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。

摘要：针对永磁直线同步电动机(permanent magnet linear synchronous motor,PMLSM)驱动的数控机床易受参数变化、负载扰动以及摩擦力等不确定性影响的问题,提出一种基于质量辨识扰动观测器(disturbance observer with mass identification,DOB-MI)的自适应反推互补滑模控制(adaptive backstepping complementary sliding mode control,ABCSMC)策略。设计ABCSMC方法抑制不确定对系统的影响。通过引入自适应律,ABCSMC的边界层能够实现动态变化,保证系统具有全局鲁棒性,且ABCSMC可对不确定性在线估计并调整,从而提高位置跟踪精度。由于在实际应用中,负载质量变化会对系统性能造成极大的影响,因此,利用离散模型参考自适应辨识理论,设计DOB-MI辨识动子质量并计算出补偿电流以补偿负载扰动对系统的影响。仿真与实验结果表明,该方法提高了系统的位置跟踪精度,对参数变化和负载扰动等不确定性具有极强的抑制能力。

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：由于永磁直线同步电机(PMLSM)伺服系统应用于一些高精密场合,因此克服系统存在的负载扰动、参数变化等不确定性影响是提高系统性能的关键.针对不确定性问题,采用一种基于自适应模糊控制器(AFC)和非线性扰动观测器(NDO)的反馈线性化控制方法.首先设计反馈线性化控制器(FLC)实现系统的线性化,便于位置跟踪;其次采用NDO估计并补偿系统的不确定性,提高跟踪精度.但在实际运行过程中观测器增益较难选取,极易产生较大的观测误差,为此,采用AFC方法逼近NDO的观测误差,通过自适应律动态调整模糊规则,改善模糊控制器的学习能力,增强系统的鲁棒性,并用李雅普诺夫定理保证系统闭环稳定性.实验结果表明,与基于DOB和NDO的反馈线性化位置控制相比,该方法能够明显提高系统的跟踪性和鲁棒性.

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：针对永磁同步电动机(PMSM)伺服系统在受外部扰动、参数变化等不确定性因素影响下系统鲁棒性变差的问题,提出一种基于改进灰狼优化算法的永磁同步电动机滑模自抗扰控制方案。首先,对传统扩张状态观测器存在的峰值问题而降低不确定性的观测精确度,设计了变增益扩张状态观测器,通过降低初始增益来提高观测精确度。其次,用滑模控制器代替传统自抗扰控制中的非线性误差状态反馈环节,进而提高系统的鲁棒性。由于参数比较多不易调节,利用改进灰狼优化算法对参数进行优化,充分发挥控制器的性能。基于Lyapunov理论分析了该方案的稳定性。通过系统仿真实验结果表明,该方法能够有效跟踪速度给定,克服参数变化、负载扰动等不确定性因素的影响,保证了PMSM伺服系统的强鲁棒性。

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：执行重复性运动任务的永磁直线同步电动机(PMLSM)伺服系统易受参数变化、未建模动态、摩擦力和推力波动等周期性扰动的影响,导致系统无法长期稳定运行,故采用周期性学习扰动观测器(PLDOB)来削弱这些扰动。首先利用扰动观测器(DOB)估计初始周期内的扰动,然后将所估计的扰动作为PLDOB中周期学习律的初始条件,进而校正每个后继周期内的扰动。该方法直接从扰动的角度设计,不仅能在保证系统长期稳定运行的前提下使跟踪误差快速收敛到零,同时还可以补偿DOB中Q-滤波器带宽以外的扰动以及扰动的相位滞后。实验结果表明所提控制方案是有效的,明显提高了系统的跟踪性能和抗扰性能。

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动机(PMLSM)伺服系统存在的参数变化、外部扰动和摩擦力等不确定性因素,该文采用了积分反推控制和自适应改进Elman神经网络相结合的控制方案。首先,针对PMLSM伺服系统的非线性特性,利用积分反推控制方法,通过逐步修正算法来设计虚拟控制函数,实现系统的全局调节和位置跟踪;其次,设计自适应改进Elman神经网络来估计系统中存在的不确定性,且利用基于Lyapunov函数的自适应律推导出神经网络的在线参数学习律,使系统具有适应时变特性的能力,克服不确定性对系统的影响,从而提高系统的鲁棒性;最后,实验结果表明所提出的控制方案是有效的,明显提高了系统的跟踪性能和鲁棒性能。