永磁直线伺服系统非线性自适应鲁棒控制器设计

对永磁直线伺服系统提出非线性自适应鲁棒控制器的设计方法。在永磁直线伺服系统非线性数学模型的基础上,为实现对速度和电流的准确跟踪,建立了误差系统的动态模型。将跟踪和干扰抑制归结为非线性自适应鲁棒控制器设计问题,通过构造存储函数得到包含电阻辨识算法的自适应鲁棒控制器的定理,证明定理给出的控制器能满足干扰抑制和系统的渐进稳定。仿真结果表明,用该方法设计的系统能很好的抑制扰动和跟踪给定,满足对高性能永磁直线伺服系统控制的要求。     

基于反馈线性化的永磁直线同步电机自适应动态滑模控制

在高速、高精度永磁直线同步电机伺服系统中,直轴电流和交轴电流之间、线速度和电流之间存在的非线性耦合及参数摄动和负载扰动等不确定因素,严重影响速度跟踪精度和响应速度.为此,该文采用反馈线性化控制方法,通过坐标变换和状态反馈,将电机仿射非线性模型解耦线性化为独立的电流子系统和线速度子系统.在线性化模型的基础上,设计动态滑模控制器,降低反馈线性化控制对直线电机数学模型的依赖性,提高伺服系统的鲁棒性.同时设计自适应控制律估计系统不确定性扰动,削弱系统抖振现象.仿真和实验结果表明,所提出的控制策略能有效提高速度跟踪性能,增强系统的鲁棒性.     

永磁直线同步电机现代控制策略综述

永磁同步直线电机在高精度、高速率的工业生产中应用越来越广泛,但由其组成的伺服系统属非线性、多变量、多耦合系统。为了更加平稳准确地控制直线电机的伺服系统,以满足其在工业生产中的应用,论文根据永磁同步直线电机伺服系统的性质和应用特点,并结合国内外的相关文献,综述了一些现代控制策略在永磁同步直线电机伺服系统中的应用。系统针对不同的控制要求,应选择合适的控制策略,才能达到满意的控制效果。     

无轴承永磁同步电动机的非线性L2鲁棒控制

对无轴承永磁同步电动机提出非线性L2鲁棒控制。在考虑负载、电机电阻以及转子离心力等各种干扰的情况下建立了电机的非线性数学模型,并且通过构造适当的存储函数推导出用于描述L2鲁棒控制器的四个控制律,最后利用仿真测试转速和转子悬浮的抗干扰性能证实了控制律能满足干扰抑制和系统的渐进稳定。     

直线永磁同步伺服系统的滑模-神经网络控制

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.     

开关磁阻电机伺服系统的L2增益鲁棒控制方法

通过对开关磁阻电机非线性特性分析,提出了开关磁阻电机(SRM)伺服系统L2鲁棒控制器设计方法.建立速度误差动态方程,结合L2鲁棒控制器理论,通过L2控制器的设计解决了SRM的负载扰动和转速跟踪问题.设计存储函数证明L2控制器实现了扰动抑制和渐进稳定.仿真结果表明,该控制器能够保证系统达到很好的扰动抑制和转速跟踪效果.     

交流永磁直线伺服系统的神经网络--滑模双自由度控制

文章针对直接驱动的交流永磁直线伺服系统，提出一种将非线性神经网络控制和滑模控制相结合构成的双自由度控制策略。该控制策略解决了直线伺服系统跟踪性能的鲁棒性能之间的矛盾。采用滑模控制方法设计输入控制器，保证系统对给定的快速跟踪性能；输出反馈控制器采用神经网络来实现，对系统参数变化和阻力扰动（包括直线电机端部效应引起的推力波动）进行很大程度的抑制。并可以消除扰动引起的滑模控制抖振对系统稳态性能的影响。同时，滑模控制的快速性又能大大加快神经网络的收敛速度。仿真实验结果表明该方案在保证伺服系统的快速性同时，对系统参数变化和阻力扰动具有很强的鲁棒性，大大提高了直接驱动系统的伺服精度。     

永磁直线伺服系统H∞鲁棒控制的综合与分析

基于鲁棒控制理论对永磁直线伺服系统进行综合与分析,在建立系统状态空间模型的基础上,将直线伺服系统的综合问题归结为标准的H∞控制问题,通过求Riccati不等式的对称正定解得到H∞控制器,以保证系统的鲁棒性;同时,分析了采用H∞控制器的系统性能。仿真实验结果表明,用该方法设计的控制系统具有良好的抑制扰动和跟踪给定效果,满足对高性能直线伺服系统控制的要求。     

永磁同步直线电机的小波神经网络控制

针对永磁同步直线电机跟踪性能易受推力波动、摩擦力等干扰严重影响的问题,提出了基于小波神经网络的控制方法。分析证明了所构建的小波神经网络能以任意精度逼近主要干扰:非线性推力波动干扰。并且在复合前馈PID控制方法的基础上,利用小波神经网络实现了对永磁同步直线电机干扰的在线估计补偿。小波神经网络的控制实验的跟踪误差为0.15 mm,精确度为0.75%,实验结果表明,与复合前馈PID控制方法和神经网络自适应逆模型控制方法相比,基于小波神经网络的控制方法有效地提高了系统的跟踪性和鲁棒性,并能有效消除干扰对系统的影响。     

永磁直线伺服系统的速度H∞控制器优化设计

对永磁直线伺服系统的速度H∞控制器提出优化设计,建立了基于模型匹配二自由度系统的状态空间模型,并将速度控制器设计归结为标准的H∞控制问题;用线性矩阵不等式法得到输出反馈??次优H∞控制器,以保证直线系统的鲁棒性.仿真和实验结果表明,用该方法设计的直线伺服系统能够很好的抑制扰动和跟踪给定.     

直线伺服系统的鲁棒保性能控制研究

对具有不确定性的直线电机伺服系统进行鲁棒控制。把一矢量控制的永磁直线电机构成一个三环系统，在速度环和电流环内采用IP速度控制器和状态反馈控制器，以实现电机的高精度快速进给，并抑制外部扰动对系统的影响。为了保证对于所有允许的参数不确定性，系统都具有所期望的性能，采用保性能控制方法设计其最优状态反馈保性能控制器。对电机在两种最恶劣情况下作了仿真实验。结果表明，和传统的方法相比，用该方法设计的直线伺服系统具有性能鲁棒性，当参数变化时，系统具有较好的抗扰性和跟踪性能。     

中凸变椭圆活塞直线伺服系统的变增益零相位误差跟踪-滑模控制

针对中凸变椭圆活塞直线伺服驱动系统,提出了变增益零相位误差跟踪-滑模控制这一新型控制策略,以提高系统的跟踪性能和抗扰性能.它结合了变增益零相位误差跟踪控制器的理想跟踪特性与滑模控制器的抗扰动能力的优点,并采用扰动观测器对负载扰动进行估计和补偿,从而保证了中凸变椭圆活塞直线伺服驱动系统的快速稳定性.仿真结果表明,采用这种控制策略可以十分有效地减小中凸变椭圆活塞直线伺服驱动系统的跟踪误差.     

圆筒型永磁直线电动机电流L2控制

将圆筒型永磁直线电动机的参数变化看作系统的干扰,采用状态空间法,在旋转坐标系下建立圆筒型永磁直线电动机模型;根据所建立的模型,将永磁直线电动机电流控制器的设计问题转化为L2控制标准问题;对L2控制标准设计问题,选取二次型函数作为HJI不等式存储函数,采用线性矩阵不等式方法,推导出了电流控制器的解析表达式,并且证明了该闭环系统是渐进稳定的。通过一个L2控制器,实现了对d轴和q轴电流的控制。仿真研究表明,L2控制策略能够抑制圆筒型永磁直线电动机参数变化对电流的影响。     

采用自抗扰控制器的永磁直线电动机速度控制

设计了一种基于自抗扰控制原理的永磁直线电动机调速系统。将系统内部模型的不确定性与系统的外部扰动统一视为系统的未知干扰，通过扩张状态观测器来估计，根据估计状态设计非线性反馈控制律进行直接反馈线性化补偿，使直线电动机速度调节转化为解耦的线性系统的控制。仿真结果验证了该控制策略对状态的正确估计，以及对摩擦力和纹波推力扰动对速度精度影响抑制的可行性和鲁棒性。     

重复控制算法在转台伺服系统中的应用

针对转台伺服系统中周期性波动力矩扰动抑制问题,利用重复控制算法能以十分简单的控制器形式高精确度地完成跟踪或抑制周期性参考信号或扰动信号的优点,提出了一种基于扰动观测器的鲁棒学习控制算法.给出了基于扰动观测器的转台伺服系统结构图,并将重复控算法引入到基于扰动观测器的扰动补偿策略中.L2稳定性定理证明该方法保证了闭环系统的稳定性和对期望信号的渐近跟踪;仿真结果也表明,该方法较传统方法既有效地抑制了系统周期性波动力矩,又提高了系统运动曲线的跟踪性能.     

基于鲁棒非线性控制的无刷直流电机调速系统

设计了一种基于鲁棒非线性控制的无刷直流电机速度伺服系统。控制律中包含线性反馈、非线性反馈和扰动补偿三部分,分别实现快速响应、抑制超调和消除稳态误差的功能,采用一个降阶观测器对系统的不可量测状态和未知常值扰动进行估计。通过Matlab/Simulink进行仿真研究,结果表明所设计的控制系统可以对目标转速进行快速平稳和准确的跟踪,且对负载扰动和系统参数差异具有较好的性能鲁棒性。     

BLDC位置伺服系统的离散变结构控制

针对离散变结构控制系统的抖振，在离散趋近率的基础上，提出了一种扰动动态补偿的离散趋近率，设计了离散变结构控制(DVSC)策略，研究了变结构控制系统的鲁棒性能，应用于无刷直流电动机(BLDC)位置伺服系统。理论推导与仿真实验表明：新的离散变结构控制策略可以明显改善系统的品质，增强系统的鲁棒性。     

Intelligent control of induction servo motor drive via wavelet neural network

This study presents an intelligent control system for an induction servo motor drive to track periodic commands using a wavelet neural network (WNN). With the field orientation mechanism, the dynamic behavior of the induction servo motor drive system is rather similar to a linear system. However, the uncertainties, such as mechanical parametric variation, external disturbance, unstructured uncertainty due to nonideal field orientation in transient state, and unmodelled dynamics in practical applications influence the control performance. Therefore, an intelligent control system that is an on-line trained WNN controller with adaptive learning rates is proposed to control the rotor position of the induction servo motor drive. The adaptive learning rates are derived in the sense of discrete-type Lyapunov stability theorem, so that the convergence of the tracking error can be guaranteed in the closed-loop system. In the whole design process, the strict constrained conditions and prior knowledge of the controlled plant are not necessary according to the powerful learning ability of the intelligent control system. With the proposed intelligent control system, the controlled induction servo motor drive possesses the advantages of good tracking control performance and robustness to uncertainties under wide operating ranges. The effectiveness of the proposed control scheme is verified by both simulated and experimental results.