CN103532459A - 一种数控机床驱动用直线伺服电机控制方法 - Google Patents

Abstract

本发明公开了一种数控机床驱动用直线伺服电机控制方法，通过反馈信号检测模块、位置控制环、速度控制环和电流控制环对正弦波直线电机进行控制，所述反馈信号检测模块包括位置检测模块、速度检测模块和电流检测模块；其中位置控制环采用PI反馈控制和神经网络给定补偿控制相结合的复合控制方法，速度控制环采用带干扰观测器的模糊控制器，电流控制环采用带有PI调节器的空间矢量PWM调制技术。本发明将神经网络补偿的IP控制技术、模糊控制以及交流电机的矢量控制结合在一起，提高了直线伺服电机的抗干扰能力、动态响应能力和系统的稳态精度。

Description

一种数控机床驱动用直线伺服电机控制方法

技术领域

本发明涉及一种高精度数控机床进给驱动用直线伺服电机的控制方法，尤其涉及一种带有IP反馈控制和模糊控制的直线伺服电机的矢量控制方法。

背景技术

直线永磁交流伺服系统省掉了机械传动机构，将负载直接与永磁直线同步电动机PMLSM的动子相连，把控制对象与电机做成一体化结构，消除了机械速度变换机构所带来的一些不良影响，如摩擦机械后冲弹性变形等，在高精度微进给伺服系统应用中具有非常大的优势。但是，由于直线电机直接与加工刀具连接，外部负载的扰动、摩擦力会直接传给直线电机，再考虑到直线电机在工作时各种参数的变化以及控制系统的不确定因素的影响，这就对直线电机的控制提出了更高的要求。

由于正弦波直线永磁电机具有高功率密度以及快速、精确的高控制性能，使其成为进给驱动用直线电机的首选。对于这种电机控制方法的研究一直以来是一个热点，例如采用鲁棒控制技术来克服控制系统的各种扰动，但这种方法是基于精确模型参数的控制方法，而直线电机的模型具有诸多不确定性而且有些参数难以测量。有人考虑采用传统的自适应控制方法，包括模型参考自适应控制、自调节控制以及滑模变结构控制等，这类控制方法的优点是可以摆脱对电机精确参数的依赖。智能控制技术如模糊控制、神经网络控制等近年来已经被研究者应用于伺服驱动控制中，并取得了理想的运动控制性能。但是目前还没有将带神经网络补偿的IP控制、带干扰观测器的模糊控制以及交流电机的矢量控制结合在一起的技术用于电机控制中。

发明内容

发明目的：为了克服直接进给驱动控制系统中出现的在外部干扰影响下系统不稳定、控制精度差和动态响应能力低等问题，本发明提供一种将带神经网络补偿的IP控制和模糊控制相结合的正弦波直线伺服电机的控制方法，该控制方法将自适应控制、模糊控制已及交流电机的矢量控制结合在一起，可有效地克服各种扰动和不确定性对控制系统的影响，能够直线伺服电机的稳定性、精确度和动态响应能力。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种数控机床驱动用直线伺服电机控制方法，该控制方法通过反馈信号检测模块、位置控制环、速度控制环和电流控制环对正弦波直线电机进行控制，所述反馈信号检测模块包括位置检测模块、速度检测模块和电流检测模块；具体控制方法包括以下步骤：

（1）位置检测模块将检测的动子实时位移信号x与给定位移信号x^*进行比较，产生位移误差Δx，将位移误差Δx传送给位置控制环，作为位置控制环的输入信号；

（2）位置控制环采用PI反馈控制和神经网络给定补偿控制相结合的复合控制方法，位移误差Δx经过PI控制器后输出给定速度信号v^*；

在PI控制器中引入神经网络给定补偿控制器，通过神经网络给定补偿控制器的输出信号v_cmp1和v_cmp2对速度误差Δv的补偿，消除直线电机端部效应引起的推力对直线伺服系统性能的影响；所述神经网络给定补偿控制器包括两个具有相同结构和联结权值的组成部分，即神经网络NN₁和神经网络NN₂；所述神经网络NN₂用于辨识被控对象的模型，对被控对象进行逆向建模，神经网络NN₂的输入为动子实时位移信号x以及v_cmp1+Δv，神经网络NN₂的输出为速度信号v_cmp1；所述神经网络NN₁作为给定补偿控制器，神经网络NN₁的输入为给定位移信号x^*以及v_cmp1+Δv，神经网络NN₁的输出为速度补偿信号v_cmp2，当被控对象变化时，神经网络NN₁随之变化；

PI控制器输出的给定速度信号v^*与速度检测模块测量的实际速度信号v进行比较产生速度误差Δv和速度误差变化率dΔv，将速度误差Δv和速度误差变化率dΔv传送给速度控制环，作为速度控制环的输入信号；

（3）速度控制环采用带干扰观测器的模糊控制器，首先将速度误差Δv和速度误差变化率dΔv使用模糊控制器进行模糊化处理，然后根据模糊规则进行模糊推理获得模糊推理得到的q轴电流值i_q ^*'，再对i_q ^*'进行去模糊化处理获得i_q'；同时将q轴给定电流i_q ^*和实际速度信号v作为干扰观测器的输入信号，干扰观测器的输出信号经低通滤波器后得到的补偿电流对i_q'进行补偿，得到给定电流i_q ^*，将i_q ^*传送给电流控制环，作为电流控制环的输入信号；使用观测模型简单的干扰观测器能够消除稳定干扰力（如负载）对直线伺服系统带来的影响，使直线电机的速度可以得到很好的控制；

（4）电流检测模块将测定的三相电流信号经过park变换abc/dq后得到d轴实际电流i_d和q轴实际电流i_q，将i_d和i_q传送给电流控制环，作为电流控制环的输入信号；

（5）电流控制环采用带有PI调节器的空间矢量PWM调制技术，d轴给定电流i_d ^*和q轴给定电流i_q ^*分别与d轴实际电流i_d和q轴实际i_q进行比较后的差值，经过PI调节器后输出d轴电压分量u_d和q轴电压分量u_q，u_d和u_q经2/3坐标变换后输出旋转坐标系下的三相电压，所述三相电压经空间矢量PWM模块产生6路PWM输出，控制逆变器输出电流的大小，从而控制电机的输出转矩。

优选的，所述步骤（2）中，神经网络采用加动量的BP算法，收敛速度快。

优选的，所述模糊控制器采用重心法，模糊控制器的输出采用单值输出法。

优选的，所述电流检测模块包括电流互感器。

优选的，所述位置检测模块包括光栅尺。

有益效果：本发明提供的数控机床驱动用直线伺服电机控制方法，电流控制环采用的电压空间矢量PWM方法可以有效降低功率开关器件的开关损耗，提高了系统的动态响应能力；速度控制环采用的带干扰观测器的模糊控制法在速度响应快的同时能够消除静态误差；位置控制环采用的带神经网络给定补偿的IP控制方法具有很强的鲁棒性，可以消除PMLSM的端部效应引起的推力波动对直线伺服系统性能的影响，保证了伺服系统的定位精度；采用正弦波直线电机直接进给驱动方式代替传统的“旋转伺服电机+滚珠丝杠”的进给方式，可以大大提高伺服系统的速度、加速度、动态响应能力和精确度；本发明将神经网络补偿的IP控制技术、模糊控制以及交流电机的矢量控制结合在一起，提高了直线伺服电机的抗干扰能力、动态响应能力和系统的稳态精度，特别适用于进给驱动装置采用直线电机的高速数控机床的高精度伺服系统中。

附图说明

图1为本发明的控制框图；

图2为模糊控制的组成部分框图；

图3为干扰观测器与低通滤波器的结构框图；

图4为速度控制环中的隶属函数；

图5为神经网络结构图；

图6为神经网络给定补偿结构图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1所示为一种数控机床驱动用直线伺服电机控制方法，该控制方法通过反馈信号检测模块、位置控制环、速度控制环和电流控制环对正弦波直线电机进行控制，所述反馈信号检测模块包括位置检测模块、速度检测模块和电流检测模块；所述电流检测模块采用电流互感器，所述位置检测模块采用光栅尺。

具体控制方法包括以下步骤：

（1）位置检测模块将检测的动子实时位移信号x与给定位移信号x^*进行比较，产生位移误差Δx，将位移误差Δx传送给位置控制环，作为位置控制环的输入信号；

（2）位置控制环采用PI反馈控制和神经网络给定补偿控制相结合的复合控制方法，位移误差Δx经过PI控制器后输出给定速度信号v^*；

在PI控制器中引入神经网络给定补偿控制器，通过神经网络给定补偿控制器的输出信号v_cmp1和v_cmp2对速度误差Δv的补偿，消除直线电机端部效应引起的推力对直线伺服系统性能的影响；所述神经网络给定补偿控制器包括两个具有相同结构和联结权值的组成部分，即神经网络NN₁和神经网络NN₂；所述神经网络NN₂用于辨识被控对象的模型，对被控对象进行逆向建模，神经网络NN₂的输入为动子实时位移信号x以及v_cmp1+Δv，神经网络NN₂的输出为速度信号v_cmp1；所述神经网络NN₁作为给定补偿控制器，神经网络NN₁的输入为给定位移信号x^*以及v_cmp1+Δv，神经网络NN₁的输出为速度补偿信号v_cmp2，当被控对象变化时，神经网络NN₁随之变化，这样即可实现对速度误差Δv的补偿，消除直线电机端部效应引起的推力对直线伺服系统性能的影响；

PI控制器输出的给定速度信号v^*与速度检测模块测量的实际速度信号v进行比较产生速度误差Δv和速度误差变化率dΔv，将速度误差Δv和速度误差变化率dΔv传送给速度控制环，作为速度控制环的输入信号；

（3）速度控制环采用带干扰观测器的模糊控制器，同时采用Mamdani推理方法、重心法和单值输出法；首先将速度误差Δv和速度误差变化率dΔv使用模糊控制器进行模糊化处理，然后根据模糊规则进行模糊推理获得模糊推理得到的q轴电流值i_q ^*'，再对i_q ^*'进行去模糊化处理获得i_q'；同时将q轴给定电流i_q ^*和实际速度信号v作为干扰观测器的输入信号，干扰观测器的输出信号经低通滤波器后得到的补偿电流对i_q'进行补偿，得到给定电流i_q ^*，将i_q ^*传送给电流控制环，作为电流控制环的输入信号；使用观测模型简单的干扰观测器能够消除稳定干扰力（如负载）对直线伺服系统带来的影响，使直线电机的速度可以得到很好的控制；

（4）电流检测模块将测定的三相电流信号经过park（派克）变换abc/dq后得到d轴实际电流i_d和q轴实际电流i_q，将i_d和i_q传送给电流控制环，作为电流控制环的输入信号；

（5）电流控制环采用带有PI调节器的空间矢量PWM调制技术，d轴给定电流i_d ^*和q轴给定电流i_q ^*分别与d轴实际电流i_d和q轴实际i_q进行比较后的差值，经过PI调节器后输出d轴电压分量u_d和q轴电压分量u_q，u_d和u_q经2/3坐标变换后输出旋转坐标系下的三相电压，所述三相电压经空间矢量PWM模块产生6路PWM输出，控制逆变器输出电流的大小，从而控制电机的输出转矩。

优选的，所述步骤（2）中，神经网络采用加动量的BP算法，收敛速度快。

优选的，所述电流检测模块包括电流互感器。

优选的，所述位置检测模块包括光栅尺。

所述模糊控制器采用Mamdani推理方法、重心法和单值输出法。

下面结合相关计算对本发明作出进一步的说明。

假设直线电机的电流为对称的三相正弦波电流，经过park变换abc/dq后得到d轴实际电流i_d和q轴实际电流i_q模型为：

$\left\{\begin{array}{c}\frac{{\mathrm{di}}_d}{\mathrm{dt}}=-\frac{R_s}{L_d}{i}_d+v\frac{\mathrm{\π}}{\mathrm{\τ}}\frac{L_q}{L_d}{i}_q+\frac{1}{L_d}{u}_d\\ \frac{{\mathrm{di}}_q}{\mathrm{dt}}=-\frac{R_s}{L_q}{i}_q-v\frac{\mathrm{\π}}{\mathrm{\τ}}\frac{L_d}{L_q}{i}_d-v\frac{\mathrm{\π}}{\mathrm{\τ}}\frac{{\mathrm{\λ}}_f}{L_q}+\frac{1}{L_q}{u}_q\end{array}\right.$

产生的电磁推力F_e为：

$F_e=-\frac{3}{2}\frac{\mathrm{\π}}{\mathrm{\τ}}((L_d-L_q)i_d+{\mathrm{\λ}}_f)i_q$

其中，λ_f为定子永磁体产生的励磁磁链，τ为级距，L_d为d轴同步电感，L_q为q轴同步电感，R_s为定子电阻，v为直线电机动子运行速度，u_d为d轴电压分量，u_q为q轴电压分量。

如图1所示，电流控制环包括两个PI调节器、坐标变换（包括dq/αβ、αβ/dq、abc/dq和dq/abc四个坐标变换）、SVPWM等模块；采用i_d=0的矢量控制，可以防止电枢反应的去磁作用。

如图1所示，被控对象位于神经网络NN₂对系统的辨识环中，并且由于阻力扰动的变化与电机的动态性能相比比较缓慢，故完全可以用神经网络NN₂以任意逼急非线性函数的能力对其进行实时估计和补偿。

神经网络选择三层的误差反向传播网络，2个输入节点、8个隐层节点和1个输出节点；以神经网络NN₂为例的神经网络结构如图5所示，为了加快BP算法的收敛速度，采用加动量项的BP算法，取误差函数为：

E=[u(n)-u₂(n)]²/2

其中n为迭代次数，u(n)和u₂(n)为两层神经元输出值。

神经网络的权值学习算法如下：

w_ij(n+1)=w_ij(n)+ηδ_pjo_j+α[w_ij(n)-w_ij(n-1)]

其中：j为本节点的序号，i为隐含层或输入层节点的序号，η为学习率，o_j为第i节点的输入或者是外部输入，h为学习速率，α为惯性系数，δ_pj为误差项，w_ij(n)为第n次的权值，w_ij(n+1)为第n+1次的权值，其中δ_pj的取值有两种情况：

1）若j为输出节点，则：

δ_pj=o_j(1-o_j)(d_j-o_j)

2）若j为隐含层节点，则：

${\mathrm{\δ}}_{\mathrm{pj}}=o_j(1-o_j)\underset{k}{\mathrm{\Σ}}{\mathrm{\δ}}_{\mathrm{pk}}{w}_{\mathrm{jk}}$

式中d_j为期望输出，k为j节点所在层的全部节点，0＜α＜1；神经网络的训练分为离线和在线训练两个阶段：离线训练时，电机参数已知且固定，即以不变化的P(s)为学习对象；离线训练后，即可用神经网络NN₁和神经网络NN₂对P(s)进行在线给定补偿控制。为了保证神经网络的收敛性，在线补偿不是在每个采样周期都进行，而是每隔QT₀时间进行一次，以与电机实际运行情况相符合；其中Q为自然数，T₀为系统建模时的采样周期。

图2中，模糊控制器主要由四部分组成：模糊量化、模糊推理、去模糊化和模糊规则。模糊控制器的工作过程为：首先，将速度误差E=Δv和速度误差变化率EC=dΔv进行模糊量化处理；然后，根据模糊规则进行模糊处理，此时推理后结果仍然是模糊量，所以在模糊控制的最后环节要进行去模糊化处理。

模糊量化时，输入量为速度误差E和速度误差变化率EC，输出模糊变量为U=i_q ^*；变量E、EC和U被幺化到论域[-1,+1]，都具有7个模糊语言值，分别为：PB,PM,PS,ZO,NS,NM,MB。在运算中，变量E、EC和U根据一定的隶属关系用模糊集来表示，本例中各个变量的隶属函数选用三角形隶属函数，如图4所示；图中模糊集的交叉部分可以保证相邻控制输出之间的平滑切换。

在把输入、输出变量模糊化后，便可以根据人类专家的经验建立模糊规则；根据模糊规则，就可以进行模糊推理。根据永磁同步直线电机的速度运动规律和经验，模糊控制的基本原则是：

①当速度误差E和速度误差变化率EC二者都为零，控制量U为零；

②当速度误差E大于零时，控制量U取正值；

③当速度误差E小于零时，控制量U取负值；

④当速度误差E较大时，要缩短上升时间，控制量U取大值；

⑤当误差变化率EC较小时，应减少超调量，控制量U取较小值；

⑥当速度误差E较小而误差变化率EC较大时，控制量U取小值。

在输入变量E和EC都有7个模糊语言值的情况下，根据Mamdani型推理方法可以产生49条模糊规则，模糊规则控制表如表1所示。程序中运行的推理规则如下：

表1模糊规则控制表

通过上述推理规则，可以得到系统的模糊输出集，要得到实际的单指输出必须去模糊化处理。根据重心法，可得去模糊化后模糊控制器的输出为：

${i_q}^{\′}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\μ}}^i{c}^i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\μ}}^i}$

其中，μⁱ为第i条规则的隶属度；cⁱ是第i条规则输出的中心点。

由于模糊控制器无法从根本上消除稳定的干扰力（如负载等）对系统带来的影响，因而设计干扰观测器对干扰进行补偿，补偿电流为：

${\mathrm{\Δi}}_q\left(t\right)=\frac{1}{k_f}[k_f{i}_q^{*}\left(t\right)-(\hat{m}\stackrel{\·\·}{x}+\hat{B}\stackrel{\·}{x})]$

式中：Δi_q为补偿电流，

为给定电流；

和

为动子质量m和粘滞摩擦系数B的估计值，

为直线电机运动轨迹的一阶导数，

为直线电机运动轨迹的二阶导数，k_f为比例系数，可以根据实验得到。

根据以上分析，干扰观测器结构设计如图3所示。同时为了保证干扰观测器的可实现性，设计低通滤波器的传递函数为：

$F\left(s\right)=\frac{1}{1+\mathrm{\τ}\·s}$

式中τ为观测器时间常数。

本发明将自适应控制、模糊控制已及交流电机的矢量控制结合在一起，可有效地克服各种扰动和不确定性对控制系统的影响，提高了直线伺服电机的稳定性、精确度和动态响应能力。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种数控机床驱动用直线伺服电机控制方法，其特征在于：该控制方法通过反馈信号检测模块、位置控制环、速度控制环和电流控制环对正弦波直线电机进行控制，所述反馈信号检测模块包括位置检测模块、速度检测模块和电流检测模块；具体控制方法包括以下步骤：

（1）位置检测模块将检测的动子实时位移信号x与给定位移信号x^*进行比较，产生位移误差Δx，将位移误差Δx传送给位置控制环，作为位置控制环的输入信号；

（2）位置控制环采用PI反馈控制和神经网络给定补偿控制相结合的复合控制方法，位移误差Δx经过PI控制器后输出给定速度信号v^*；

在PI控制器中引入神经网络给定补偿控制器，通过神经网络给定补偿控制器的输出信号v_cmp1和v_cmp2对速度误差Δv的补偿，消除直线电机端部效应引起的推力对直线伺服系统性能的影响；所述神经网络给定补偿控制器包括两个具有相同结构和联结权值的组成部分，即神经网络NN₁和神经网络NN₂；所述神经网络NN₂用于辨识被控对象的模型，对被控对象进行逆向建模，神经网络NN₂的输入为动子实时位移信号x以及v_cmp1+Δv，神经网络NN₂的输出为速度信号v_cmp1；所述神经网络NN₁作为给定补偿控制器，神经网络NN₁的输入为给定位移信号x^*以及v_cmp1+Δv，神经网络NN₁的输出为速度补偿信号v_cmp2，当被控对象变化时，神经网络NN₁随之变化；

PI控制器输出的给定速度信号v^*与速度检测模块测量的实际速度信号v进行比较产生速度误差Δv和速度误差变化率dΔv，将速度误差Δv和速度误差变化率dΔv传送给速度控制环，作为速度控制环的输入信号；

（3）速度控制环采用带干扰观测器的模糊控制器，首先将速度误差Δv和速度误差变化率dΔv使用模糊控制器进行模糊化处理，然后根据模糊规则进行模糊推理获得模糊推理得到的q轴电流值i_q ^*'，再对i_q ^*'进行去模糊化处理获得i_q'；同时将q轴给定电流i_q ^*和实际速度信号v作为干扰观测器的输入信号，干扰观测器的输出信号经低通滤波器后得到的补偿电流对i_q'进行补偿，得到给定电流i_q ^*，将i_q ^*传送给电流控制环，作为电流控制环的输入信号；

（4）电流检测模块将测定的三相电流信号经过park变换abc/dq后得到d轴实际电流i_d和q轴实际电流i_q，将i_d和i_q传送给电流控制环，作为电流控制环的输入信号；

（5）电流控制环采用带有PI调节器的空间矢量PWM调制技术，d轴给定电流i_d ^*和q轴给定电流i_q ^*分别与d轴实际电流i_d和q轴实际i_q进行比较后的差值，经过PI调节器后输出d轴电压分量u_d和q轴电压分量u_q，u_d和u_q经2/3坐标变换后输出旋转坐标系下的三相电压，所述三相电压经空间矢量PWM模块产生6路PWM输出，控制逆变器输出电流的大小，从而控制电机的输出转矩。

2.根据权利要求1所述的数控机床驱动用直线伺服电机控制方法，其特征在于：所述步骤（2）中，神经网络采用加动量的BP算法。

3.根据权利要求1所述的数控机床驱动用直线伺服电机控制方法，其特征在于：所述模糊控制器采用重心法，模糊控制器的输出采用单值输出法。

4.根据权利要求1所述的数控机床驱动用直线伺服电机控制方法，其特征在于：所述电流检测模块包括电流互感器。

5.根据权利要求1所述的数控机床驱动用直线伺服电机控制方法，其特征在于：所述位置检测模块包括光栅尺。

Images