基于神經(jīng)網(wǎng)絡(luò)的有限轉(zhuǎn)角力矩電動機(jī)滑?？刂?/h1>
2015-03-12 09:24:58王自強(qiáng)
微特電機(jī) 2015年11期
許 輝，王自強(qiáng)
(北京航空航天大學(xué)，北京100191)
0 引 言
隨著電機(jī)設(shè)計技術(shù)的發(fā)展，需要具有各種不同工作形式的電機(jī)以滿足自動控制系統(tǒng)的要求，20 世紀(jì)70 年代起發(fā)展起來了一種新型電機(jī)——有限轉(zhuǎn)角力矩電動機(jī)(以下簡稱LATM)［1］，它與傳統(tǒng)電機(jī)的運(yùn)動方式有所不同，能在有限轉(zhuǎn)角范圍內(nèi)圍繞某一特定中心位置做周期性往復(fù)運(yùn)動，從而提供了一種特殊的工作方式。有限轉(zhuǎn)角力矩電動機(jī)相比傳統(tǒng)的力矩電動機(jī)，具有結(jié)構(gòu)簡單、輸出力矩大、可靠性高、波動小且易于控制等突出的優(yōu)點(diǎn)。由這類電機(jī)構(gòu)成的位置伺服系統(tǒng)頻帶寬、體積小、動態(tài)響應(yīng)快，適用于掃描型紅外成像系統(tǒng)等高精度、高性能要求的控制系統(tǒng)。但由于有限轉(zhuǎn)角力矩電動機(jī)是多變量、非線性的復(fù)雜對象，而傳統(tǒng)的的PI 控制不能很好地控制它［2］，因而在此選擇滑?？刂疲?3］來滿足其控制性能。滑模變結(jié)構(gòu)控制廣泛應(yīng)用于電機(jī)控制領(lǐng)域，可以應(yīng)用在同步電機(jī)、異步電機(jī)以及直流電機(jī)中［3］。
滑?？刂?以下簡稱SMC)對系統(tǒng)的精度要求不高，對外部擾動、內(nèi)部參數(shù)攝動具有強(qiáng)魯棒性［4］，因而近年來成為許多學(xué)者青睞的控制方法，已經(jīng)比較普遍用于永磁同步電動機(jī)［5］、直流電動機(jī)等系統(tǒng)中。國外對滑模變結(jié)構(gòu)控制的研究時間比較早，研究的范圍也很廣，比如，既有對一般非線性系統(tǒng)的滑?？刂疲?］，也有針對的新型積分滑?？刂仆诫姍C(jī)的新型積分滑?？刂疲?］;為了能夠消除諧振、減少誤差，使RBF 神經(jīng)網(wǎng)絡(luò)控制與滑?？刂葡嘟Y(jié)合，設(shè)計了基于RBF 網(wǎng)絡(luò)的滑?？刂破鳎?-9］，很好地解決的存在的問題。近年來，國內(nèi)也有很多用滑?？刂苼砜刂葡到y(tǒng)的論文，文獻(xiàn)［12］針對風(fēng)電機(jī)組輸出功率的不穩(wěn)定，對槳距角進(jìn)行了RBF 神經(jīng)網(wǎng)絡(luò)滑?？刂?，結(jié)果表明，該控制很好地提高了系統(tǒng)的魯棒性，也有效地減少了抖振現(xiàn)象。文獻(xiàn)［14］中，為了減少負(fù)載擾動對永磁同步電動機(jī)的影響，作者設(shè)計了負(fù)載轉(zhuǎn)矩滑模控制器，并用實(shí)驗(yàn)方法驗(yàn)證了系統(tǒng)的抗干擾能力。
本文結(jié)合滑模變結(jié)構(gòu)控制和RBF 神經(jīng)網(wǎng)絡(luò)控制來控制此系統(tǒng)，得到系統(tǒng)控制率，并用Lyapunov方法證明控制率的穩(wěn)定性。最后進(jìn)行了實(shí)驗(yàn)研究和仿真分析［11］，結(jié)構(gòu)表明控制方法能很好地提高系統(tǒng)的魯棒性，改善了系統(tǒng)的動態(tài)性能。
1 LATM 的數(shù)學(xué)模型
LATM 是近幾十年迅速發(fā)展起來的一種特種電動機(jī)，在跟蹤、紅外及激光成像等系統(tǒng)中獲得了廣泛的應(yīng)用。LATM 在結(jié)構(gòu)和運(yùn)動形式上有別于一般的旋轉(zhuǎn)電機(jī)，它是在一定轉(zhuǎn)角范圍內(nèi)作往復(fù)運(yùn)動。這種電機(jī)具有良好的調(diào)節(jié)特性和機(jī)械特性，能直接驅(qū)動負(fù)載實(shí)現(xiàn)快速往復(fù)運(yùn)動。
LATM 的磁場由永磁體建立，電機(jī)各個磁路的磁阻隨著轉(zhuǎn)子位置的改變而改變，其遵循“磁阻最小原理”，即磁通總是沿著磁阻最小的路徑閉合。LATM 采用直流電壓控制，電壓方程如下:
LATM 的轉(zhuǎn)矩方程:
LATM 的運(yùn)動方程:
且:
式中:J 為轉(zhuǎn)動慣量;Tem為電磁轉(zhuǎn)矩;TL為負(fù)載轉(zhuǎn)矩;ω 為角速度;I 為電樞電流;M 為速度阻尼系數(shù);N 為撓性樞軸扭轉(zhuǎn)剛度;k 為電路放大倍數(shù);T 為電路延時時間常數(shù);Kem為電磁轉(zhuǎn)矩系數(shù)。
對式(1)～式(4)做Laplace 變換，可得到電機(jī)模型:
由式(1)～式(4)可得電機(jī)狀態(tài)矩陣:
狀態(tài)方程也可寫:
式中:D(T)為外界干擾，且滿足|D(T)|≤D。
2 控制策略
神經(jīng)網(wǎng)絡(luò)是一種具有高度非線性的連續(xù)時間系統(tǒng)，它對非線性系統(tǒng)有很好的映射能力，并且有著強(qiáng)大的學(xué)習(xí)功能。在滑模變結(jié)構(gòu)控制中添加神經(jīng)網(wǎng)絡(luò)控制，可以實(shí)現(xiàn)自適應(yīng)滑模控制。
2.1 RBF 神經(jīng)網(wǎng)絡(luò)
Darken C 和Moody J 在20 世紀(jì)80 年代提出了RBF 神經(jīng)網(wǎng)絡(luò)模型，它是具有單隱層的三層前饋網(wǎng)絡(luò)，圖2 為其結(jié)構(gòu)圖。已經(jīng)證明，RBF 網(wǎng)絡(luò)具有萬能逼近的性能［11］，因而可以很好地應(yīng)用在非線性度高的電機(jī)上，比如本文中的有限轉(zhuǎn)角力矩電動機(jī)。
圖2 徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖
用RBF 神經(jīng)網(wǎng)絡(luò)逼近函數(shù)f，則逼近算法:
式中:x 為網(wǎng)絡(luò)輸入;j 為網(wǎng)絡(luò)隱含層第j 個節(jié)點(diǎn);h =［hj］T為高斯函數(shù);W*為網(wǎng)絡(luò)理想權(quán)值;ε 為網(wǎng)絡(luò)逼近誤差，且ε≤εN。
2.2 控制器設(shè)計
本節(jié)進(jìn)行控制器的設(shè)計，定義角速度跟蹤誤差:
式中:X1d為理想跟蹤指令。
式(7)的微分:
設(shè)計滑模面:
由以上各式可得:
則可設(shè)計控制律率:
式中:sgn(s)為符號函數(shù);η 為學(xué)習(xí)效率，η ＞0。
由于參數(shù)J 是未知參數(shù)，所以我們采用RBF 神經(jīng)網(wǎng)絡(luò)來逼近A(J)，以實(shí)現(xiàn)穩(wěn)定控制。
RBF 神經(jīng)網(wǎng)絡(luò)輸入取x=［e1e·1］T，則RBF 網(wǎng)絡(luò)輸出:
式中:h(x)為RBF 神經(jīng)網(wǎng)絡(luò)的高斯函數(shù)。
將式(14)代入式(13)中，則控制率:
將式(15)代入式(12)中，得到:
其中:
為了實(shí)現(xiàn)有限轉(zhuǎn)角力矩電動機(jī)的動力學(xué)系統(tǒng)的穩(wěn)定控制，選取Lyapunov 函數(shù):
式中:γ ＞0。
對Lyapunov 函數(shù)求導(dǎo)，結(jié)合式(15)和式(16)，可以得到:
2.3 系統(tǒng)穩(wěn)定性分析
對控制系統(tǒng)來說，穩(wěn)定性是十分重要的。對一般系統(tǒng)而言，如果滿足滑模的存在及可達(dá)條件，則運(yùn)動進(jìn)入滑模動態(tài)區(qū)以后，就開始滑模運(yùn)動，對通常的反饋系統(tǒng)而言，都希望滑模運(yùn)動是漸進(jìn)穩(wěn)定的，下面就來證明本文中的控制方法是穩(wěn)定的。
由式(19)與式(20)可知:
由于逼近誤差ε 可以限制得足夠小，取η≥εN+D，可得≤0，所以是負(fù)定的，此控制方法是穩(wěn)定的。
3 仿真分析
為了驗(yàn)證以上理論研究的準(zhǔn)確性，下面對有限轉(zhuǎn)角力矩電動機(jī)控制系統(tǒng)進(jìn)行了仿真研究。電機(jī)參數(shù):速度阻尼系數(shù)M =3.88 ×10-5N·m·rad-1·s;撓性樞軸扭轉(zhuǎn)剛度N=0.028 9 N·m/rad;電路延時時間常數(shù)T =9.25 ×10-5s;電路放大倍數(shù)k =0.474;電磁轉(zhuǎn)矩系數(shù)Kem=0.032 N·m/A。
有限轉(zhuǎn)角力矩電動機(jī)的滑模控制系統(tǒng)結(jié)構(gòu)圖如圖3 所示。
首先利用MATLAB/Simulink 建立仿真模型，電機(jī)模型由MATLAB/Simulink 中的元件以及電機(jī)的數(shù)學(xué)模型搭建，RBF 網(wǎng)絡(luò)及滑?？刂破饔肕ATLAB語言編程，M 函數(shù)實(shí)現(xiàn)。
本文采用兩種控制方法對比的方法來驗(yàn)證所用算法的有效性?？刂品椒? 是傳統(tǒng)的PID 控制方法，控制方法2 是基于RBF 神經(jīng)網(wǎng)絡(luò)的滑?？刂品椒?。兩種控制器具有相同的誤差反饋增益。
為了著重突出本文中提出的基于RBF 神經(jīng)網(wǎng)絡(luò)的滑?？刂破鞯男阅軆?yōu)點(diǎn)，分別設(shè)計了以下幾組仿真進(jìn)行比較:
(1)為了比較系統(tǒng)的穩(wěn)定性和快速性，在控制過程中，相同的時間點(diǎn)突然加入一個脈沖擾動，通過角度跟蹤誤差，比較傳統(tǒng)PID 控制器與神經(jīng)網(wǎng)絡(luò)控制器的性能;
(2)為了比較傳統(tǒng)PID 控制器與神經(jīng)網(wǎng)絡(luò)控制器的抖振性能，在控制仿真的整個過程中，加入相同的噪聲干擾，通過角度跟蹤誤差，來比較兩種控制方法的優(yōu)劣。
由圖4(a)與圖5(a)可以看出，在0.06 s 時加入一個脈沖干擾，圖4(a)中傳統(tǒng)PID 控制的系統(tǒng)的跟蹤誤差有一個明顯的增大，差不多經(jīng)過一個周期才回歸正常，并且擾動峰值遠(yuǎn)超出了正常時誤差峰值;而在圖5(a)中，由RBF 神經(jīng)滑模控制的系統(tǒng)的跟蹤誤差雖有小幅增大，但很快趨于穩(wěn)定，其擾動峰值也沒有超過正常時的誤差峰值。說明RBF 神經(jīng)滑模控制具有更好的系統(tǒng)穩(wěn)定性和快速性。由圖4(b)與圖5(b)的仿真圖可知，當(dāng)仿真過程都加上噪聲干擾后，傳統(tǒng)PID 控制器的跟蹤誤差有0.023°，而基于RBF 神經(jīng)網(wǎng)絡(luò)的滑模控制器的跟蹤誤差只有0.015°。在相同的工作狀態(tài)下，相對于傳統(tǒng)PID控制器，基于RBF 神經(jīng)網(wǎng)絡(luò)的滑模控制器的跟蹤性能提升了34.8%。
4 實(shí)驗(yàn)驗(yàn)證
為了驗(yàn)證神經(jīng)網(wǎng)絡(luò)滑模控制器的優(yōu)越性以及可行性，通過搭建控制實(shí)驗(yàn)平臺進(jìn)行實(shí)驗(yàn)研究。有限轉(zhuǎn)角力矩電動機(jī)伺服系統(tǒng)主要包括有限轉(zhuǎn)角電機(jī)和控制器兩部分組成，如圖6 所示，控制器部分采用AD公司定點(diǎn)DSP中比較新的16位定點(diǎn)DSP，ADSP -2189。
圖6 實(shí)驗(yàn)平臺
圖7 為突加脈沖擾動后的跟蹤誤差曲線。從圖7 中可以看出，用傳統(tǒng)PID 控制的跟蹤誤差曲線沿坐標(biāo)軸向下方向有很明顯的脈動，而神經(jīng)滑?？刂频母櫿`差曲線則比較平緩，沒有較大脈動，這個結(jié)果與仿真結(jié)果基本一致。
圖8 為整個實(shí)驗(yàn)過程加入噪聲干擾后的跟蹤誤差曲線。從圖8 可以看出，神經(jīng)網(wǎng)絡(luò)滑?？刂扑a(chǎn)生的誤差遠(yuǎn)遠(yuǎn)小于傳統(tǒng)PID 控制所產(chǎn)生的誤差，誤差基本上減少了50%以上，這與前面的仿真結(jié)果一致。
從實(shí)驗(yàn)部分可以看出，神經(jīng)滑?？刂破鲗τ陂L時間工作在干擾環(huán)境下的電機(jī)，有很好的控制能力，大大增強(qiáng)了系統(tǒng)的魯棒性。
5 結(jié) 語
本文針對有限轉(zhuǎn)角力矩電動機(jī)系統(tǒng)存在的參數(shù)不確定性和非線性，建立了有限轉(zhuǎn)角力矩電動機(jī)的數(shù)學(xué)模型，提出了一種基于RBF 神經(jīng)網(wǎng)絡(luò)的有限轉(zhuǎn)角力矩電動機(jī)滑?？刂品椒?，對于控制系統(tǒng)存在的抖振現(xiàn)象，建立了其控制律，并采用李雅普諾夫理論證明了方法的收斂性。該方法克服了系統(tǒng)的非線性和對電機(jī)參數(shù)的依賴性，對負(fù)載擾動和電機(jī)參數(shù)擾動具有較強(qiáng)的魯棒性。理論分析和仿真分析均證明所提控制方案的有效性。最后通過實(shí)驗(yàn)驗(yàn)證了仿真結(jié)果的正確性，以及控制策略的可行性。從文中可以看出，神經(jīng)滑模控制很適合控制長時間工作在干擾環(huán)境中的電機(jī)，能很好地提高系統(tǒng)的穩(wěn)定性。
［1］ ZHANG Y，SMITH I R，KETTLWBOROUGH G.Performance evaluation for a limited-angle torque motor［J］. IEEE/ASME Transactions on Mechatronics，1999，14(3):335 -339.
［2］ DU Chun-yang，LI Tie-cai，CAO Zheng-cai.Accurate tracking control of a limited angel torque motor［J］. Electric machines and Power Systems，1999，27(11):1191 -1199.
［3］ UTKIN A，GULDNER J，SHI J X.Sliding mode control in electromechanical systems［M］.Oxon，UK:Taylor ＆ Francis，1999.
［4］ UTKIN V I. Variable structure systems with sliding modes［J］.IEEE Transactions on Automatic Control，1997，22(2):212-222.
［5］ 朱家廳，王莉娜，薛飛.永磁同步電機(jī)的滑模PI 模糊邏輯控制［J］.電氣傳動，2013，43(7):43 -48.
［6］ BOLIVARD M R，ZINOBER A S I，SIRA-RAMIREZ H.Dynamical adaptive sliding mode output tracking control of a class of nonlinear systems［J］. International Journal of Robust and Nonlinear Control，1997，7(4):387 -405.性積分滑?？刂疲跩］.北京航空航天大學(xué)學(xué)報，2014，40(3):321 -326.
［7］ LIN F J，CHIU S L，SHYU K K. Novel sliding mode controller for synchronous motor drive［J］. IEEE Transactions on Aerospace and Electronic Systems，1998，34(2):532 -542.
［8］ HUANG S J，HUANG K S，CHIOU K C. Development and application of a novel radial basis function sliding mode controller［J］.Mechatronics，2003，13(4):313 -329.
［9］ LIN S C，CHEN Y Y. RBF network based sliding mode control［C］//IEEE International Conference on Systems，Man，and Cybernetics，1994:1957 -1961.
［10］ 韓松杉，焦宗夏，汪成文，等. 基于神經(jīng)網(wǎng)絡(luò)的電液轉(zhuǎn)臺非線
［11］ 劉金琨.滑模變結(jié)構(gòu)控制MATLAB 仿真［M］.北京:清華大學(xué)出版社，2005:188 -235.
［12］ 秦斌，周浩，杜康，等.基于RBF 網(wǎng)絡(luò)的風(fēng)電記住變槳距滑?？刂疲跩］.電工技術(shù)學(xué)報，2013，28(5):37 -41.
［13］ 付子義，李華群，王振鋒.基于神經(jīng)網(wǎng)絡(luò)推力觀測器的永磁直線電機(jī)滑?？刂疲跩］.電氣傳動，2009，39(11):48 -51.
［14］ 張曉光，孫力，趙克.基于負(fù)載轉(zhuǎn)矩滑模觀測的永磁同步電機(jī)滑模控制［J］.中國電機(jī)工程學(xué)報，2012，32(3):111 -116.
猜你喜歡
玩轉(zhuǎn)角的平分線中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2021年9期)2021-11-20 06:11:52 基于組合滑?？刂频慕^對重力儀兩級主動減振設(shè)計中國慣性技術(shù)學(xué)報(2019年6期)2019-03-04 09:50:06 PMSM調(diào)速系統(tǒng)的自學(xué)習(xí)滑?？刂?/a>測控技術(shù)(2018年4期)2018-11-25 09:47:26 并網(wǎng)逆變器逆系統(tǒng)自學(xué)習(xí)滑?？箶_控制測控技術(shù)(2018年3期)2018-11-25 09:45:40 三次“轉(zhuǎn)角”遇到愛解放軍健康(2017年5期)2017-08-01 06:27:42 發(fā)動機(jī)阻力矩計算和起動機(jī)介紹山東青年(2016年12期)2017-03-02 18:22:48 永春堂贏在轉(zhuǎn)角知識經(jīng)濟(jì)·中國直銷(2016年2期)2016-11-07 09:33:42 小型力矩電機(jī)波動力矩的測量光學(xué)精密工程(2016年6期)2016-11-07 09:08:02 彈性負(fù)載力矩下舵偏轉(zhuǎn)角度的測量方法航天制造技術(shù)(2016年6期)2016-05-09 08:32:51 基于D-最優(yōu)化理論的陀螺儀力矩反饋測試法探測與控制學(xué)報(2015年4期)2015-12-15 15:00:56
許 輝，王自強(qiáng)
(北京航空航天大學(xué)，北京100191)
0 引 言
隨著電機(jī)設(shè)計技術(shù)的發(fā)展，需要具有各種不同工作形式的電機(jī)以滿足自動控制系統(tǒng)的要求，20 世紀(jì)70 年代起發(fā)展起來了一種新型電機(jī)——有限轉(zhuǎn)角力矩電動機(jī)(以下簡稱LATM)［1］，它與傳統(tǒng)電機(jī)的運(yùn)動方式有所不同，能在有限轉(zhuǎn)角范圍內(nèi)圍繞某一特定中心位置做周期性往復(fù)運(yùn)動，從而提供了一種特殊的工作方式。有限轉(zhuǎn)角力矩電動機(jī)相比傳統(tǒng)的力矩電動機(jī)，具有結(jié)構(gòu)簡單、輸出力矩大、可靠性高、波動小且易于控制等突出的優(yōu)點(diǎn)。由這類電機(jī)構(gòu)成的位置伺服系統(tǒng)頻帶寬、體積小、動態(tài)響應(yīng)快，適用于掃描型紅外成像系統(tǒng)等高精度、高性能要求的控制系統(tǒng)。但由于有限轉(zhuǎn)角力矩電動機(jī)是多變量、非線性的復(fù)雜對象，而傳統(tǒng)的的PI 控制不能很好地控制它［2］，因而在此選擇滑?？刂疲?3］來滿足其控制性能。滑模變結(jié)構(gòu)控制廣泛應(yīng)用于電機(jī)控制領(lǐng)域，可以應(yīng)用在同步電機(jī)、異步電機(jī)以及直流電機(jī)中［3］。
滑?？刂?以下簡稱SMC)對系統(tǒng)的精度要求不高，對外部擾動、內(nèi)部參數(shù)攝動具有強(qiáng)魯棒性［4］，因而近年來成為許多學(xué)者青睞的控制方法，已經(jīng)比較普遍用于永磁同步電動機(jī)［5］、直流電動機(jī)等系統(tǒng)中。國外對滑模變結(jié)構(gòu)控制的研究時間比較早，研究的范圍也很廣，比如，既有對一般非線性系統(tǒng)的滑?？刂疲?］，也有針對的新型積分滑?？刂仆诫姍C(jī)的新型積分滑?？刂疲?］;為了能夠消除諧振、減少誤差，使RBF 神經(jīng)網(wǎng)絡(luò)控制與滑?？刂葡嘟Y(jié)合，設(shè)計了基于RBF 網(wǎng)絡(luò)的滑?？刂破鳎?-9］，很好地解決的存在的問題。近年來，國內(nèi)也有很多用滑?？刂苼砜刂葡到y(tǒng)的論文，文獻(xiàn)［12］針對風(fēng)電機(jī)組輸出功率的不穩(wěn)定，對槳距角進(jìn)行了RBF 神經(jīng)網(wǎng)絡(luò)滑?？刂?，結(jié)果表明，該控制很好地提高了系統(tǒng)的魯棒性，也有效地減少了抖振現(xiàn)象。文獻(xiàn)［14］中，為了減少負(fù)載擾動對永磁同步電動機(jī)的影響，作者設(shè)計了負(fù)載轉(zhuǎn)矩滑模控制器，并用實(shí)驗(yàn)方法驗(yàn)證了系統(tǒng)的抗干擾能力。
本文結(jié)合滑模變結(jié)構(gòu)控制和RBF 神經(jīng)網(wǎng)絡(luò)控制來控制此系統(tǒng)，得到系統(tǒng)控制率，并用Lyapunov方法證明控制率的穩(wěn)定性。最后進(jìn)行了實(shí)驗(yàn)研究和仿真分析［11］，結(jié)構(gòu)表明控制方法能很好地提高系統(tǒng)的魯棒性，改善了系統(tǒng)的動態(tài)性能。
1 LATM 的數(shù)學(xué)模型
LATM 是近幾十年迅速發(fā)展起來的一種特種電動機(jī)，在跟蹤、紅外及激光成像等系統(tǒng)中獲得了廣泛的應(yīng)用。LATM 在結(jié)構(gòu)和運(yùn)動形式上有別于一般的旋轉(zhuǎn)電機(jī)，它是在一定轉(zhuǎn)角范圍內(nèi)作往復(fù)運(yùn)動。這種電機(jī)具有良好的調(diào)節(jié)特性和機(jī)械特性，能直接驅(qū)動負(fù)載實(shí)現(xiàn)快速往復(fù)運(yùn)動。
LATM 的磁場由永磁體建立，電機(jī)各個磁路的磁阻隨著轉(zhuǎn)子位置的改變而改變，其遵循“磁阻最小原理”，即磁通總是沿著磁阻最小的路徑閉合。LATM 采用直流電壓控制，電壓方程如下:
LATM 的轉(zhuǎn)矩方程:
LATM 的運(yùn)動方程:
且:
式中:J 為轉(zhuǎn)動慣量;Tem為電磁轉(zhuǎn)矩;TL為負(fù)載轉(zhuǎn)矩;ω 為角速度;I 為電樞電流;M 為速度阻尼系數(shù);N 為撓性樞軸扭轉(zhuǎn)剛度;k 為電路放大倍數(shù);T 為電路延時時間常數(shù);Kem為電磁轉(zhuǎn)矩系數(shù)。
對式(1)～式(4)做Laplace 變換，可得到電機(jī)模型:
由式(1)～式(4)可得電機(jī)狀態(tài)矩陣:
狀態(tài)方程也可寫:
式中:D(T)為外界干擾，且滿足|D(T)|≤D。
2 控制策略
神經(jīng)網(wǎng)絡(luò)是一種具有高度非線性的連續(xù)時間系統(tǒng)，它對非線性系統(tǒng)有很好的映射能力，并且有著強(qiáng)大的學(xué)習(xí)功能。在滑模變結(jié)構(gòu)控制中添加神經(jīng)網(wǎng)絡(luò)控制，可以實(shí)現(xiàn)自適應(yīng)滑模控制。
2.1 RBF 神經(jīng)網(wǎng)絡(luò)
Darken C 和Moody J 在20 世紀(jì)80 年代提出了RBF 神經(jīng)網(wǎng)絡(luò)模型，它是具有單隱層的三層前饋網(wǎng)絡(luò)，圖2 為其結(jié)構(gòu)圖。已經(jīng)證明，RBF 網(wǎng)絡(luò)具有萬能逼近的性能［11］，因而可以很好地應(yīng)用在非線性度高的電機(jī)上，比如本文中的有限轉(zhuǎn)角力矩電動機(jī)。
圖2 徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖
用RBF 神經(jīng)網(wǎng)絡(luò)逼近函數(shù)f，則逼近算法:
式中:x 為網(wǎng)絡(luò)輸入;j 為網(wǎng)絡(luò)隱含層第j 個節(jié)點(diǎn);h =［hj］T為高斯函數(shù);W*為網(wǎng)絡(luò)理想權(quán)值;ε 為網(wǎng)絡(luò)逼近誤差，且ε≤εN。
2.2 控制器設(shè)計
本節(jié)進(jìn)行控制器的設(shè)計，定義角速度跟蹤誤差:
式中:X1d為理想跟蹤指令。
式(7)的微分:
設(shè)計滑模面:
由以上各式可得:
則可設(shè)計控制律率:
式中:sgn(s)為符號函數(shù);η 為學(xué)習(xí)效率，η ＞0。
由于參數(shù)J 是未知參數(shù)，所以我們采用RBF 神經(jīng)網(wǎng)絡(luò)來逼近A(J)，以實(shí)現(xiàn)穩(wěn)定控制。
RBF 神經(jīng)網(wǎng)絡(luò)輸入取x=［e1e·1］T，則RBF 網(wǎng)絡(luò)輸出:
式中:h(x)為RBF 神經(jīng)網(wǎng)絡(luò)的高斯函數(shù)。
將式(14)代入式(13)中，則控制率:
將式(15)代入式(12)中，得到:
其中:
為了實(shí)現(xiàn)有限轉(zhuǎn)角力矩電動機(jī)的動力學(xué)系統(tǒng)的穩(wěn)定控制，選取Lyapunov 函數(shù):
式中:γ ＞0。
對Lyapunov 函數(shù)求導(dǎo)，結(jié)合式(15)和式(16)，可以得到:
2.3 系統(tǒng)穩(wěn)定性分析
對控制系統(tǒng)來說，穩(wěn)定性是十分重要的。對一般系統(tǒng)而言，如果滿足滑模的存在及可達(dá)條件，則運(yùn)動進(jìn)入滑模動態(tài)區(qū)以后，就開始滑模運(yùn)動，對通常的反饋系統(tǒng)而言，都希望滑模運(yùn)動是漸進(jìn)穩(wěn)定的，下面就來證明本文中的控制方法是穩(wěn)定的。
由式(19)與式(20)可知:
由于逼近誤差ε 可以限制得足夠小，取η≥εN+D，可得≤0，所以是負(fù)定的，此控制方法是穩(wěn)定的。
3 仿真分析
為了驗(yàn)證以上理論研究的準(zhǔn)確性，下面對有限轉(zhuǎn)角力矩電動機(jī)控制系統(tǒng)進(jìn)行了仿真研究。電機(jī)參數(shù):速度阻尼系數(shù)M =3.88 ×10-5N·m·rad-1·s;撓性樞軸扭轉(zhuǎn)剛度N=0.028 9 N·m/rad;電路延時時間常數(shù)T =9.25 ×10-5s;電路放大倍數(shù)k =0.474;電磁轉(zhuǎn)矩系數(shù)Kem=0.032 N·m/A。
有限轉(zhuǎn)角力矩電動機(jī)的滑模控制系統(tǒng)結(jié)構(gòu)圖如圖3 所示。
首先利用MATLAB/Simulink 建立仿真模型，電機(jī)模型由MATLAB/Simulink 中的元件以及電機(jī)的數(shù)學(xué)模型搭建，RBF 網(wǎng)絡(luò)及滑?？刂破饔肕ATLAB語言編程，M 函數(shù)實(shí)現(xiàn)。
本文采用兩種控制方法對比的方法來驗(yàn)證所用算法的有效性?？刂品椒? 是傳統(tǒng)的PID 控制方法，控制方法2 是基于RBF 神經(jīng)網(wǎng)絡(luò)的滑?？刂品椒?。兩種控制器具有相同的誤差反饋增益。
為了著重突出本文中提出的基于RBF 神經(jīng)網(wǎng)絡(luò)的滑?？刂破鞯男阅軆?yōu)點(diǎn)，分別設(shè)計了以下幾組仿真進(jìn)行比較:
(1)為了比較系統(tǒng)的穩(wěn)定性和快速性，在控制過程中，相同的時間點(diǎn)突然加入一個脈沖擾動，通過角度跟蹤誤差，比較傳統(tǒng)PID 控制器與神經(jīng)網(wǎng)絡(luò)控制器的性能;
(2)為了比較傳統(tǒng)PID 控制器與神經(jīng)網(wǎng)絡(luò)控制器的抖振性能，在控制仿真的整個過程中，加入相同的噪聲干擾，通過角度跟蹤誤差，來比較兩種控制方法的優(yōu)劣。
由圖4(a)與圖5(a)可以看出，在0.06 s 時加入一個脈沖干擾，圖4(a)中傳統(tǒng)PID 控制的系統(tǒng)的跟蹤誤差有一個明顯的增大，差不多經(jīng)過一個周期才回歸正常，并且擾動峰值遠(yuǎn)超出了正常時誤差峰值;而在圖5(a)中，由RBF 神經(jīng)滑模控制的系統(tǒng)的跟蹤誤差雖有小幅增大，但很快趨于穩(wěn)定，其擾動峰值也沒有超過正常時的誤差峰值。說明RBF 神經(jīng)滑模控制具有更好的系統(tǒng)穩(wěn)定性和快速性。由圖4(b)與圖5(b)的仿真圖可知，當(dāng)仿真過程都加上噪聲干擾后，傳統(tǒng)PID 控制器的跟蹤誤差有0.023°，而基于RBF 神經(jīng)網(wǎng)絡(luò)的滑模控制器的跟蹤誤差只有0.015°。在相同的工作狀態(tài)下，相對于傳統(tǒng)PID控制器，基于RBF 神經(jīng)網(wǎng)絡(luò)的滑模控制器的跟蹤性能提升了34.8%。
4 實(shí)驗(yàn)驗(yàn)證
為了驗(yàn)證神經(jīng)網(wǎng)絡(luò)滑模控制器的優(yōu)越性以及可行性，通過搭建控制實(shí)驗(yàn)平臺進(jìn)行實(shí)驗(yàn)研究。有限轉(zhuǎn)角力矩電動機(jī)伺服系統(tǒng)主要包括有限轉(zhuǎn)角電機(jī)和控制器兩部分組成，如圖6 所示，控制器部分采用AD公司定點(diǎn)DSP中比較新的16位定點(diǎn)DSP，ADSP -2189。
圖6 實(shí)驗(yàn)平臺
圖7 為突加脈沖擾動后的跟蹤誤差曲線。從圖7 中可以看出，用傳統(tǒng)PID 控制的跟蹤誤差曲線沿坐標(biāo)軸向下方向有很明顯的脈動，而神經(jīng)滑?？刂频母櫿`差曲線則比較平緩，沒有較大脈動，這個結(jié)果與仿真結(jié)果基本一致。
圖8 為整個實(shí)驗(yàn)過程加入噪聲干擾后的跟蹤誤差曲線。從圖8 可以看出，神經(jīng)網(wǎng)絡(luò)滑?？刂扑a(chǎn)生的誤差遠(yuǎn)遠(yuǎn)小于傳統(tǒng)PID 控制所產(chǎn)生的誤差，誤差基本上減少了50%以上，這與前面的仿真結(jié)果一致。
從實(shí)驗(yàn)部分可以看出，神經(jīng)滑?？刂破鲗τ陂L時間工作在干擾環(huán)境下的電機(jī)，有很好的控制能力，大大增強(qiáng)了系統(tǒng)的魯棒性。
5 結(jié) 語
本文針對有限轉(zhuǎn)角力矩電動機(jī)系統(tǒng)存在的參數(shù)不確定性和非線性，建立了有限轉(zhuǎn)角力矩電動機(jī)的數(shù)學(xué)模型，提出了一種基于RBF 神經(jīng)網(wǎng)絡(luò)的有限轉(zhuǎn)角力矩電動機(jī)滑?？刂品椒?，對于控制系統(tǒng)存在的抖振現(xiàn)象，建立了其控制律，并采用李雅普諾夫理論證明了方法的收斂性。該方法克服了系統(tǒng)的非線性和對電機(jī)參數(shù)的依賴性，對負(fù)載擾動和電機(jī)參數(shù)擾動具有較強(qiáng)的魯棒性。理論分析和仿真分析均證明所提控制方案的有效性。最后通過實(shí)驗(yàn)驗(yàn)證了仿真結(jié)果的正確性，以及控制策略的可行性。從文中可以看出，神經(jīng)滑模控制很適合控制長時間工作在干擾環(huán)境中的電機(jī)，能很好地提高系統(tǒng)的穩(wěn)定性。
［1］ ZHANG Y，SMITH I R，KETTLWBOROUGH G.Performance evaluation for a limited-angle torque motor［J］. IEEE/ASME Transactions on Mechatronics，1999，14(3):335 -339.
［2］ DU Chun-yang，LI Tie-cai，CAO Zheng-cai.Accurate tracking control of a limited angel torque motor［J］. Electric machines and Power Systems，1999，27(11):1191 -1199.
［3］ UTKIN A，GULDNER J，SHI J X.Sliding mode control in electromechanical systems［M］.Oxon，UK:Taylor ＆ Francis，1999.
［4］ UTKIN V I. Variable structure systems with sliding modes［J］.IEEE Transactions on Automatic Control，1997，22(2):212-222.
［5］ 朱家廳，王莉娜，薛飛.永磁同步電機(jī)的滑模PI 模糊邏輯控制［J］.電氣傳動，2013，43(7):43 -48.
［6］ BOLIVARD M R，ZINOBER A S I，SIRA-RAMIREZ H.Dynamical adaptive sliding mode output tracking control of a class of nonlinear systems［J］. International Journal of Robust and Nonlinear Control，1997，7(4):387 -405.性積分滑?？刂疲跩］.北京航空航天大學(xué)學(xué)報，2014，40(3):321 -326.
［7］ LIN F J，CHIU S L，SHYU K K. Novel sliding mode controller for synchronous motor drive［J］. IEEE Transactions on Aerospace and Electronic Systems，1998，34(2):532 -542.
［8］ HUANG S J，HUANG K S，CHIOU K C. Development and application of a novel radial basis function sliding mode controller［J］.Mechatronics，2003，13(4):313 -329.
［9］ LIN S C，CHEN Y Y. RBF network based sliding mode control［C］//IEEE International Conference on Systems，Man，and Cybernetics，1994:1957 -1961.
［10］ 韓松杉，焦宗夏，汪成文，等. 基于神經(jīng)網(wǎng)絡(luò)的電液轉(zhuǎn)臺非線
［11］ 劉金琨.滑模變結(jié)構(gòu)控制MATLAB 仿真［M］.北京:清華大學(xué)出版社，2005:188 -235.
［12］ 秦斌，周浩，杜康，等.基于RBF 網(wǎng)絡(luò)的風(fēng)電記住變槳距滑?？刂疲跩］.電工技術(shù)學(xué)報，2013，28(5):37 -41.
［13］ 付子義，李華群，王振鋒.基于神經(jīng)網(wǎng)絡(luò)推力觀測器的永磁直線電機(jī)滑?？刂疲跩］.電氣傳動，2009，39(11):48 -51.
［14］ 張曉光，孫力，趙克.基于負(fù)載轉(zhuǎn)矩滑模觀測的永磁同步電機(jī)滑模控制［J］.中國電機(jī)工程學(xué)報，2012，32(3):111 -116.
猜你喜歡
中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2021年9期)2021-11-20 06:11:52
中國慣性技術(shù)學(xué)報(2019年6期)2019-03-04 09:50:06
測控技術(shù)(2018年4期)2018-11-25 09:47:26
測控技術(shù)(2018年3期)2018-11-25 09:45:40
解放軍健康(2017年5期)2017-08-01 06:27:42
山東青年(2016年12期)2017-03-02 18:22:48
知識經(jīng)濟(jì)·中國直銷(2016年2期)2016-11-07 09:33:42
光學(xué)精密工程(2016年6期)2016-11-07 09:08:02
航天制造技術(shù)(2016年6期)2016-05-09 08:32:51
探測與控制學(xué)報(2015年4期)2015-12-15 15:00:56
