擾性能同時最優(yōu)。經(jīng)過一定次數(shù)的迭代學(xué)習(xí)后,逆模型訓(xùn)練結(jié)束,并依訓(xùn)練好的逆模型對控制對象進(jìn)行控制作用。這樣,系統(tǒng)可以在保證跟蹤性能的同時極大地提高其抗干擾性能。
6 仿真結(jié)果分析
采用Matlab7.0對本文所提出的雙模控制策略進(jìn)行仿真研究。PMLSM的額定參數(shù)為 M=10 kg,B=1.2 N°s/m,Kf=25 N/A,Fe=150.00 N,采樣周期為0.5 ms。為了模擬端部效應(yīng)引起的推力波動,在0.75 s時突加負(fù)載擾動F ef=30×sin(25t)N[8]。參考輸入信號rin(t)=0.5 sin(6πt)。NNI辨識器的學(xué)習(xí)速率置為η=0.2,慣性系數(shù)α=0.05。權(quán)值的初始值取[-1,+1]之間的隨機(jī)值[10]。并經(jīng)試驗,取ε=0.015為誤差閾值。為便于比較,本文也給出了一自由度PID控制器的控制仿真。
圖5a、圖5b分別給出了突加負(fù)載擾動時一自由度控制與雙?？刂频闹本€伺服系統(tǒng)位置響應(yīng)曲線。圖5c為兩者的跟蹤誤差比較,從對比中可以看出,在推力波動的影響下雙模控制的跟蹤性能優(yōu)于一自由度控制。
圖5 突加負(fù)載時的位置響應(yīng)曲線Fig.5 Position response curve while insert disturb
圖6 參數(shù)波動時的位置響應(yīng)曲線Fig.6 Position response curve while parameters waves
圖6a、圖6b分別給出了參數(shù)波動情況下一自由度控制與雙?？刂频闹本€伺服系統(tǒng)位置響應(yīng)曲線。在0.75 s時,動子質(zhì)量由M突變到2M。圖6c為兩者的跟蹤誤差比較,從對比中可以看出,在系統(tǒng)參數(shù)發(fā)生變化時雙?？刂频母櫺阅芤矁?yōu)于一自由度控制。
7 結(jié)論
本文分別介紹了基于RBF神經(jīng)網(wǎng)絡(luò)辨識的單神經(jīng)元PID控制和基于神經(jīng)網(wǎng)絡(luò)給定補(bǔ)償?shù)膹?fù)合控制,并說明了兩種控制策略的優(yōu)缺點(diǎn)。借助于雙?？刂?將這兩種控制策略的優(yōu)點(diǎn)進(jìn)行結(jié)合達(dá)到了很好的控制效果。仿真實(shí)驗結(jié)果表明,該方法具有學(xué)習(xí)速度快、跟蹤精度高、抗干擾能力強(qiáng)、魯棒性好等特點(diǎn)。在高精度的數(shù)控機(jī)床應(yīng)用中有一定的可行性。
[1]舒志兵.交流伺服運(yùn)動控制系統(tǒng)[M].北京:清華大學(xué)出版社,2006.
[2]Zhu Yu-wu,Cho Yun-hyun.Thrust Ripples Suppression of Permanent Magnet Linear Synchronous Motor[J].IEEE Trans.on Magnetics,2007,43(6):2537-2539.
[3]郭慶鼎,孫宜標(biāo),王麗梅.現(xiàn)代永磁電動機(jī)交流伺服系統(tǒng)[M].北京:中國電力出版社,2006.
[4]Shi Tingna,Xia Changliang,Wang Mingchao,etal.Single Neural PID Control for Sensorless Sw itched Reluctance Motor Based on RBF Neural Network[C]∥WCICA 2006.The Sixth World Congress on Intelligent Control and Automation,2006,2:8069-8073.
[5]Zhang Ming-guang,Li Wen-hui.Single Neu ron PID Model Referen ce Adap tive Control Based on RBF Neu ral Netwo rk[C]∥2006 International Conference on M achine Learning and Cybernetics,2006:3021-3025.
[6]吳雪芬.基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的PM LSM速度控制研究[J].電氣傳動,2008,38(6):37-39.
[7]李慶雷,王先逵.永磁交流同步直線電機(jī)位置伺服控制系統(tǒng)設(shè)計[J].中國機(jī)械工程,2001,12(5):577-581.
[8]夏加寬,王成元,李皞東,等.高精度數(shù)控機(jī)床用直線電機(jī)端部效應(yīng)分析及神經(jīng)網(wǎng)絡(luò)補(bǔ)償技術(shù)研究[J].中國電機(jī)工程學(xué)報,2003,23(8):100-104.
[9]Narendra K S,Parthasarathy K.Identification and Con trol of Dynamical Systems Using Neural Networks[J].IEE E Transactions on Neu ral Networks,1990,1:4-27.
[10]耿文波,郭緒陽,祁小輝.基于RBF神經(jīng)網(wǎng)絡(luò)PID控制的交流伺服系統(tǒng)[J].微計算機(jī)信息(測控自動化),2008,24(19):313-314.
猜你喜歡
大型水輪發(fā)電機(jī)繞組端部電暈問題探討大電機(jī)技術(shù)(2022年4期)2022-08-30 01:38:54 前饋復(fù)合控制在提高遙測跟蹤性能中的應(yīng)用遙測遙控(2022年1期)2022-02-11 08:01:40 彈簧扁鋼51CrV4端部開裂原因分析新疆鋼鐵(2021年1期)2021-10-14 08:45:38 大型汽輪發(fā)電機(jī)定子繞組端部振動抑制措施的探索能源工程(2020年6期)2021-01-26 00:55:18 AltBOC調(diào)制信號的抗干擾性能分析航天控制(2020年5期)2020-03-29 02:10:22 基于激光雷達(dá)及視頻分析的站臺端部防入侵告警系統(tǒng)鐵道通信信號(2020年10期)2020-02-07 01:01:14 電子測控系統(tǒng)的屏蔽及接地技術(shù)電子技術(shù)與軟件工程(2016年19期)2016-12-19 18:21:55 試論光纖傳輸技術(shù)在廣播電視信號傳輸中的應(yīng)用祖國(2016年20期)2016-12-12 19:19:24 鋼鐵廠PLC控制系統(tǒng)的可靠性設(shè)計數(shù)字技術(shù)與應(yīng)用(2015年3期)2015-06-15 14:54:17 基于重復(fù)和PI復(fù)合控制的三相NPC光伏并網(wǎng)逆變器研究電測與儀表(2015年21期)2015-04-09 11:52:14
張霖,黨選舉,曾思霖
(桂林電子科技大學(xué) 計算機(jī)與控制學(xué)院,廣西 桂林 541004)
1 引言
在機(jī)床進(jìn)給系統(tǒng)中,采用直線電動機(jī)直接驅(qū)動與原旋轉(zhuǎn)電機(jī)傳動的最大區(qū)別是取消了從電機(jī)到工作臺(拖板)之間的機(jī)械傳動環(huán)節(jié),把機(jī)床進(jìn)給傳動鏈的長度縮短為零,因而這種傳動方式又被稱為“零傳動”[1]。正是由于這種“零傳動”方式,帶來了原旋轉(zhuǎn)電機(jī)驅(qū)動方式無法達(dá)到的性能指標(biāo)和優(yōu)點(diǎn),也帶來了直線電機(jī)所特有的推力波動,這種推力波動會直接影響到機(jī)床的加工精度。引起永磁直線電動機(jī)推力波動的原因有多種[2],如:初級電流和反電動勢存在高次諧波、氣隙磁密波形非正弦性、齒槽效應(yīng)、端部效應(yīng)等,但直線電機(jī)所特有的端部效應(yīng)是最主要的影響因素[3]。因此,如何改善端部效應(yīng)給直線電機(jī)所帶來的影響對高精度機(jī)床加工具有重要意義。
基于RBF神經(jīng)網(wǎng)絡(luò)辨識的單神經(jīng)元PID控制[4,5]可以改善直線電機(jī)的抗干擾性能。然而傳統(tǒng)的PID控制在整定參數(shù)時往往要兼顧信號跟蹤及擾動抑制兩種要求,難以同時實(shí)現(xiàn)兩方面的最佳要求?；谏窠?jīng)網(wǎng)絡(luò)給定補(bǔ)償?shù)膹?fù)合控制,利用神經(jīng)網(wǎng)絡(luò)構(gòu)建對象逆模型并引入到前饋控制,使系統(tǒng)可以對動態(tài)特性和對象擾動分別控制。但是系統(tǒng)響應(yīng)對網(wǎng)絡(luò)初始權(quán)值比較敏感,控制魯棒性欠佳。
針對上述情況,文獻(xiàn)[6]利用變魯棒系數(shù)改變魯棒因子,取得了比較滿意的控制效果。本文提出了一種雙?？刂撇呗?對傳統(tǒng)的基于RBF神經(jīng)網(wǎng)絡(luò)辨識的單神經(jīng)元PID控制和基于神經(jīng)網(wǎng)絡(luò)給定補(bǔ)償?shù)膹?fù)合控制進(jìn)行切換控制。充分發(fā)揮了兩種控制策略的優(yōu)點(diǎn),從而能使伺服系統(tǒng)既具有良好的參考信號跟蹤性能,又能很好地抑制外部干擾和參數(shù)變化。通過仿真實(shí)驗,驗證了該方法的有效性。
2 PMLSM簡化數(shù)學(xué)模型及端部效應(yīng)分析
當(dāng)僅考慮各變量的基波分量時,可以使用dq軸模型。永磁直線伺服電動機(jī)的dq軸電壓方程為[2]
其中
式中 :ωr=πv/τ,v為線速度;p=d/d t。
電流內(nèi)環(huán)采用勵磁分量控制策略,即id=0,使動子電流矢量與定子永磁體磁場在空間上正交。因此,電磁推力F e為
式中:Fe為電磁推力;id,iq為d,q軸系動子電流;λPM為定子永磁體產(chǎn)生的勵磁磁鏈;v為動子線速度;B為粘滯摩擦系數(shù);τ為極距;M為動子質(zhì)量;K f為電磁推力系數(shù);F d為總阻力F d=F L+F ef,其中F L為負(fù)載阻力,F ef為由端部效應(yīng)力引起的推力波動。
文獻(xiàn)[7]給出了由端部效應(yīng)引起的直線電機(jī)推力波動的簡化數(shù)學(xué)模型:
式中:F efm為推力波動幅值;τ為極距;x為電機(jī)運(yùn)動部分沿運(yùn)動方向的位移;θ0為常數(shù)(和電機(jī)初、次級電磁結(jié)構(gòu)有關(guān))。
3 基于RBF神經(jīng)網(wǎng)絡(luò)辨識的單神經(jīng)元PID控制[4,5]
利用RBF神經(jīng)網(wǎng)絡(luò)的非線性映射能力將其構(gòu)造成辨識器,用以辨識出被控對象的Jacobian信息,然后根據(jù)得到的Jacobian信息來調(diào)整單神經(jīng)元PID控制器的參數(shù),使得該控制器具有較強(qiáng)的自適應(yīng)性和魯棒性。其控制系統(tǒng)框圖如圖1所示。
圖1 單神經(jīng)元PID控制系統(tǒng)框圖Fig.1 Single neuron PID control system based on RBFNN identification
圖1中,NNC為單神經(jīng)元PID控制器;NNI為RBF網(wǎng)絡(luò)辨識器;TDL(tapped delay line)為多分頭時延單元。
4 基于神經(jīng)網(wǎng)絡(luò)給定補(bǔ)償?shù)膹?fù)合控制
4.1 復(fù)合控制
上述基于RBF神經(jīng)網(wǎng)絡(luò)辨識的單神經(jīng)元PID控制方法具有學(xué)習(xí)速度快,魯棒性好的特點(diǎn)。但究其本質(zhì),仍屬于一自由度的控制策略,即只能以折中的方式整定PID控制器的參數(shù)以兼顧系統(tǒng)跟蹤性能和抗干擾性能這兩大要求。在高精度的數(shù)控機(jī)床伺服進(jìn)給系統(tǒng)中,對跟蹤性能和抗干擾性能的要求都很高,要想二者都達(dá)到最佳控制效果就必須由二自由度PID控制器來實(shí)現(xiàn)。
在反饋控制回路中加入前饋通路,組成一個前饋控制和反饋控制相結(jié)合的復(fù)合系統(tǒng),可以極大地提高系統(tǒng)的伺服精度。本文中采用的復(fù)合控制結(jié)構(gòu)就是參考信號前饋型的二自由度控制結(jié)構(gòu)[3],如圖2所示。
圖2 參考信號前饋型二自由度控制系統(tǒng)框圖Fig.2 Block diagram of feed forward 2DOF control system
輸入為參考信號時:
輸入為干擾信號時:
由式(7)和式(8),可以先調(diào)整P RY(s)使系統(tǒng)的跟蹤性能最佳,然后在保持F1(s)+F2(s)不變的條件下調(diào)整F1(s),使得 PDY(s)為理想值,即讓系統(tǒng)的抗干擾性能最佳。這樣,就可通過二自由度的控制使系統(tǒng)同時滿足對跟蹤性能及抗干擾性能的要求。
4.2 基于神經(jīng)網(wǎng)絡(luò)給定補(bǔ)償?shù)膹?fù)合控制
一個典型的參考信號前饋型二自由度控制的結(jié)構(gòu)如圖2所示。如果選擇前饋補(bǔ)償環(huán)節(jié)的傳遞函數(shù)為
則式(7)變?yōu)?/p>
由式(10)可知,系統(tǒng)的輸出量在任何時刻都可以完全無誤地復(fù)現(xiàn)輸入量。但是在實(shí)際系統(tǒng)中,由于系統(tǒng)存在模型不確定性、參數(shù)變化及外部擾動等干擾因素,往往無法得到被控系統(tǒng)的精確模型。由被控系統(tǒng)標(biāo)稱模型進(jìn)行前饋補(bǔ)償控制會降低伺服控制的精度。
為彌補(bǔ)標(biāo)稱模型前饋補(bǔ)償?shù)木葥p失,本文引進(jìn)了一種基于神經(jīng)網(wǎng)絡(luò)的給定補(bǔ)償策略[8]。其結(jié)構(gòu)如圖3所示。
圖3 基于神經(jīng)網(wǎng)絡(luò)的給定補(bǔ)償結(jié)構(gòu)圖Fig.3 Structure of command-compensation based on NN
神經(jīng)網(wǎng)絡(luò)NN1用于對被控對象G(s)進(jìn)行逆向建模;NN2與NN1具有相同的結(jié)構(gòu)和聯(lián)接權(quán)值,用以作為給定補(bǔ)償控制器,兩者僅輸入輸出量不同。由圖3可知,NN1可以同時對擾動及參數(shù)變化進(jìn)行辨識,并且NN2會隨之發(fā)生變化構(gòu)成自適應(yīng)的前饋環(huán)節(jié)。這樣,就可以實(shí)現(xiàn)在系統(tǒng)有外部擾動和參數(shù)變化的情況下輸出完全復(fù)現(xiàn)輸入。
5 雙?？刂?/h2>
上述的基于RBF神經(jīng)網(wǎng)絡(luò)辨識的單神經(jīng)元PID控制(以下簡稱一自由度控制)和基于神經(jīng)網(wǎng)絡(luò)給定補(bǔ)償?shù)膹?fù)合控制(以下簡稱二自由度控制)各有局限性。本文利用雙?？刂?發(fā)揮它們的各自優(yōu)點(diǎn)進(jìn)行切換控制以達(dá)到更好的控制效果。系統(tǒng)結(jié)構(gòu)圖如圖4所示。
圖4 雙?？刂葡到y(tǒng)結(jié)構(gòu)圖Fig.4 Structure of double modecontrol system
一自由度控制的學(xué)習(xí)速度快、魯棒性好,但是難以達(dá)到跟蹤性能與抗干擾性能的兩全;二自由度控制雖然可以保證跟蹤性能與抗干擾性能同時最優(yōu),但是圖4所示的NN1是一個并聯(lián)型的逆向辨識結(jié)構(gòu),該結(jié)構(gòu)對初值比較敏感,不一定能保證參數(shù)收斂[9],魯棒性欠佳。鑒于上述情況,本文提出利用誤差閾值ε來進(jìn)行雙模的切換控制。在學(xué)習(xí)過程中采取分層調(diào)整:當(dāng)控制誤差error的絕對值大于誤差閾值ε時,令u=up,即采用一自由度控制以保證參數(shù)快速收斂并取得一定的控制效果;當(dāng)控制誤差error的絕對值小于誤差閾值ε時,令u=up+u2,即采用二自由度控制以求跟蹤性能與抗干擾性能同時最優(yōu)。經(jīng)過一定次數(shù)的迭代學(xué)習(xí)后,逆模型訓(xùn)練結(jié)束,并依訓(xùn)練好的逆模型對控制對象進(jìn)行控制作用。這樣,系統(tǒng)可以在保證跟蹤性能的同時極大地提高其抗干擾性能。
6 仿真結(jié)果分析
采用Matlab7.0對本文所提出的雙模控制策略進(jìn)行仿真研究。PMLSM的額定參數(shù)為 M=10 kg,B=1.2 N°s/m,Kf=25 N/A,Fe=150.00 N,采樣周期為0.5 ms。為了模擬端部效應(yīng)引起的推力波動,在0.75 s時突加負(fù)載擾動F ef=30×sin(25t)N[8]。參考輸入信號rin(t)=0.5 sin(6πt)。NNI辨識器的學(xué)習(xí)速率置為η=0.2,慣性系數(shù)α=0.05。權(quán)值的初始值取[-1,+1]之間的隨機(jī)值[10]。并經(jīng)試驗,取ε=0.015為誤差閾值。為便于比較,本文也給出了一自由度PID控制器的控制仿真。
圖5a、圖5b分別給出了突加負(fù)載擾動時一自由度控制與雙?？刂频闹本€伺服系統(tǒng)位置響應(yīng)曲線。圖5c為兩者的跟蹤誤差比較,從對比中可以看出,在推力波動的影響下雙模控制的跟蹤性能優(yōu)于一自由度控制。
圖5 突加負(fù)載時的位置響應(yīng)曲線Fig.5 Position response curve while insert disturb
圖6 參數(shù)波動時的位置響應(yīng)曲線Fig.6 Position response curve while parameters waves
圖6a、圖6b分別給出了參數(shù)波動情況下一自由度控制與雙?？刂频闹本€伺服系統(tǒng)位置響應(yīng)曲線。在0.75 s時,動子質(zhì)量由M突變到2M。圖6c為兩者的跟蹤誤差比較,從對比中可以看出,在系統(tǒng)參數(shù)發(fā)生變化時雙?？刂频母櫺阅芤矁?yōu)于一自由度控制。
7 結(jié)論
本文分別介紹了基于RBF神經(jīng)網(wǎng)絡(luò)辨識的單神經(jīng)元PID控制和基于神經(jīng)網(wǎng)絡(luò)給定補(bǔ)償?shù)膹?fù)合控制,并說明了兩種控制策略的優(yōu)缺點(diǎn)。借助于雙?？刂?將這兩種控制策略的優(yōu)點(diǎn)進(jìn)行結(jié)合達(dá)到了很好的控制效果。仿真實(shí)驗結(jié)果表明,該方法具有學(xué)習(xí)速度快、跟蹤精度高、抗干擾能力強(qiáng)、魯棒性好等特點(diǎn)。在高精度的數(shù)控機(jī)床應(yīng)用中有一定的可行性。
[1]舒志兵.交流伺服運(yùn)動控制系統(tǒng)[M].北京:清華大學(xué)出版社,2006.
[2]Zhu Yu-wu,Cho Yun-hyun.Thrust Ripples Suppression of Permanent Magnet Linear Synchronous Motor[J].IEEE Trans.on Magnetics,2007,43(6):2537-2539.
[3]郭慶鼎,孫宜標(biāo),王麗梅.現(xiàn)代永磁電動機(jī)交流伺服系統(tǒng)[M].北京:中國電力出版社,2006.
[4]Shi Tingna,Xia Changliang,Wang Mingchao,etal.Single Neural PID Control for Sensorless Sw itched Reluctance Motor Based on RBF Neural Network[C]∥WCICA 2006.The Sixth World Congress on Intelligent Control and Automation,2006,2:8069-8073.
[5]Zhang Ming-guang,Li Wen-hui.Single Neu ron PID Model Referen ce Adap tive Control Based on RBF Neu ral Netwo rk[C]∥2006 International Conference on M achine Learning and Cybernetics,2006:3021-3025.
[6]吳雪芬.基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的PM LSM速度控制研究[J].電氣傳動,2008,38(6):37-39.
[7]李慶雷,王先逵.永磁交流同步直線電機(jī)位置伺服控制系統(tǒng)設(shè)計[J].中國機(jī)械工程,2001,12(5):577-581.
[8]夏加寬,王成元,李皞東,等.高精度數(shù)控機(jī)床用直線電機(jī)端部效應(yīng)分析及神經(jīng)網(wǎng)絡(luò)補(bǔ)償技術(shù)研究[J].中國電機(jī)工程學(xué)報,2003,23(8):100-104.
[9]Narendra K S,Parthasarathy K.Identification and Con trol of Dynamical Systems Using Neural Networks[J].IEE E Transactions on Neu ral Networks,1990,1:4-27.
[10]耿文波,郭緒陽,祁小輝.基于RBF神經(jīng)網(wǎng)絡(luò)PID控制的交流伺服系統(tǒng)[J].微計算機(jī)信息(測控自動化),2008,24(19):313-314.
猜你喜歡
大電機(jī)技術(shù)(2022年4期)2022-08-30 01:38:54
遙測遙控(2022年1期)2022-02-11 08:01:40
新疆鋼鐵(2021年1期)2021-10-14 08:45:38
能源工程(2020年6期)2021-01-26 00:55:18
航天控制(2020年5期)2020-03-29 02:10:22
鐵道通信信號(2020年10期)2020-02-07 01:01:14
電子技術(shù)與軟件工程(2016年19期)2016-12-19 18:21:55
祖國(2016年20期)2016-12-12 19:19:24
數(shù)字技術(shù)與應(yīng)用(2015年3期)2015-06-15 14:54:17
電測與儀表(2015年21期)2015-04-09 11:52:14
