摘要：针对永磁直线同步电动机(PMLSM)存在电流耦合以及在运行过程中易受参数变化的影响使系统鲁棒性降低,本文设计了一种基于滑模自抗扰的电流偏差解耦控制(SADRC-CDDC)方法。从参考电流与实际电流作差处引入两轴交叉耦合支路,建立含耦合项的电流控制方程,计算出耦合量并对系统进行补偿,设计电流偏差解耦控制器(CDDC),用于削弱d、q轴电流耦合量的影响。但是当电感参数发生变化时,并不能实现解耦,为此利用滑模自抗扰控制器(SADRC)解决参数变化对系统造成的扰动,并对系统进行补偿,进而实现近似完全解耦。从理论上分析证明该控制器的渐近稳定性,提高了系统的鲁棒性。通过系统实验,验证所设计的SADRC-CDDC方案的有效性,与CDDC相比,SADRC-CDDC在受到电流耦合、参数变化时,d轴电流最大振荡幅度减小了34.88%~54.76%,q轴电流最大振荡幅度减小了47.83%~71.43%,具有更强的鲁棒性。

摘要：针对双轴直驱平台伺服系统中存在同步进给的问题,提出一种交叉耦合迭代学习控制器与自适应加加速度控制器相结合的新型同步控制方法。首先,构建同步误差,利用交叉耦合控制器解决双轴的耦合问题;设计自适应PD型学习律减小同步误差,实现双轴协调同步。采用模型前馈控制补偿系统的参数不确定性,提高系统的响应速度。自适应加加速度控制器抑制系统中外部扰动、摩擦力等不确定性因素,实现系统的渐近跟踪控制。加加速度积分后形成反馈控制律,保证了控制信号的稳定性和连续性。设计自适应更新律,使鲁棒增益实现指数收敛并削弱测量噪声对系统的影响,增强系统的鲁棒性。系统实验结果表明,该方法能够明显地提高系统的同步性能,改善双轴直驱平台伺服系统的控制精度。

摘要：针对高精度永磁直线同步电动机伺服系统容易受摩擦力、负载扰动和参数变化等不确定性因素的影响,提出了一种自适应反推滑模控制(ABSMC)和多阶段速度规划(MVP)相结合的控制方法。建立了含有不确定性的永磁同步直线电动机(PMLSM)数学模型,采用反推设计方法,并通过滑模控制和李雅普诺夫函数设计自适应律,从理论上证明了该控制器抑制了不确定性因素,保证系统的鲁棒性和快速跟踪性。为进一步减小瞬时超调量,对每个阶段的速度滑模函数进行设计,采用MVP,利用切换控制来改变系统的控制模式,达到高精度定位控制。最后系统实验结果表明,所提出的控制方案是可行有效的,提高了PMLSM的定位精度,减小了瞬时超调量。

摘要：为解决永磁直线同步电机(PMLSM)伺服系统位置跟踪精度易受参数变化、负载扰动、摩擦力等不确定性因素影响的问题,该文提出一种基于径向基函数(RBF)神经网络反推终端滑模控制方法。首先,建立含有不确定性的PMLSM动态数学模型。然后,采用反推终端滑模控制将系统状态在有限时间内收敛到平衡点,提高系统的响应速度;为了进一步削弱抖振现象,利用双曲正切函数与边界层厚度相结合来设计饱和函数,以取代符号函数;并且利用RBF神经网络去逼近系统中存在的不确定性,进而获得快速的跟踪性能和较强的抗扰能力。最后,实验结果表明,所提出的控制方法不仅改善了系统的跟踪性和鲁棒性,而且明显削弱了抖振问题。

摘要：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.

摘要：为提高永磁直线同步电动机(PMLSM)伺服系统的控制性能,解决参数变化、外部扰动和摩擦力等不确定性因素对系统影响的问题,提出一种基于函数链径向基神经网络(FLRBFNN)的自适应反推控制(ABC)方法。首先建立含有不确定性因素的PMLSM动态模型;其次,利用ABC中的自适应律对系统总不确定性进行估计,但在设计ABC时存在大量求导运算,以至于产生"微分爆炸"现象。因此,为解决这一问题并进一步提高系统性能,采用FLRBFNN在线学习并调整控制器参数,FLRBFNN将径向基神经网络(RBFNN)和函数链神经网络(FLNN)相结合,利用FLNN增大神经网络搜索空间,提高网络收敛速度和收敛精度,从而提高RBFNN估计系统不确定性的能力,有效降低不确定性因素对系统的影响。实验结果表明,该方法切实可行,与ABC相比,能够使系统具有较强的鲁棒性能和跟踪性能。

摘要：针对永磁直线同步电机(PMLSM)直接驱动伺服系统易受参数变化、外部扰动和摩擦力等不确定性影响,而降低系统控制性能的问题,提出一种基于递归小波Elman神经网络(RWENN)的互补滑模控制方法。首先,建立含有不确定性的PMLSM动态模型;其次,采用积分滑模面和互补滑模面相结合设计互补滑模控制器。为解决互补滑模控制器参数选取困难的问题并估计系统存在的总不确定性,将互补滑模控制与RWENN相结合。利用RWENN代替互补滑模控制中的切换控制,RWENN可在线训练网络参数并实时调整参数。另外,为进一步提高鲁棒性,设计鲁棒补偿器对RWENN的参数逼近误差进行补偿。实验结果表明,该方法不仅降低了系统的抖振现象,保证了位置跟踪精度,还提高了系统的鲁棒性能。

摘要：针对永磁直线同步电机(PMLSM)直接驱动伺服系统易受参数变化、外部扰动、端部效应等不确定性因素的影响,提出了一种自适应增量滑模控制(AISMC)方法。通过利用系统先前的状态信息和控制动作来设计增量滑模控制器,同时选择饱和函数作为切换函数,不仅削弱了抖振,而且提高了系统的跟踪性能。然后利用自适应控制来观测和补偿参数变化与外部扰动等不确定性因素的影响,并对不确定性参数的界限进行实时估计,设计出自适应增量滑模控制器。从理论上分析证明了此控制器可以保证系统收敛,具有快速的收敛速度,提高了直线伺服系统的跟踪性能。通过系统实验,证明了所提出的AISMC方案的有效性,与滑模控制(SMC)相比,基于AISMC的系统具有较强的鲁棒性和精确的跟踪性,明显削弱了抖振现象。

摘要：针对永磁直线同步电机(PMLSM)伺服系统的位置跟踪精度问题,提出了一种基于径向基函数(RBF)神经网络的智能互补滑模控制(ICSMC)方法。建立了包含端部效应、参数变化、外部扰动及非线性摩擦等不确定性因素的PMLSM动态方程。设计了互补滑模控制器,采用广义滑模面和互补滑模面相结合的设计,降低了系统跟踪误差,提高了系统响应速度,并削弱了抖振现象;利用RBF神经网络直接对系统存在的不确定性进行估计,在线调整RBF网络参数以改善系统动态性能,提高系统鲁棒性,并用李雅普诺夫定理保证系统闭环稳定性。通过分析系统实验结果,验证了所提出的控制方法有效降低了系统跟踪误差,并使系统具有良好的动态性能和鲁棒性能。

摘要：针对永磁直线同步电动机(PMLSM)伺服系统存在的端部效应、负载扰动及参数变化等不确定性因素,采用一种将反推控制和自适应径向基神经网络(RBFNN)相结合的控制方法。首先,针对电机系统多扰动非线性特性设计一种反推控制方案,利用反推思想根据期望的运动轨迹来计算跟踪误差,将其作为下一个子系统的控制目标,并利用Lyapunov稳定性理论对每个子系统设计虚拟控制律,保证系统的全局稳定。但在设计中不确定性是未知且难得到的,因此,采用自适应RBFNN在线估计和补偿不确定性,克服不确定性因素对系统性能的影响,提高位置伺服控制的精度,利用Lyapunov函数推导出自适应律以在线调整神经网络的参数。最后,实验结果表明该方案是有效可行的,与反推控制方案相比,基于自适应RBFNN的反推控制系统具有更好的位置跟踪性和抗扰性。