CN102109822A - 伺服电机的变结构双自由度智能集成控制方法 - Google Patents

Abstract

本发明公开了一种伺服电机的变结构双自由度智能集成控制方法，包括伺服系统、主控制器和补偿控制器，主控制器由Bang-Bang控制器、解析模糊控制器和PI控制器组成；在电机工作的不同误差区段，三个子控制器分工、协作输出独立控制信号或综合控制信号，并与补偿控制器输出的信号进行叠加后对电机进行控制。本发明的有益技术效果是：克服了结构单一的主控制器的不足，使跟踪性和抗干扰性同时达到更高的要求，充分发挥了各个子控制器的优点；两个子控制器之间的输出采用模糊“软切换”平滑过渡，改善了主控制器的性能，大大加快了补偿控制器的收敛速度，增强对干扰的抑制能力。

Description

伺服电机的变结构双自由度智能集成控制方法

技术领域

本发明涉及一种伺服电机的控制技术，尤其涉及一种伺服电机的变结构双自由度智能集成控制方法。

背景技术

伺服系统的应用遍及社会各领域，交流伺服控制系统正成为伺服技术的主流；对交流伺服系统的控制有两项重要的技术指标：跟踪性和抗干扰性。跟踪性是指在系统稳定的前提下，伺服系统对外加的指令信号有很好的跟踪能力，尽量与指令信号保持一致，能及时、准确地复现指令信号；抗干扰性是指伺服系统在受到干扰使原始状态受到破坏后，如何快速抑制状态继续恶化并尽量恢复到原始状态的能力。干扰是造成伺服系统性能下降的主要因素，而影响伺服系统性能的干扰因素多种多样：负载转矩扰动、摩擦扰动、参数变化扰动、纹波转矩扰动、谐波扰动等。特别是在微进给、精加工的数控机床中，一个很微小的扰动往往会导致加工产品表面出现明显的划痕，从而降低产品质量，甚至使产品报废。

理想的伺服系统，要求其既能对给定指令信号具有良好的跟踪性能，又要对干扰有强的抑制能力。对单自由度的PID控制而言，其控制器在整定参数时往往要兼顾信号的跟踪和扰动抑制两种性能，只能采取折衷的方式，难以两全其美。即使是采用了基于神经网络辨识的单神经元PID控制，但究其本质，仍属于单自由度的控制，存在着先天性不足。双自由度控制通过对给定输入响应的主控制器和对抑制扰动响应的补偿控制器进行相互独立的设计，可以解决跟踪性和抗干扰性之间的矛盾。在实际系统中，由于伺服电机的数学模型具有非线性、强耦合、时变的特点，并且各种干扰是随机、多样的，往往无法精确得到被控系统的数学模型，给系统的控制增添了难度。当采用非智能双自由度控制时，其控制器的参数不能随被控制对象的参数变化而变化，将会带来控制性能的下降。

目前，研究者正通过双自由度控制与智能控制相结合的方法来解决此问题。模糊控制和神经网络控制均属于智能控制的范畴，具有不依赖被控对象数学模型的优点，能很好地克服系统中模型参数变化、非线性、干扰等不确定因素的影响。因此，在各种智能控制方法的基础上，取长补短，开发出双自由度的智能综合集成控制系统，这是伺服电机控制的发展方向。

双自由度智能控制器的结构和算法直接影响着控制效果，对其控制器结构的深入研究是当前工作中的一个重点。参考信号前馈型双自由度控制是一种典型的控制结构。图1是现有技术中的一种基于神经网络给定补偿双自由度伺服控制的原理图，该方案能对跟踪和干扰分别进行控制。神经网络NN1用于对被控伺服电机对象进行逆向建模；神经网络NN2与神经网络NN1具有相同的结构和联接权值，用以作为给定补偿控制器，两者仅输入输出量不同。由图1可知，NN1可以同时对干扰进行辨识，并且NN2会随之发生变化构成自适应的前馈环节，从而达到对扰动的抑制。

在现有的双自由度伺服控制系统方案中，对给定输入响应的主控制器通常采用常规PID控制器，或者采用其它形式的单一控制器。由于在高性能或一些特殊性能的伺服控制系统中，对跟踪性和抗干扰性两项指标的要求都非常高。必须站在更高层次上考虑一些更为细微的因素对伺服控制性能的影响，因此需要对以下两个问题作进一步的深入研究：

(1)跟踪性方面：在最为严峻的阶跃指令信号输入情况下，是可以将跟踪性指标进一步细化为动态性(快速跟踪)和稳态性(精确定位)两个方面的。伺服系统对快速跟踪和精确定位的要求很高，二者又发生在不同的时域，而且具有矛盾性，若使用结构单一的主控制器常常会顾此失彼。

(2)抗干扰性方面：用神经网络进行补偿控制，当遇到干扰时，其最大的缺点就是过渡过程较慢，恢复至稳态的时间较长。如何加快神经网络补偿控制器的收敛速度，使其在遇到干扰时，缩短过渡时间，迅速恢复至稳态，彻底地将干扰消除，增强对干扰抑制能力，这是双自由度伺服智能控制系统需要解决的又一问题。

发明内容

针对背景技术中的问题，本发明提出了一种伺服电机的变结构双自由度智能集成控制方法，包括伺服系统、为伺服系统提供跟踪性能的主控制器、为伺服系统提供抗干扰性能的补偿控制器。其改进在于：所述主控制器由三个子控制器组成，它们分别是Bang-Bang控制器、解析模糊控制器和PI控制器，本文将这种三个子控制器结构的控制器定义为变结构复合智能主控制器；针对电机工作时的不同误差区段，1)或者三个子控制器中的一者单独输出独立控制信号。2)或者三个子控制器中的一者或两者输出控制信号：a.只有一者输出控制信号时与步骤1)的情况相同，该子控制器输出独立控制信号；b.有两者输出控制信号时，对两个控制信号进行模糊综合，形成综合控制信号。3)子控制器输出的独立控制信号或综合控制信号，与补偿控制器的输出信号进行叠加后作用于伺服系统，对电机进行控制。

步骤1)中，不同误差区段之间无交叠区域；误差较大时，Bang-Bang控制器输出独立控制信号；误差适中时，解析模糊控制器输出独立控制信号；误差较小时，PI控制器输出独立控制信号；独立控制信号与补偿控制器的输出信号进行叠加后输出到伺服系统。

步骤2)中，按误差大小顺次排列的各个误差区段在交界处有交叠区域；误差较大但又不在交叠区域时，Bang-Bang控制器输出独立控制信号；误差适中但又不在交叠区域时，解析模糊控制器输出独立控制信号；误差较小但又不在交叠区域时，PI控制器输出独立控制信号；独立控制信号与补偿控制器的输出信号进行叠加后输出到伺服系统；

误差处于较大区段与误差适中区段的交叠区域时，Bang-Bang控制器和解析模糊控制器同时输出控制信号；误差处于适中区段与误差较小区段的交叠区域时，解析模糊控制器和PI控制器同时输出控制信号；对来自两个子控制器的控制信号进行模糊综合，形成综合控制信号，并将综合控制信号与补偿控制器的输出信号进行叠加后输出到伺服系统。

划分误差区段时，以电机启动时的指令信号与实际位置信号的误差值e1为分母，以电机启动过程中的指令信号与实际位置信号的误差值e2为分子，按

所计算出的百分比数值为依据，划分误差区域；

步骤1)中的情况时，0～5％为误差较小的区段，PI控制器单独输出独立控制信号；10％～20％为误差适中的区段，解析模糊控制器单独输出独立控制信号；20％以上为误差较大的区段，Bang-Bang控制器单独输出独立控制信号；

步骤2)中情况时，0～10％为误差较小的区段，5％～25％为误差适中的区段，20％以上为误差较大的区段：0～5％时，PI控制器单独输出独立控制信号；5％～10％时，解析模糊控制器和PI控制器同时输出控制信号；10％～20％时，解析模糊控制器单独输出独立控制信号；20％～25％时，Bang-Bang控制器和解析模糊控制器同时输出控制信号；25％以上时，Bang-Bang控制器单独输出独立控制信号。

前述的有两个子控制器同时输出控制信号的情况时，根据如下方法对两个子控制器同时输出的控制信号进行模糊综合：

1)将两个子控制器所适用的误差区段的交叠区域等值划分为10个误差等级，10个误差等级分别对应x＝0，1，2，3，4，5，6，7，8或9，在两个子控制器所适用的误差区段的交叠区域，当误差处于该交叠区域内的最大值所在误差等级时，x取9，当误差处于该交叠区域内的最小值所在误差等级时，x取0；

根据下式计算两个子控制器输出控制信号的作用强度：

${\mathrm{\&lambda;}}_1\left(x\right)=\left\{\begin{array}{cc}\frac{1-e^{-\mathrm{ax}}}{1+e^{-\mathrm{ax}}}& 0\&le;x<9\\ 1& x\&GreaterEqual;9\end{array}\right.,$ λ₂(x)＝1-λ₁(x)

式中，λ₁为适用于误差相对较大区段的子控制器输出的控制信号的作用强度，λ₂为适用于误差相对较小区段的子控制器输出的控制信号的作用强度，α为微调参数；

2)根据下式计算综合控制信号：

u_c＝λ₁u_a+λ₂u_b

u_a为λ₁所对应的子控制器的输出量，u_b为λ₂所对应的子控制器的输出量，u_c即为最终得到的综合控制信号。

所述补偿控制器采用模糊神经网络补偿控制器：采用伺服系统的输入、输出数据在线训练RBF神经网络辨识器，使RBF神经网络辨识器逼近被控对象的系统模型，实时跟踪系统模型的变化；根据系统模型的变化情况，RBF神经网络辨识器向模糊神经网络补偿控制器提供Jacobian信息，由模糊神经网络补偿控制器对伺服系统的干扰进行补偿，消除干扰的影响。

本发明的有益技术效果是：在伺服电机的双自由度智能控制中，本发明方法克服了采用结构单一主控制器的不足，使伺服控制系统的跟踪性和抗干扰性两项指标同时达到更高的要求。针对不同时域段，伺服控制系统对快速跟踪和精确定位的不同要求，采用最适合的子控制器进行分段控制，取长补短，充分发挥各个子控制器的优点；两个子控制器之间的输出采用模糊“软切换”的方法进行平滑过渡；由于改善了主控制器的性能，特别是其快速响应性能，能大大加快模糊神经网络补偿控制器的收敛速度，增强了对干扰的抑制能力。

附图说明

图1、现有基于神经网络给定补偿的双自由度伺服系统控制原理图；

图2、本发明的主控制器部分结构框图；

图3、图2中虚线框部分的内部结构详图；

图4、由Bang-Bang控制输出向解析模糊控制输出切换时的原理图；

图5、由解析模糊控制输出向PI控制输出切换时的原理图；

图6、RBF神经网络辨识器与本发明的主控制器结合后的结构框图；

图7、RBF神经网络辨识器的原理图；

图8、本发明方案的完整结构框图；

图9、模糊神经网络补偿控制器的原理图；

图10、本发明的一种具体实施例的硬件结构示意图；

图11、本发明的一种具体实施例的程序流程框图；

图12、单自由度PID控制的实验效果图；

图13、以PID为主控制器的双自由度智能控制的实验效果图；

图14、本发明方案的实验效果图。

具体实施方式

在双自由度的伺服电机智能控制中，使用结构单一的主控制器不能使跟踪性和抗干扰性两项指标进一步达到更高的要求。本发明的思路是，针对不同时域段对跟踪性能(动态性和稳态性)的不同需求，分别设置三个子控制器：Bang-Bang控制器提高系统响应速度，获得良好动态性能；解析模糊控制器提高伺服系统的阻尼程度，保持系统的稳定性和自适应性，防止超调；采用PI控制进行无静差设计，提高系统的稳态精度。对三个子控制器取长补短，充分发挥各个控制器在某一方面的优点，达到提高其跟踪性能的目的。同时，跟踪性能指标的提高又有助于加快模糊神经网络补偿控制器的收敛，从而带来抗干扰性能指标的提高。

具体来说本发明的方案为：包括伺服系统、为伺服系统提供跟踪性能的主控制器、为伺服系统提供抗干扰性能的补偿控制器。其最大的创新之处在于：参见图8，所述的变结构智能复合主控制器由三个子控制器组成，它们分别是Bang-Bang控制器、解析模糊控制器和PI控制器。针对电机工作时的不同误差区段，1)或者三个子控制器中的一者单独输出独立控制信号。2)或者三个子控制器中的一者或两者输出控制信号：a.只有一者输出控制信号时与步骤1)的情况相同，该子控制器输出独立控制信号。b.有两者输出控制信号时，对两个控制信号进行模糊综合，形成综合控制信号。3)子控制器输出的独立控制信号或综合控制信号，与补偿控制器的输出信号进行叠加后作用于伺服系统，对电机进行控制。

本发明的变结构复合智能主控制器，能实现伺服系统的快速跟踪和精确定位，并具有自适应性。在此基础之上，与补偿控制器相结合，形成一个变结构的双自由度智能集成控制器，系统将主控制器输出的控制信号与补偿控制器的输出信号按下式进行叠加后作用于伺服系统：

u＝u_c+Δu                                (1)

其中，u_c为主控制器输出的控制信号；Δu为补偿控制器输出的控制信号，u为主控制器输出的控制信号与补偿控制器输出的控制信号叠加后的输出信号。

参见图2，本发明的方案中，主控制器部分即形成一个单自由度的变结构复合智能控制结构。主控制器是反馈的主通道，主要是保证系统动态跟踪性能和稳态精度，它与伺服系统的稳定和高性能运行直接相关，其工作过程为：位置给定指令信号θ^*与实际位置信号θ相减得到误差e，通过主控制器处理后得到控制信号u_c，将此控制信号输出到伺服系统得到相应的速度ω，对其积分后便获得了实际位置信号θ。再重新计算位置给定指令信号θ^*与实际位置信号θ的误差，将误差反馈回主控制器，形成循环控制。当误差信号为零时，便达到了最终控制目的。

首先，具体介绍下变结构智能复合主控制器中三个子控制器的工作方式。

(1)三个子控制器中的一者单独输出独立控制信号的情况：

此种情况下，误差按数值大、中、小划分成顺次相连的三个误差区段，不同误差区段之间无交叠区域。误差较大时，Bang-Bang控制器输出独立控制信号；误差适中时，解析模糊控制器输出独立控制信号；误差较小时，PI控制器输出独立控制信号；独立控制信号与补偿控制器的输出信号进行叠加后输出到伺服系统。反馈回子控制器的误差，先由误差辨识模块对其进行识别，判断误差在哪个区段，再将反馈信号输出到对应的子控制器进行处理，具体来说：

以电机启动时的指令信号与实际位置信号的误差值e1为分母，以电机启动过程中的指令信号与实际位置信号的误差值e2为分子，按

计算出的百分比数值为依据，划分误差区域。针对此种控制方式，发明人通过大量实验，得到了如下的一种控制效果较好的误差区段划分方案：0～5％为误差较小的区段，PI控制器单独输出独立控制信号；10％～20％为误差适中的区段，解析模糊控制器单独输出独立控制信号；20％以上为误差较大的区段，Bang-Bang控制器单独输出独立控制信号。

(2)三个子控制器中的一者或两者输出控制信号的情况：

此种情况下，按误差大小顺次排列的各个误差区段在交界处有交叠区域。误差较大但又不在交叠区域时，Bang-Bang控制器输出独立控制信号；误差适中但又不在交叠区域时，解析模糊控制器输出独立控制信号；误差较小但又不在交叠区域时，PI控制器输出独立控制信号；独立控制信号与补偿控制器的输出信号进行叠加后输出到伺服系统。

误差处于较大区段与误差适中区段的交叠区域时，Bang-Bang控制器和解析模糊控制器同时输出控制信号；误差处于误差适中区段与误差较小区段的交叠区域时，解析模糊控制器和PI控制器同时输出控制信号；对来自两个子控制器的控制信号进行模糊综合，形成综合控制信号，并将综合控制信号与补偿控制器的输出信号进行叠加后输出到伺服系统。

同样的，以电机启动时的指令信号与实际位置信号的误差值e1为分母，以电机启动过程中的指令信号与实际位置信号的误差值e2为分子，按

所计算出的百分比数值为依据，划分误差区域。

针对此种控制方式，发明人提出了如下的一种效果较好的误差区段划分方式：0～10％为误差较小的区段，5％～25％为误差适中的区段，20％以上为误差较大的区段：0～5％时，PI控制器单独输出独立控制信号；5％～10％时，解析模糊控制器和PI控制器同时输出控制信号；10％～20％时，解析模糊控制器单独输出独立控制信号；20％～25％时，Bang-Bang控制器和解析模糊控制器同时输出控制信号；25％以上时，Bang-Bang控制器单独输出独立控制信号。

前面给出了两种控制方式下不同的误差区段划分方式，理论上，误差区段的划分没有定性或定量的划分标准，但也不能随意划分，只能通过大量的实验获取实验数据，对数据进行分析，找出较好的误差区段划分方式，而且误差区段的划分还要根据系统需求进行相应调整。

当两个子控制器同时输出控制信号时，根据如下方法对两个子控制器同时输出的控制信号进行模糊综合：

1)将两个子控制器所适用的误差区段的交叠区域等值划分为10个误差等级，10个误差等级分别对应x＝0，1，2，3，4，5，6，7，8或9，在两个子控制器所适用的误差区段的交叠区域，当误差处于该交叠区域内的最大值所在误差等级时，x取9，当误差处于该交叠区域内的最小值所在误差等级时，x取0；

根据下式计算两个子控制器输出的控制信号的作用强度：

${\mathrm{\&lambda;}}_1\left(x\right)=\left\{\begin{array}{cc}\frac{1-e^{-\mathrm{ax}}}{1+e^{-\mathrm{ax}}}& 0\&le;x<9\\ 1& x\&GreaterEqual;9\end{array}\right.,$ λ₂(x)＝1-λ₁(x)                (2)

此函数为对称型Sigmoid函数，式中，λ₁为适用于误差相对较大区段的子控制器输出的控制信号的作用强度，λ₂为适用于误差相对较小区段的子控制器输出的控制信号的作用强度，α为微调参数。可根据系统需要改变α的值，得到多组对应的Sigmoid函数，也即形成控制器的作用强度表，对不同误差等级的情况进行有针对性的处理。

2)根据下式计算综合控制信号：

u_c＝λ₁u_a+λ₂u_b                                    (3)

u_a为λ₁所对应的子控制器的输出量，u_b为λ₂所对应的子控制器的输出量，u_c即为最终得到的综合控制信号。

上面的(3)式，当误差处于误差较大区段与误差适中区段的交叠区域时，综合控制信号为Bang-Bang控制的加权输出λ₁u₁和解析模糊控制的加权输出λ₂u₂两个信号同时作用的情况；而当误差处于误差适中区段与误差较小区段的交叠区域时，综合控制信号则为解析模糊控制加权输出λ₁u₂和PI控制加权输出λ₂u₃两个信号同时作用。

上述的过程即为对控制信号进行综合的方法，也可称之为“平滑切换”，它的功能是由图2中的模糊平滑切换模块来完成的，下面对其作一下简介：

在前述的主控制器方案中，采用了三个不同的子控制器在误差的不同阶段分别作用。虽然各个控制器在不同误差的作用区域是经反复实验调试、比较所得到的，但两个不同控制器之间直接切换其输出的控制信号，容易产生控制量的突变，这不仅会引起伺服系统抖动，还会对其产生冲击，对于控制要求不高的系统，采用直接切换影响不大，但如果对系统性能的要求比较严苛，则直接切换的方式就有些不适用了。

通常的变结构控制是一个非0即1的精确选择，因此需要解决两个不同子控制器的输出采用何种方式进行切换的问题。为解决此问题，发明人在本发明方案中，引入了“模糊平滑切换”，即采用软切换的方法达到了两种不同控制方式的平稳过渡，从而避免了控制量突变所带来的冲击。

结合图4(图中的横坐标为误差的百分比)，在20％≤e(k)≤25％的区域，是Bang-Bang控制与解析模糊控制的模糊平滑切换区。将此切换区域的误差分为十个等级，即x＝{9 8 7 6 54 3 2 1 0}。

1)当误差大于25％完全采用Bang-Bang控制器，当误差小于20％则完全采用解析模糊控制器；

2)在误差20％～25％之间为切换区，用模糊平滑切换，两种子控制器同时工作；

3)在切换区域内，误差较大时，Bang-Bang控制器作用强些，解析模糊控制器作用弱些；误差较小时则反之。

把子控制器控制作用赋予“作用强度”的概念，类似于模糊隶属度的意义。因纯正态函数是凸型函数，不满足本文单调递增和单调递减的要求，因此可采用由正态函数变换而来的对称型Sigmoid函数，也称正切型S函数：

${\mathrm{\&lambda;}}_{\mathrm{Bang}}\left(x\right)=\left\{\begin{array}{cc}\frac{1-e^{-\mathrm{ax}}}{1+e^{-\mathrm{ax}}}& 0\&le;x<9\\ 1& x\&GreaterEqual;9\end{array}\right.,$ λ_Fuzzy(x)＝1-λ_Bang(x)          (4)

λ_Bang即为Bang-Bang控制器的作用强度，λ_Fuzzy即为解析模糊控制器的作用强度。

为避免连续取值的在线实时计算占用较多时间，在切换区域将误差离散化，在一个示例中，将(4)式中α取0.3，则不同误差域控制器的隶属函数见表1。

表1不同误差域控制器的隶属函数表

控制器	9	8	7	6	5	4	3	2	1	0
											λBang	1.0	0.83	0.78	0.72	0.64	0.54	0.42	0.29	0.15	0
λFuzzy	0	0.17	0.22	0.28	0.36	0.46	0.58	0.71	0.85	1.0

这样在该模糊平滑切换区域，控制器总输出是两个控制器同时作用的结果：

u_c＝λ_Bangu₁+λ_Fuzzyu₂                               (5)

将此输出控制信号u_c与补偿控制器输出信号进行叠加后作用于电机速度伺服机构。

结合图5，在5％≤e(k)≤10％的区域，是解析模糊控制与PI控制的模糊平滑切换区，其平滑切换原理与图4类似，在此不再赘述。

(3)对三个子控制器进行一下简单的介绍：

1)Bang-Bang控制器

它完全采用现代控制理论中输出开关量的Bang-Bang控制，控制器的输出为图2中的u₁。它所适用的情况为：误差较大，不需要考虑超调和精度，只要求在短时间内将误差减小到某一范围的情况。该控制器能使系统响应达到过渡时间最优，具有快速的上升速度和惯性，保证了系统的动态性能。

2)解析模糊控制器

此控制器的输出为图2中的u₂。此控制器所适用的情况是：误差相对适中，为防止过大超调，进一步减小误差，须降低调节速度的情况。该阶段是控制稳定性的主要阶段，对振荡、超调量等控制品质起着决定性作用。

图3是对图2中虚线框内的结构的进一步细化，从图中可以看出解析模糊控制器的内部结构，其工作原理是：将误差e和误差变化率e_c通过量化因子k_e、k_ec变换到模糊论域，即对其模糊量化(图3中的模糊量化模块)后得到误差E和误差变化率E_C，将其作为模糊控制器(即图中的模糊推理规则模块)的输入量，通过解析描述的模糊推理规则得到输出的控制量U，对其解模糊清晰化后(由图中的清晰化模块完成此处理)，通过与比例因子k_u的乘积，最后得到控制器的输出量u₂，将之作用于速度伺服系统。

为达到性能更高的控制效果，解析模糊控制器采用自适应的解析模糊控制方法：在图3中，模糊推理规则采用解析描述，需选择一个恰当的分档次数，使得系统既能满足控制稳定性和定位精度的要求，又易于实现。鉴于此，将误差E，误差变化率E_C和输出量化总等级分为13级。即进入该控制阶段(即误差区段)后，当误差较大(对误差适中的区段内而言)，控制系统的主要任务是尽快消除误差，此时误差对控制规则的影响应大于误差变化的影响，则应增大E的权值；而当误差较小时(对误差适中的区段内而言)，控制系统的主要任务是使系统尽快实现稳定，减小超调，提高系统的稳态精度，必须增大误差变化对控制规则的影响，应增大E_C的权值。该阶段的不同误差域取值如下式：

$U=\left\{\begin{array}{cc}-<{\mathrm{\&alpha;}}_{21}E+(1-{\mathrm{\&alpha;}}_{21})E_C>,& E=0\\ -<{\mathrm{\&alpha;}}_{22}E+(1-{\mathrm{\&alpha;}}_{22})E_C>,& E=\&PlusMinus;1,\&PlusMinus;2\\ -<{\mathrm{\&alpha;}}_{23}E+(1-{\mathrm{\&alpha;}}_{23})E_C>,& E=\&PlusMinus;3,\&PlusMinus;4\\ -<{\mathrm{\&alpha;}}_{24}E+(1-{\mathrm{\&alpha;}}_{24})E_C>,& E=\&PlusMinus;5,\&PlusMinus;6\end{array}\right.---\left(6\right)$

式中的调整因子α₂₁、α₂₁、α₂₂、α₂₃∈[0，1]。在一个示例中，选择α₂₁＝0.3，α₂₂＝0.5，α₂₃＝0.6，α₂₄＝0.7。由上面的(6)式便可生成模糊控制规则表。

同时，如何根据系统的性能快速确定量化因子k_e、k_ec和比例因子k_u，目前尚无统一标准。k_e、k_ec和k_u三者互相影响和牵制，选择它们时应综合考虑。通常在一个复杂控制系统中，用一组固定的量化和比例因子很难得到性能优良的控制效果。因此可在控制过程中动态地改变量化和比例因子的值，实现在控制不同阶段的参数自调整(图3中的参数自调整模块)，从而改善模糊控制器性能。采用的调整策略分两个阶段：即当进入该阶段后，误差e和误差变化率e_c较大，取较小的k_e和k_ec值，同时取较大的k_u值，降低对e和e_c的分辨率，加快系统响应速度；在该阶段的后期，当误差e和误差变化率e_c较小时，取较大k_e和k_ec值，同时取较小的k_u值，提高对e和e_c的分辨率，减小系统超调和稳态误差。

具体实施时，可为量化和比例因子增加一个调整因数λ，在控制过程中参数可以根据误差e和误差变化率e_c的大小获得对应的调整因数λ值，实现参数的在线自调整。由于系数λ同时受e和e_c的影响，所以可将参数调整因数λ构造为如下函数：

式中的K为指数函数的系数，

均为指数函数，即：

(0＜μ₁＜1)            (8)

(0＜μ₂＜1)            (9)

μ₁、μ₂为相应的指数函数底数。

在一个示例中，可设K＝4，μ₁＝0.6，μ₂＝0.8，则得到一个参数调整因数λ的规则表。参数自调整模块首先根据初始的量化因子k_e和k_ec对偏差e和偏差变化率e_c进行量化，并对照模糊参数调整因数规则表获得相应的λ值，计算出新的量化和比例因子，如下式：

k′_e＝k_eλ，k′_ec＝k_ecλ，k′_u＝k_u/λ                     (10)

k′_e、k′_ec为新的量化因子，k′_u为新的比例因子。

这样，就可实现图3中对量化因子k_e、k_ec和比例因子k_u的参数自调整。

3)PI控制器模块

控制器的输出为图2中的u₃。理论上模糊控制器分级再多也不可能实现无静差，况且分级太多就失去了模糊的意义。因此在实际位置信号将要到达给定位置时，将解析模糊控制器切换到PI控制器，利用PI控制进行无静差设计，提高系统的稳态控制精度。此时控制器的输出u₃如下式：

$u_3=K_p(e\left(k\right)+K_i\underset{i=0}{\overset{k}{\mathrm{\&Sigma;}}}e\left(i\right))---\left(11\right)$

其中，K_p为比例系数，K_i为积分系数，e(k)为第k次采样的偏差值，

为第k次及以前采样偏差值的累加。

(4)对补偿控制器的介绍：

补偿控制器是为伺服系统提供抗干扰性能的，本发明采用模糊神经网络补偿控制器的原因是，本发明对主控制器部分所作的改进可以使模糊神经网络补偿控制器的性能得到进一步的优化，更好的服务于伺服系统。将模糊神经网络补偿控制器与变结构智能复合主控制器进行结合，作用于伺服系统。模糊神经网络补偿控制器的工作过程可简述为：采用伺服系统的输入、输出数据在线训练RBF神经网络辨识器，使RBF神经网络辨识器逼近被控对象的系统模型，实时跟踪系统模型的变化；根据系统模型的变化情况，RBF神经网络辨识器向模糊神经网络补偿控制器提供Jacobian信息，由模糊神经网络补偿控制器对伺服系统的干扰进行补偿，消除干扰的影响。模糊神经网络补偿控制器根据得到的Jacobian信息来调整模糊神经网络补偿控制器的参数，使得补偿控制器具有较强的自适应性和鲁棒性。

RBF网络是一种三层前馈网络，具有运算量小、收敛快的特点。输入层实现从x→h_j(x)的非线性映射，输出层实现从h_j(x)→θ_m的线性映射。隐含层空间到输出空间的映射是线性的，从而大大加快了学习速度并避免了局部极小问题。图7中的RBF神经网络原理是对图6中RBF神经网络辨识器的具体描述。

参考图8，构建模糊神经网络补偿控制器。此处的模糊神经网络控制器是一个四层的模糊神经网络，其结构如图9所示。四层分别为输入层、隶属函数层、规划层及输出层，输入层含2个神经元，输出层为1个神经元。第1层将x₁、x₂引入网络，第2层将x₁、x₂模糊化，采用的隶属度函数为exp(-(x-a)²/b²)；第3层对应模糊推理，“∏”表示模糊AND操作，这里采用乘积“*”操作来代替取小运算；第4层对应于去模糊化操作。

至此，便完成了本发明方案的变结构双自由度智能集成控制系统总体搭建，图8是本发明方案的完整结构框图。

图10给出了本发明的具体实施例的硬件示意图。以带有光电脉冲编码器的交流伺服电动机作为被控对象，用PCL-833三轴正交编码计数卡进行数据采集。该卡将编码器来的脉冲信号进行整形、倍频和辨向处理，实现对反馈脉冲的检测计数，达到位置检测的目的。变结构双自由度智能集成控制算法由工控机通过软件来实现，其程序运行框图如图11所示。主程序主要完成系统的初始化、中断服务程序的设定和系统数据的显示。而中断服务程序则完成变结构双自由度总控制量的计算，并通过具有两路双缓冲12位模拟量输出通道的接口板PCL-728，将该控制量D/A转换，转换后的输出电压作为伺服驱动器的速度给定输入，从而实现对交流伺服电机的控制(将伺服驱动器与伺服电机作为一个整体)。所用交流伺服电机的参数如下：额定功率P_e＝0.45kW，额定电压U_e＝200V，额定电流I_e＝3.8A，额定频率f_e＝50Hz，极对数n_p＝2，额定转速n_e＝1500rpm，额定转矩T_e＝2.84N.m，最大转矩T_max＝8.92N.m，转动惯量J＝7.24×10^-4kg.m²。

为了方便比较本发明的效果，通过给定阶跃信号并在伺服系统运行过程中加入一定的负载阻力，考察在不同控制器作用下，伺服系统的跟踪性和抗干扰性。图12、13、14分别表示在3种不同控制器作用下的实验曲线：单自由度PID控制、以PID为主控器的双自由度智能控制(具有RBF辨识器和模糊神经网络补偿控制器)、本发明提出的变结构双自由度智能集成控制。当在给定8192个脉冲(此处对应伺服电机转一圈)的作用下，在电动机起动后1.0s时加入一幅值为0.6N.m的阻力扰动(可视为伺服电机驱动的负载阻力作用)。

由图12可以看出，采用单自由度PID控制：超调量大，调节时间最长，稳定性最差；当受到扰动后，过渡过程时间和恢复时间最长，跟踪性与鲁棒性最差。

由图13可以看出，采用以PID为主控制器的双自由度智能控制：

1)跟踪性：上升时间和调节时间较长，当达到稳态误差为零的给定位置时，需要0.45s的时间；

2)抗干扰性：当突加负载，其过渡响应阶段存在较大的扰动，位置发生突降，下降幅度较大，约经0.4s才能重新回到稳态，恢复到原始状态的时间较长。

由图14可看出，若采用本发明的变结构双自由度智能集成控制：

1)跟踪性：上升和调节时间最短，当达到稳态误差为零的给定位置时，仅需0.25s的时间。该控制方法提高了系统响应速度，无振荡、无超调；同时将位置跟踪无静差的时间提前，保证了系统对给定信号跟踪的快速性和准确性。

2)抗干扰性：当突加负载，位置响应曲线变化不明显，位置下降幅度减小，超调量不大，过渡时间最短，仅经过0.23s便迅速恢复至稳态。这是由于变结构复合智能主控制器具有自适应性，对干扰起到一定的抑制作用；同时，变结构智能主控制器动态响应迅速，从而加快了模糊神经网络补偿控制器的收敛速度。在上述双重作用下，较好地抑制了干扰，迅速进入稳态运行。在实际中，表现为大大削弱了阻力扰动对位置的影响，使系统具有良好的抗扰能力。

Claims (6)

1.一种伺服电机的变结构双自由度智能集成控制方法，包括伺服系统、为伺服系统提供跟踪性能的主控制器、为伺服系统提供抗干扰性能的补偿控制器，其特征在于：所述主控制器由三个子控制器组成，它们分别是Bang-Bang控制器、解析模糊控制器和PI控制器；针对电机工作时的不同误差区段，1）或者三个子控制器中的一者单独输出独立控制信号；2）或者三个子控制器中的一者或两者输出控制信号：a.只有一者输出控制信号时与步骤1）的情况相同，该子控制器输出独立控制信号；b.有两者输出控制信号时，对两个控制信号进行模糊综合，形成综合控制信号；3）子控制器所输出的独立控制信号或综合控制信号，与补偿控制器输出的信号进行叠加后作用于伺服系统，对电机进行控制。

2.根据权利要求1所述的伺服电机的变结构双自由度智能集成控制方法，其特征在于：步骤1）中，不同误差区段之间无交叠区域；误差较大时，Bang-Bang控制器输出独立控制信号；误差适中时，解析模糊控制器输出独立控制信号；误差较小时，PI控制器输出独立控制信号；独立控制信号与补偿控制器的输出信号进行叠加后输出到伺服系统。

3.根据权利要求1所述的伺服电机的变结构双自由度智能集成控制方法，其特征在于：步骤2）中，按误差大小顺次排列的各个误差区段在交界处有交叠区域；误差较大但又不在交叠区域时，Bang-Bang控制器输出独立控制信号；误差适中但又不在交叠区域时，解析模糊控制器输出独立控制信号；误差较小但又不在交叠区域时，PI控制器输出独立控制信号；独立控制信号与补偿控制器的输出信号进行叠加后输出到伺服系统；

当误差处于较大区段与误差适中区段的交叠区域时，Bang-Bang控制器和解析模糊控制器同时输出控制信号；当误差处于适中区段与误差较小区段的交叠区域时，解析模糊控制器和PI控制器同时输出控制信号；对来自两个子控制器的控制信号进行模糊综合，形成综合控制信号，并将综合控制信号与补偿控制器的输出信号进行叠加后输出到伺服系统。

4.根据权利要求1、2或3所述的伺服电机的变结构双自由度智能集成控制方法，其特征在于：以电机启动时的指令信号与实际位置信号的误差值e1为分母，以电机启动过程中的

指令信号与实际位置信号的误差值e2为分子，按                                               所计算出的百分比数值为依

据，划分误差区域；

步骤1）中的情况时，0~5%为误差较小的区段，PI控制器单独输出独立控制信号；10%~20%为误差适中的区段，解析模糊控制器单独输出独立控制信号；20%以上为误差较大的区段，Bang-Bang控制器单独输出独立控制信号；

步骤2）中情况时，0~10%为误差较小的区段，5%~25%为误差适中的区段，20%以上为误差较大的区段：0~5%时，PI控制器单独输出独立控制信号；5%~10%时，解析模糊控制器和PI控制器同时输出控制信号；10%~20%时，解析模糊控制器单独输出独立控制信号；20%~25%时，Bang-Bang控制器和解析模糊控制器同时输出控制信号；25%以上时，Bang-Bang控制器单独输出独立控制信号。

5.根据权利要求1或3所述的伺服电机的变结构双自由度智能集成控制方法，其特征在于：有两个子控制器同时输出控制信号时，根据如下方法对两个子控制器同时输出的控制信号进行模糊综合：

1）将两个子控制器所适用的误差区段的交叠区域等值划分为10个误差等级，10个误差等级分别对应

=0，1，2，3，4，5，6，7，8或9，在两个子控制器所适用的误差区段的交叠区域，当误差处于该交叠区域内的最大值所在误差等级时，

取9，当误差处于该交叠区域内的最小值所在误差等级时，

取0；

根据下式计算两个子控制器输出的控制信号的作用强度：

，

式中，

为适用于误差相对较大区段的子控制器输出的控制信号的作用强度，

为适用于误差相对较小区段的子控制器输出的控制信号的作用强度，

为微调参数；

2）根据下式计算综合控制信号：

为

所对应的子控制器的输出量，

为

所对应的子控制器的输出量，

即为最终得到的综合控制信号。

6.根据权利要求1所述的伺服电机的变结构双自由度智能集成控制方法，其特征在于：所述补偿控制器采用模糊神经网络补偿控制器：采用伺服系统的输入、输出数据在线训练RBF神经网络辨识器，使RBF神经网络辨识器逼近被控对象的系统模型，实时跟踪系统模型的变化；根据系统模型的变化情况，RBF神经网络辨识器向模糊神经网络补偿控制器提供

信息，由模糊神经网络补偿控制器对伺服系统的干扰进行补偿，彻底消除干扰的影响。

Images