CN102647130A - 永磁同步直线电机的控制方法 - Google Patents
永磁同步直线电机的控制方法 Download PDFInfo
- Publication number
- CN102647130A CN102647130A CN2012101192885A CN201210119288A CN102647130A CN 102647130 A CN102647130 A CN 102647130A CN 2012101192885 A CN2012101192885 A CN 2012101192885A CN 201210119288 A CN201210119288 A CN 201210119288A CN 102647130 A CN102647130 A CN 102647130A
- Authority
- CN
- China
- Prior art keywords
- control
- error
- partiald
- control method
- synchronous motor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明提供一种永磁同步直线电机的控制方法,包括以下步骤:预先设定一误差比例常数;计算所述永磁同步直线电机的速度反馈系统的控制比例误差;判断所述控制比例误差是否小于所述误差比例常数,若是,则采用PID控制;若否,则采用RBF神经网络PID控制。本发明永磁同步直线电机的控制方法使电机的速度响应更快,超调量更小,且抗干扰能力更强。
Description
技术领域
本发明涉及一种永磁同步直线电机的控制方法,具体是一种永磁同步直线电机中用基于RBF神经网络PID控制替代传统PID控制的方法。
背景技术
永磁同步直线电机是一种能直接将电能转换为直线运动的传动装置,由于不需要中间传动介质,相对于传统的“旋转电机+滚轴丝杠”的传动方式具有显著的优势如:精度高、速度和加速度大且稳定,推力大等。近年来,直线电机得到了飞速的发展并且广泛应用于各种场合,尤其是以高效率和高精度为基本特征的高速加工领域。直线电机以其快速响应和精度等方面的优势而逐渐取代普通伺服驱动系统,但要使直线电机表现出优良的性能,就对控制系统的要求也越来越高。
常规PID控制作为最早的控制策略已被人们熟练掌握并且以其结构简单、输出稳定、不需要精确的数学模型而仍然广泛应用于实际工业控制中。PID控制器问世至今已有近70年历史,它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。当被控对象的结构和参数不能完全掌握,或得不到精确的数学模型时,控制理论的其它技术难以采用时,系统控制器的结构和参数必须依靠经验和现场调试来确定,这时应用PID控制技术最为方便。即当我们不完全了解一个系统和被控对象,或不能通过有效的测量手段来获得系统参数时,最适合用PID控制技术。PID控制器就是根据系统的误差,利用比例、积分、微分计算出控制量进行控制的。但在许多应用场合,如对系统要求有比较高的动态控制精度、控制对象的非线性及模型的不确定、所处的环境干扰较多等,如果使用传统的PID控制,不能达到理想的控制效果。
发明内容
本发明针对现有永磁同步直线电机的控制方法达不到很好的理想的控制效果的问题,提出一种控制效果更好的抗干扰能力强的控制方法。
为了实现上述目的,本发明提出一种永磁同步直线电机的控制方法,包括以下步骤:预先设定一误差比例常数;计算所述永磁同步直线电机的速度反馈系统的控制比例误差;判断所述控制比例误差是否小于所述误差比例常数,若是,则采用PID控制;若否,则采用RBF神经网络PID控制。
可选的,预先设定所述误差比例常数为2%。
可选的,所述RBF神经网络PID控制为基于S函数的RBF神经网络PID控制,所述S函数为Simulink中的一高级功能模块。
本发明永磁同步直线电机的控制方法的有益技术效果为:本发明永磁同步直线电机的控制方法首选判断所述永磁同步直线电机的速度反馈系统的控制比例误差,当误差较大时,用RBF神经网络PID控制代替传统的PID控制,从而使得电机的速度响应更快,超调量更小,且抗干扰能力更强,获得了更好的控制效果。
附图说明
图1为本发明永磁同步直线电机的控制方法的实施例的流程示意图。
图2至图5为本发明永磁同步直线电机的控制方法的实施例的仿真数据对比图。
具体实施方式
永磁同步直线电机若要表现出优良的性能,则对控制系统的要求比较高,本发明提出了一种永磁同步直线电机的控制方法,请参考图1,该控制方法包括以下步骤:步骤10:预先设定一误差比例常数,例如设定为2%;步骤11:计算所述永磁同步直线电机的速度反馈系统的控制比例误差,设所述控制比例误差为e(t),e(t)为理想情况下的速度与实际速度的差的绝对值和理想情况下的速度的比值;步骤12:判断所述控制比例误差是否小于所述误差比例常数,若是,表示误差较小,则转入步骤13:采用PID控制;若否,表示误差较大,则转入步骤14:采用RBF神经网络PID控制。
RBF神经网络PID控制中的RBF控制模块采用S函数编写,S函数为Simulink中的一高级功能模块,而Simulink是运行在MATLAB环境下用于建模、仿真和分析动态系统的软件包。当系统采用较复杂的控制规律时,Simulink中没有现成功能模块可用,通常要采用MATLAB编程语言,编写大量复杂而烦琐的源程序代码进行仿真,不但编程复杂,工作量大,而且也不直观,如果利用Simulink提供的S函数来实现这种控制规律,就可以避免原来的复杂的编程方法,所要完成的系统仿真工作量会大大减少。
在步骤12的判断结果中,如果是转入步骤13,则和现有技术相同,如果是转入步骤14,则采用RBF神经网络PID控制,具体的控制步骤如下:第一步,永磁同步直线电机模型的建立,由于Simulink里面并无直线电机的仿真模型,应根据永磁同步直线电机的数学模型分别建立其电压和机械模块,并根据其动力学方程搭建直线电机的仿真模块;第二步:建立永磁同步直线电机的整体仿真模块,包括速度和电流环PID控制,SVPWM模块等,并进行参数调整获得各PID控制器的初始参数;第三步:RBF神经网络算法确定及其S函数的编写,并建立相对应的simulink仿真模块;第四步:将速度反馈系统的PID控制器改进为RBF神经网路PID控制进行仿真并与传统PID控制器仿真结果进行比较。
永磁同步直线电机的速度反馈系统的控制误差为
e(k)=r(k)-y(k) (1)
PID的输入为
xc(1)=e(k)-e(k-1) (2)
xc(2)=e(k) (3)
xc(3)=e(k)-2e(k-1)-e(k-2) (4)
采用增量式PID,神经网络整定性能指标函数为由梯度下降法得到kP,kI,kD的调整公式:
其中P表示比例,I表示积分,D表示微分,η为学习速率。Jacobian阵算法为:
公式(1)到(8)中,r(k)为系统输入,y(k)为系统输出,xc(1),xc(2),xc(3)为PID微积分模块计算三个量,wj为加权系数,hj为第j个隐层节点输出,cji为高斯转换函数的中心位置参数,bj是第j个隐节点高斯函数的形状(宽度)参数。
实际情况下,速度给定1m/s,将RBF神经网路PID控制进行仿真并与传统PID控制器仿真结果进行比较,请参考图2至图5,四幅图的横坐标均表示时间,单位为秒,其中图2是无扰动的速度比较,图3是无扰动的推力比较,可以看出,在无扰动的情况下,RBF神经网路PID控制比传统PID控制的表现更佳能够较快的达到目标速度和推力,超调量也更小,在0.5秒时,突然施加额外的扰动,图4为突加扰动的速度比较,图5为突加扰动的推力比较,从图4和图5可以看出,传统PID控制在0.5秒出收到的干扰很大,而RBF神经网路PID控制几乎不受影响,即BF神经网路PID控制比传统PID控制的抗干扰能力更强。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所述技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (3)
1.一种永磁同步直线电机的控制方法,其特征在于,包括以下步骤:
预先设定一误差比例常数;
计算所述永磁同步直线电机的速度反馈系统的控制比例误差;
判断所述控制比例误差是否小于所述误差比例常数,若是,则采用PID控制;若否,则采用RBF神经网络PID控制。
2.根据权利要求1所述的永磁同步直线电机的控制方法,其特征在于:预先设定所述误差比例常数为2%。
3.根据权利要求1所述的永磁同步直线电机的控制方法,其特征在于:所述RBF神经网络PID控制为基于S函数的RBF神经网络PID控制,所述S函数为Simulink中的一高级功能模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101192885A CN102647130A (zh) | 2012-04-20 | 2012-04-20 | 永磁同步直线电机的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101192885A CN102647130A (zh) | 2012-04-20 | 2012-04-20 | 永磁同步直线电机的控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102647130A true CN102647130A (zh) | 2012-08-22 |
Family
ID=46659763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101192885A Pending CN102647130A (zh) | 2012-04-20 | 2012-04-20 | 永磁同步直线电机的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102647130A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107045289A (zh) * | 2017-06-05 | 2017-08-15 | 杭州电子科技大学 | 一种电加热炉温度的非线性神经网络优化pid控制方法 |
CN116418261A (zh) * | 2023-02-22 | 2023-07-11 | 深圳市弘粤驱动有限公司 | 一种基于径向基函数神经网络的电机pid控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1431769A (zh) * | 2003-02-20 | 2003-07-23 | 东南大学 | 感应电机的神经网络逆控制变频器及构造方法 |
CN101763035A (zh) * | 2009-11-13 | 2010-06-30 | 上海电力学院 | Rbf神经网络整定pid与模糊免疫控制方法 |
CN102097986A (zh) * | 2011-01-20 | 2011-06-15 | 江苏大学 | 无轴承同步磁阻电机神经网络广义逆解耦控制器构造方法 |
-
2012
- 2012-04-20 CN CN2012101192885A patent/CN102647130A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1431769A (zh) * | 2003-02-20 | 2003-07-23 | 东南大学 | 感应电机的神经网络逆控制变频器及构造方法 |
CN101763035A (zh) * | 2009-11-13 | 2010-06-30 | 上海电力学院 | Rbf神经网络整定pid与模糊免疫控制方法 |
CN102097986A (zh) * | 2011-01-20 | 2011-06-15 | 江苏大学 | 无轴承同步磁阻电机神经网络广义逆解耦控制器构造方法 |
Non-Patent Citations (2)
Title |
---|
曹文霞,汪永华,钱多德: "基于RBF神经网络整定PID的PMLSM控制研究", 《安徽农业大学学报》, vol. 39, no. 1, 31 January 2012 (2012-01-31), pages 154 - 158 * |
李建春: "模糊PID控制性能仿真分析", 《中原工学院报》, vol. 21, no. 6, 31 December 2010 (2010-12-31) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107045289A (zh) * | 2017-06-05 | 2017-08-15 | 杭州电子科技大学 | 一种电加热炉温度的非线性神经网络优化pid控制方法 |
CN116418261A (zh) * | 2023-02-22 | 2023-07-11 | 深圳市弘粤驱动有限公司 | 一种基于径向基函数神经网络的电机pid控制方法 |
CN116418261B (zh) * | 2023-02-22 | 2024-05-03 | 深圳市一本自动化有限公司 | 一种基于径向基函数神经网络的电机pid控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104238361B (zh) | 电机伺服系统自适应鲁棒位置控制方法与系统 | |
CN102385342B (zh) | 虚拟轴机床并联机构运动控制的自适应动态滑模控制方法 | |
CN103684193B (zh) | 一种交流伺服系统控制器参数整定方法 | |
CN102411305B (zh) | 单旋翼直升机/涡轴发动机综合抗扰控制系统设计方法 | |
CN103406909B (zh) | 一种机械臂系统的跟踪控制设备及方法 | |
CN104533701A (zh) | 一种水轮机调速系统控制参数的自动整定方法 | |
CN103197542B (zh) | 基于数据驱动的时滞系统pid控制器镇定方法 | |
CN104199283A (zh) | 一种电液伺服在线自调整模糊pid控制的测试系统及控制方法 | |
CN104252134A (zh) | 基于扩张状态观测器的电机伺服系统自适应鲁棒位置控制方法 | |
CN107121932A (zh) | 电机伺服系统误差符号积分鲁棒自适应控制方法 | |
CN112904728A (zh) | 一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法 | |
CN104460704A (zh) | 一种基于扰动上界估计的电动转台俯仰位置跟踪控制方法 | |
CN105022269A (zh) | 仿生机器鱼关节的控制方法及装置 | |
CN104345640A (zh) | 一种输入受限时电机伺服系统渐进跟踪控制方法和系统 | |
CN102509152A (zh) | 一种基于rbf神经网络的开关磁阻电机在线建模方法 | |
CN102591203B (zh) | 一种伺服电机的基于微分器的直接神经网络控制方法 | |
CN105159077A (zh) | 直驱电机系统干扰补偿的有限时间连续滑模控制方法 | |
CN102455660A (zh) | 基于数字h∞pid控制器的的连续时滞系统控制方法 | |
CN103296940A (zh) | 一种自适应pi控制方法与系统 | |
CN112696319A (zh) | 利用准确在线模型的基于风力涡轮模型的控制和估计 | |
Ming et al. | Simulation study on fuzzy PID controller for DC motor based on DSP | |
CN102269971A (zh) | 基于模型跟踪的自适应伺服控制器 | |
CN105093935A (zh) | 直驱电机系统的模型不确定性补偿的滑模控制方法 | |
CN102647130A (zh) | 永磁同步直线电机的控制方法 | |
Busquets et al. | Discontinuous projection-based adaptive robust control for displacement-controlled actuators |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120822 |