摘 要:针对直接驱动的直线永磁同步伺服系统,提出一种基于滑模控制和神经网络控制相结合的双自由度控制策略。滑模输入控制器保证了系统对给定的快速跟踪性能;神经网络输出反馈控制器对系统参数摄动和外在阻力变化进行抑制,并削弱了滑模控制引起的系统抖振。该控制策略很好地解决了直线永磁同步伺服系统的跟踪性能和鲁棒性能之间的矛盾。仿真结果表明该方案在保证伺服系统快速性的同时,对参数摄动和阻力扰动(尤其是非线性时变扰动)具有很好的鲁棒性。
关键词:直线永磁同步伺服系统;滑模变结构控制;神经网络控制
0引 言
直线永磁同步电动机(以下简称PMLSM)是直接将电能转换为直线运动的推力装置,将负载直接与PMLSM的动子相连,消除了机械速度变换机构所带来的一些不良影响,如摩擦、机械后冲、弹性形变等,在高精度、微进给伺服系统中成为执行机构最佳选择。但是,由于直线电机的动子直接驱动负载,负载变化和外部干扰将直接影响伺服系统的性能,同时,直线电机的端部效应、系统参数(动子质量、粘滞摩擦系数等)的变化、摩擦阻力的非线性变化以及状态的观测噪声等都会降低系统的伺服性能[1]。为了保证系统的性能,传统的PID控制已无法胜任,需要寻求新的控制方法使系统在保证快速跟踪性能的同时,对不确定扰动具有很强的鲁棒性。
常规的单自由度控制结构很难同时保证系统对输入的跟踪性能和对扰动的抗扰性能。双自由度(2DOF)控制是通过对给定输入响应的控制器C1(s)和对扰动响应的控制器C2(s)进行相互独立设计,可以解决跟踪性能和抗扰性能之间的矛盾。滑模变结构控制具有快速性、鲁棒性和实现简单等优点,使系统对不确定参数、参数变化、数学描述的不确定性及外部扰动具有不变性。但是在实际系统中,由于系统在时间和空间上存在着滞后,滑模切换控制的不连续性将使系统产生“抖振”现象,并且“抖振”的幅度与系统参数变化的范围及外部扰动的幅值成正比关系[2]。“抖振”将影响直接驱动伺服系统的平稳性和定位精度,增加能量损耗等。
本文采用滑模控制方法来设计双自由度控制系统中的输入控制器C1(s),从而得到一种具有强鲁棒性的滑模双自由度控制方案;采用具有很强的学
习能力的神经网络方法来设计双自由度控制系统的输出反馈控制器C2(s),通过在线学习能够在保证系统稳定性的同时,对参数摄动和扰动(尤其是非线性时变扰动)进行有效的抑制补偿,并且削弱滑模控制的抖振,提高伺服系统的稳态精度。
由于滑模变结构控制是通过高频切换控制使系统的结构在动态过程中做有目的的改变,使系统运动状态对不确定因素、参数变化、数学模型的不确定性及外部扰动具有不确定性。同时,滑模控制具有快速响应的优点[4]。因此,为了保证系统具有良好的动态跟踪性能,引入滑模控制方法来设计输入控制器。用神经网络方法来设计输出反馈控制器,由于神经网络具有很强的自学习能力,能够对各种扰动和模型的参数摄动进行实时学习,在保证系统稳定性的同时,对系统参数摄动和外在阻力变化进行抑制,并削弱滑模控制引起的系统抖振。这样,不仅可以使系统具有很强的鲁棒性,而且能够提高系统的稳态精度。
根据前面的算法描述,我们在MATLAB/Simu-link环境下建立了滑模输入控制器的仿真子模块和基于滑模控制和神经网络控制相结合的双自由度控
制策略的直线永磁同步伺服系统的仿真平台。除了滑模输入控制器和神经网络输出反馈控制器两个模块外,该仿真平台还包括2/3变换模块、PWM模块、PMLSM对象模块。
本文针对直线永磁同步伺服系统提出的基于滑模控制和神经网络控制的双自由度控制策略,充分利用了滑模控制的快速性和神经网络的自学习能
力,有效的克服了各自的缺点,仿真实验结果表明该方案是有效可行的。通过神经网络方法来设计双自由度控制系统的输出反馈控制器,利用神经网络的在线学习能力保证系统稳定性的同时,对参数摄动和扰动(尤其是非线性时变扰动)进行有效地抑制补偿,并且削弱滑模控制的抖振,提高伺服系统的稳态精度,从而大大提高了伺服系统对参数摄动和外在阻力扰动(尤其是非线性时变扰动)的鲁棒性。而且,基于这种控制策略的直线永磁同步伺服系统设计比较简单,也容易实现,在对高速、高精度化要求不断提高的数控加工领域具有一定的应用价值。
|
