CN106681152B - 一种利用pso优化陷波器参数进行伺服共振抑制的方法 - Google Patents
一种利用pso优化陷波器参数进行伺服共振抑制的方法 Download PDFInfo
- Publication number
- CN106681152B CN106681152B CN201710053232.7A CN201710053232A CN106681152B CN 106681152 B CN106681152 B CN 106681152B CN 201710053232 A CN201710053232 A CN 201710053232A CN 106681152 B CN106681152 B CN 106681152B
- Authority
- CN
- China
- Prior art keywords
- resonance
- parameters
- notch filter
- pso
- servo
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/05—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation specially adapted for damping motor oscillations, e.g. for reducing hunting
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Power Engineering (AREA)
- Control Of Electric Motors In General (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种利用PSO优化陷波器参数进行伺服共振抑制的方法,通过检测伺服系统的共振频率,采用PSO算法设计并优化陷波滤波器参数,达到抑制共振的目的。本发明方法可有效解决陷波器由于参数耦合导致难以整定的问题,既发挥了PSO算法的优化计算能力,又体现了陷波滤波器有效滤除谐波的优点,将二者融合起来,有效消除了永磁同步伺服电机的共振谐波,抑制伺服共振现象。
Description
技术领域
本发明属于电机控制技术领域,涉及一种利用PSO优化陷波器参数进行伺服共振抑制的方法。
背景技术
在中小容量高精度传动领域,广泛采用永磁同步伺服电机,以在转子上加永磁体的方法来产生磁场。由于永磁材料的固有特性,它不再需要外加能量就能在其周围空间建立很强的永久磁场。这既可简化电机结构,又可节约能量。目前市场上大部分全数字交流永磁同步电机伺服控制系统的产品大部分来自日本、德国和美国。近年来国内交流永磁同步电机伺服控制系统的研究非常活跃,天津大学、华中科技大学、沈阳工业大学等研究出由单片机构成的全数字交流永磁同步电机伺服控制系统,采用预测控制和空间矢量控制技术,改善了电流控制性能和系统响应精度。数字控制技术的应用,不仅使系统获得高精度、高可靠性,还为新型控制理论和方法的应用提供了基础。中国国内品牌主要有森创、华中数控、广州数控、南京埃斯顿和兰州数控等。
随着机电一体化步伐的不断加快,伺服系统已经渗透到许多领域,如数控、制造、航天等,这些领域是一个国家综合国力的重要体现方面。在伺服系统中,伺服电机与被驱动负载之间通常采用耦合的方式连接,由于伺服电机与被驱动负载之间的连接轴刚度较低,容易引起机械振动,而机械振动会影响伺服的控制精度,因此,对伺服系统进行振动抑制显然显得十分重要。陷波滤波器(notch filter)是一种可以在某一个频率点迅速衰减输入信号,以达到阻碍此频率信号通过的滤波效果。为有效解决伺服系统中由于机械刚度低产生的机械共振,本发明以数字陷波器为抑制机械振动的基础,利用MATLAB对伺服驱动模型进行仿真,然后借助FDATool设计了2阶直接II型陷波器,消除了伺服和负载组成的双惯性系统之间的共振频率。
粒子群优化(PSO)是受鸟群迁徙的社会行为启发,基于群体智能的计算技术。PSO中的每个解(鸟群中每只鸟)被认为是“粒子”,其作用与遗传算法的染色体类似。但PSO不同于遗传算法,并不根据“父代”生成新的“子代”。PSO模仿了鸟群飞翔时的通信行为:每只鸟在飞翔时与其他个体通信,以确定处于最好位置的个体,以依赖于当前位置的速度飞向该最好个体,并在新的位置上计算适应度,上述过程重复进行,直至达到目标为止。PSO中每只鸟都具备学习自身经验(局部搜索)和其他群体经验(全局搜索)的能力。
针对共轴传动中的扭振问题,首先对其进行结构分析,建立数学模型,其次采用陷波器进行滤波。传统的陷波器设计对模型有一定的依赖性、参数调节较为复杂。针对参数不易整定存在的问题,提出一种基于粒子群算法的参数自整定方法。通过传函变换,实现了在线信号采集,在线优化处理,避免了在线优化容易激起系统振荡,优化过程无需建模、无振动、精确度高。
发明内容
本发明的目的是提供一种利用PSO优化陷波器参数进行伺服共振抑制的方法,解决了伺服系统共轴传动中的扭振问题。
本发明所采用的技术方案是,一种利用PSO优化陷波器参数进行伺服共振抑制的方法,通过检测伺服系统的共振频率,采用PSO算法设计并优化陷波滤波器参数,达到抑制共振的目的,具体按以下步骤实施:
步骤1,初始化PSO算法及陷波滤波器相关参数:
陷波器相关参数为:采样频率f,陷波频率fnotch,带宽BW(0~10K),品质因数Q、幅值衰减Apass;
步骤2,对需要进行抑制共振的伺服系统进行MATLAB建模,通过程序FFT分析转速信号得到谐振点共振频率fnotch,检测伺服共振谐振点,然后,根据fs=10*fnotch和上述参数设计陷波滤波器;
步骤3,根据不同的谐振点和伺服系统对于滤波性能的要求,检测步骤2设计的陷波滤波器运用于伺服系统共振抑制是否满足静、动态性能指标,如不能满足性能指标,则通过PSO算法对陷波滤波器设计参数进行实时优化;
步骤4,根据优化结果设计陷波滤波器,并将其运用于相应的伺服系统中。
本发明特点还在于,
其中,wMAX为电机转速超调的峰值,w*为给定伺服电机的转速值,wstable为伺服电机的稳态值转速,twmax为到达超调峰值wMAX时对应的时间,twstable为进入稳态值wstable时的对应时间,Δδ为稳态时位置定位误差值。
步骤2中采用PSO算法对陷波滤波器设计参数进行实时优化的目标为带宽BW,具体为:
1)初始化整个粒子群体,即使得μ∈(0,1);
2)根据静、动态的性能指标参数,当μ在(0,1)之内,采用最小均方算法(LMS),并将性能指标误差值作为粒子的适应度,得到基于PSO的陷波滤波器设计问题的评价函数为:
其中,μ1和μ2分别指理想带宽和实际带宽;
3)按照下式更新所有粒子的速度和位置:
Vi(t+1)=wVi(t)+c1r1(Pi-Xi)+c2r2(Pg-Xi)
Xi(t+1)=Xi(t)+Vi(t+1),-Vmin≤Vi≤Vmax;
其中,Pi是第i个粒子达到的最好位置,Pg是所有粒子达到的最好位置,Vmax是粒子速度的最大变化,r1和r2是[0,1]范围内呈均匀分布的随机数。Vi(t+1)表示估计的最优速度值、Vi(t)表示当前的最优速度值、Xi(t+1)表示估计的最优位置值、Xi(t)表示当前的最优位置值、c1、c2是优化速度和位置的可调系数。
4)不断优化确定r1、r2、c1、c2系数。
步骤4中陷波滤波器设计需满足以下规律:仅改变Apass参数由小变大,调节时间依次减小,但是对应的滤波范围变宽,“点”阻效果变差。
步骤4中陷波滤波器设计需满足以下规律:带宽越大,抑制越快,但窄带会变宽。
本发明的有益效果是,本发明提出了一种基于智能算法的共振抑制方法,可有效解决陷波器由于参数耦合导致难以整定的问题,解决了伺服系统中多轴共振问题,既发挥了PSO算法的优化计算能力,又体现了陷波滤波器有效滤除谐波的优点,将二者融合起来,有效消除了永磁同步伺服电机的共振谐波,抑制伺服共振现象。同时本发明利用MATLAB软件设计陷波器参数,可验证设计的有效性和正确性。
附图说明
图1是现有伺服系统抑制共振结构框图;
图2是伺服双惯性系统物理模型;
图3是基于矢量控制的永磁同步伺服电机共振抑制控制框图;
图4是本发明采用PSO算法优化参数流程图。
图中,1.位置环控制,2.速度环控制,3.振动抑制,4.电流环控制,5.矢量控制,6.共振系统。
具体实施方式
下面结合和具体实施方式对本发明进行详细说明。
现有的伺服系统抑制共振结构框图如图1所示,包括位置环控制1、速度环控制2、振动抑制3、电流环控制4、矢量控制5和共振系统6,位置控制1主要采用比例控制,保证系统静态精度和动态跟踪的性能,直接关系到交流伺服系统的稳定性和能否高性能运行,是设计关键所在。速度控制2主要采用比例积分控制,增强系统抗负载扰动能力,抑制速度波动,实现稳态无差。电流环控制4采用PID控制,确保电机绕组电流实时准确跟踪指令信号,限制电枢电流在动态过程中不超过最大值,使系统有足够大的加速转矩,提高快速性。振动抑制3包括FFT分析和陷波器设计两个方面,FFT检测由于共振系统6产生的谐振频率,根据PSO优化算法优化陷波器参数满足伺服性能指标。矢量控制5是永磁同步伺服电机的控制方式。
本发明提供了一种利用PSO优化陷波器参数进行伺服共振抑制的方法,具体按以下步骤实施:
步骤1,初始化参数:
PSO算法本身需要优化的参数不多,主要初始化陷波滤波器的相关参数。陷波器的陷波效果主要依赖以下参数:采样频率fs(0~100KHz),一般取值为10倍的陷波频率;陷波频率fnotch(0~10KHz),即FFT检测分析得到的共振频率;带宽BW(0~10K),通常是以-3dB所对应的频带宽作为带宽的取值,另外也可以通过Apass参数的设计,确定在任意分贝的带宽;品质因数Q(0~10K),与BW和fnotch之间有固定关系,即fnotch=BW*Q,通带幅值衰减Apass(0~5)的默认值为-3dB。
步骤2,双惯性系统建模:
双惯性系统又称为双质量系统,由伺服电机、被驱动负载以及连接二者的传动轴等组成,双惯性系统模型如图2所示,图中,JM、JL、Ks分别为伺服电机的惯性矩、负载端的惯性矩和传动轴的弹性系数,Tm、Tl、ωm、ωl分别为电机转矩、扰动转矩、电机转速和负载转速。该系统的传递函数G(s)可以表示:
其中,Jall=JM+JL,wp为共振频率,wz为反共振频率,s表示微分算子。其中wp和wz的表达式如下;
从上面的公式(1)可以看出,双惯性系统的共振频率和反共振频率是由于电机和负载端的转动惯量以及轴的刚度(即传动轴的弹性系数)产生。当负载端转动惯量很大时共振频率约等于反共振频率。当电机和负载的转动惯量都固定时,系统的共振频率只与传动轴的弹性系数有关:
其中,ro为轴半径,G为剪切模量,L为轴的长度。
根据图2可知,双惯性系统的状态方程如(5)所示:
其中,JM、JL、Ks分别为伺服电机的惯性矩、负载端的惯性矩和传动轴的弹性系数。Tm、Tl、ωm、ωl分别为电机转矩、扰动转矩、电机转速和负载转速,Ts是连接伺服电机与被驱动负载的轴的转矩,BL、BM是负载和电机的粘滞系数。ω′m、ω′l、T′s分别为ωm、ωl、Ts三个量的导数。
对双惯性系统进行MATLAB建模,双惯性系统的三个组成部分分别是伺服电机、轴和负载。轴的输出对应于图2的Tl,它的值决定于轴两端的速度差(ωm-ωl),具体的扰动转矩公式为:
Tl=K∫(ωm-ωl)dt+B(ωm-ωl) (6)
其中,K是轴的刚度,单位是N·m,与图2中的Ks是同一变量,B是衰减系数,单位为N·m·s。建模成功后即可使双惯性系统表现出特定的振动频率,然后进行FFT检测即可。
步骤3,根据不同的谐振点和伺服系统对于滤波性能的要求,通过PSO算法对陷波滤波器设计参数进行优化,主要优化的参数是带宽BW:
现有的基于矢量控制的永磁同步伺服电机共振抑制控制框图如图3所示,框图基于矢量控制,FFT分析及陷波滤波器设计模块在速度环与电流环之间,提取速度给定值与反馈值的误差中的谐波分量,然后通过PSO算法进行在线优化,如果满足伺服系统的静动态控制要求,确定陷波滤波器各项参数,否则不断检测谐波分量,不断优化,直到谐波被完全抑制。
由于带宽BW是影响陷波器设计的主要参数,而带宽与μ之间是一一对应的关系,即优化一个最好的μ是设计陷波滤波器的重点。
通常情况下,μ的取值范围是(0,1),但其偏离最优解的大小和方向都是未知的,我们认为μ在(0,1)内是均匀分布的。
步骤3.1,根据静、动态的性能指标参数,当μ在(0,1)之内,采用最小均方算法(LMS),并将性能指标误差值作为粒子的适应度,所以,基于PSO的陷波滤波器设计问题的评价函数可以被描述如下;
其中,μ1和μ2分别指理想带宽和实际带宽;z、z1、z2表示z平面上
的零极点。
步骤3.2,按照式(8)和式(9)更新所有粒子的速度和位置,
Vi(t+1)=wVi(t)+c1r1(Pi-Xi)+c2r2(Pg-Xi) (8)
Xi(t+1)=Xi(t)+Vi(t+1),-Vmin≤Vi≤Vmax; (9)
其中,Pi是第i个粒子达到的最好位置,Pg是所有粒子达到的最好位置,Vmax是粒子速度的最大变化,r1和r2是[0,1]范围内呈均匀分布的随机数。Vi(t+1)表示估计的最优速度值,Vi(t)表示当前的最优速度值,Xi(t+1)表示估计的最优位置值,Xi(t)表示当前的最优位置值,c1、c2是优化速度和位置的可调系数。
步骤3.3,不断优化确定r1、r2、c1、c2系数。
步骤4,整体的自适应参数优化的流程图如图4所示,判断条件“是否最优”的标准是最终设计能够完全抑制谐波的陷波滤波器,满足系统的性能。
步骤5,设计陷波滤波器:
步骤5.1,通过程序FFT分析转速信号得到谐振点频率fnotch;
步骤5.2,根据步骤3计算采样频率fs=10*fnotch;
步骤5.3,假设数字多频陷波滤波器可以对M个不同频率陷波,则理想多频陷波系统的频率响应为:
式中,ω(0≤ωi≤π)为数字频率。
考虑一种特殊情况,若零点zi在第一象限单位圆上,极点pi在单位圆内靠近零点的径向上。为防止滤波器系数出现复数,必须在Z平面第四象限对称位置配置相应的共轭零点共轭极点而把极点设置在零点的径向距原点距离为1-μ处,陷波器的传递函数为:
式(12)中μ越小,极点越靠近单位圆,则频率响应曲线凹陷越深,凹陷的宽度也越窄,很明显这个传函对应的是个二阶系统。
步骤5.4,根据二阶系统的传递函数可得出相应的ΔN、Trise、Tset、Ess、Δδ。例如伺服二阶系统对于共振抑制的静、动态性能指标如下:
Ess=|wstable-w*|<0.1r/min,Δδ<0.1rad
其中,wMAX为电机转速超调的峰值,w*为给定伺服电机的转速值,wstable为伺服电机的稳态值转速,twmax为到达超调峰值wMAX时对应的时间,twstable为进入稳态值wstable时的对应时间,Δδ为稳态时位置定位误差值;
步骤5.5,PSO参数优化过程分为五步:第一,确定PSO的优化目标参数为BW;第二,初始化整个粒子群体,即使得μ∈(0,1);第三,确定PSO算法的适应度,基于步骤五中的各项指标确定评价函数;第四,所有例子的速度与方向更新;第五,判断是否满足步骤5.4中的各项条件。
步骤5.6,根据步骤1中的BW初始值设计陷波滤波器并用于伺服系统的共振抑制中。当伺服电机运行时,结合步骤3.2和步骤3.3,实时优化陷波滤波器参数,设计满足静动态性能指标的滤波器。
通过陷波滤波器APSS参数设计得出规律,具体如下:
由上表可以看出,仅改变Apass参数由小变大,调节时间依次减小,但是对应的滤波范围变宽,“点”阻效果变差。
通过陷波滤波器带宽BW参数设计得出规律,具体如下:
由上表可以看出,带宽越大,虽然抑制越快(带宽大响应快),但窄带会变宽(即可滤频率增多,单一性不好)。
通过陷波滤波器APSS和带宽参数综合影响得出规律,具体如下:为验证寻优的必要性,找了两组均可实现滤除500Hz,保证490Hz的参数进行对比,发现虽然均可达到滤波的效果,但滤波时间不同。
Claims (3)
1.一种利用PSO优化陷波器参数进行伺服共振抑制的方法,其特征在于,通过检测伺服系统的共振频率,采用PSO算法设计并优化陷波滤波器参数,达到抑制共振的目的,具体按以下步骤实施:
步骤1,初始化PSO算法及陷波滤波器相关参数:
陷波器相关参数为:采样频率f,陷波频率fnotch,带宽BW,其范围在0~10K,品质因数Q、幅值衰减Apass;
步骤2,对需要进行抑制共振的伺服系统进行MATLAB建模,通过程序FFT分析转速信号得到谐振点共振频率fnotch,检测伺服共振谐振点,然后,根据采样频率f=10*fnotch和上述参数设计陷波滤波器;
步骤3,根据不同的谐振点和伺服系统对于滤波性能的要求,检测步骤2设计的陷波滤波器运用于伺服系统共振抑制是否满足静、动态性能指标,如不能满足性能指标,则通过PSO算法对陷波滤波器设计参数进行实时优化;
其中,wMAX为电机转速超调的峰值,w*为给定伺服电机的转速值,wstable为伺服电机的稳态值转速,twmax为到达超调峰值wMAX时对应的时间,twstable为进入稳态值wstable时的对应时间,Δδ为稳态时位置定位误差值;
所述通过PSO算法对陷波滤波器设计参数进行实时优化的目标为带宽BW,具体为:
1)初始化整个粒子群体,即使得μ∈(0,1);
2)根据静、动态的性能指标参数,当μ在(0,1)之内,采用最小均方算法,并将性能指标误差值作为粒子的适应度,得到基于PSO的陷波滤波器设计问题的评价函数为:
其中,μ表示带宽变量,文中的μ1和μ2为μ的两个特殊值,分别指理想带宽和实际带宽;z、z1、z2表示z平面上的零极点;
3)按照下式更新所有粒子的速度和位置:
Vi(t+1)=wVi(t)+c1r1(Pi-Xi)+c2r2(Pg-Xi)
Xi(t+1)=Xi(t)+Vi(t+1),-Vmin≤Vi≤Vmax;
其中,Pi是第i个粒子达到的最好位置,Pg是所有粒子达到的最好位置,Vmin表示粒子速度的最小变化,Vmax是粒子速度的最大变化,r1和r2是[0,1]范围内呈均匀分布的随机数;Vi(t+1)表示估计的最优速度值、Vi(t)表示当前的最优速度值、Xi(t+1)表示估计的最优位置值、Xi(t)表示当前的最优位置值、c1、c2是优化速度和位置的可调系数;
4)不断优化确定r1、r2、c1、c2系数;
步骤4,根据优化结果设计陷波滤波器,并将其运用于相应的伺服系统中。
2.根据权利要求1所述的一种利用PSO优化陷波器参数进行伺服共振抑制的方法,其特征在于,所述步骤4中陷波滤波器设计需满足以下规律:仅改变Apass参数由小变大,调节时间依次减小,但是对应的滤波范围变宽,“点”阻效果变差。
3.根据权利要求1所述的一种利用PSO优化陷波器参数进行伺服共振抑制的方法,其特征在于,所述步骤4中陷波滤波器设计需满足以下规律:带宽越大,抑制越快,但窄带会变宽。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710053232.7A CN106681152B (zh) | 2017-01-22 | 2017-01-22 | 一种利用pso优化陷波器参数进行伺服共振抑制的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710053232.7A CN106681152B (zh) | 2017-01-22 | 2017-01-22 | 一种利用pso优化陷波器参数进行伺服共振抑制的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106681152A CN106681152A (zh) | 2017-05-17 |
CN106681152B true CN106681152B (zh) | 2020-04-21 |
Family
ID=58860763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710053232.7A Active CN106681152B (zh) | 2017-01-22 | 2017-01-22 | 一种利用pso优化陷波器参数进行伺服共振抑制的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106681152B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107769205A (zh) * | 2017-10-30 | 2018-03-06 | 许继电源有限公司 | 一种有源电力滤波器谐振抑制方法及装置 |
JP7000373B2 (ja) * | 2019-04-15 | 2022-01-19 | ファナック株式会社 | 機械学習装置、制御装置及び機械学習方法 |
CN110262249B (zh) * | 2019-07-08 | 2022-09-23 | 广东三姆森科技股份有限公司 | 基于bp神经网络的永磁同步伺服系统谐振陷波器参数自校正方法 |
CN111865182B (zh) * | 2020-07-15 | 2022-03-01 | 西安交通大学 | 基于lc滤波器与自适应陷波器的高速pmsm谐波抑制控制方法 |
CN112558482B (zh) * | 2020-12-21 | 2022-04-12 | 北京航空航天大学 | 一种基于非概率区间置信可靠度的结构振动主动控制方法 |
CN115173834B (zh) * | 2022-07-12 | 2023-05-23 | 北京航空航天大学宁波创新研究院 | 基于陷波参数量化分析的多级串联陷波器优化设计方法 |
CN116300476B (zh) * | 2023-05-16 | 2023-09-05 | 成都微精电机股份公司 | 基于转速环ladrc控制器的谐振抑制方法 |
CN116505810B (zh) * | 2023-06-30 | 2023-08-22 | 苏州铼钠克信息技术有限公司 | 陷波器使用及伺服系统振荡抑制方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102570956A (zh) * | 2012-02-17 | 2012-07-11 | 南京国电环保设备有限公司 | 一种基于谐振抑制的直流电机控制方法 |
CN104716888A (zh) * | 2015-04-09 | 2015-06-17 | 珠海格力电器股份有限公司 | 用于伺服电机控制系统的谐振抑制方法及系统 |
CN104821758A (zh) * | 2015-05-21 | 2015-08-05 | 上海新跃仪表厂 | 一种电动伺服系统及其控制算法 |
-
2017
- 2017-01-22 CN CN201710053232.7A patent/CN106681152B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102570956A (zh) * | 2012-02-17 | 2012-07-11 | 南京国电环保设备有限公司 | 一种基于谐振抑制的直流电机控制方法 |
CN104716888A (zh) * | 2015-04-09 | 2015-06-17 | 珠海格力电器股份有限公司 | 用于伺服电机控制系统的谐振抑制方法及系统 |
CN104821758A (zh) * | 2015-05-21 | 2015-08-05 | 上海新跃仪表厂 | 一种电动伺服系统及其控制算法 |
Non-Patent Citations (7)
Title |
---|
An adaptive inertia weight particle swarm optimization algorithm for IIR digital filter;XIA Y etc.;《2009 International Conference on Artificial Intelligence and Computational Intelligence》;20091231;第114-118页 * |
基于粒子群优化的感应电机模糊扩展卡尔曼滤波器转速估计方法;尹忠刚等;《电工技术学报》;20160331;第55-64页 * |
基于粒子群优化的数字多频陷波滤波器设计;王秋生等;《仪器仪表学报》;20120731;第1661-1667页 * |
基于粒子群优化算法的永磁同步电机H∞速度观测器;朱群等;《西安理工大学学报》;20161231;第207-212页 * |
基于自适应陷波的直拉单晶直径跟踪;梁炎明等;《仪器仪表学报》;20100731;第1441-1447页 * |
基于陷波器的伺服系统共振抑制的研究;马跃等;《计算机工程与设计》;20130531;第1624-1629页 * |
陷波器在低刚性伺服系统共振抑制的应用;廖能超等;《机械设计与研究》;20150630;第36-39页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106681152A (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106681152B (zh) | 一种利用pso优化陷波器参数进行伺服共振抑制的方法 | |
CN107394784B (zh) | 一种陷波滤波器在线谐振抑制参数优化方法 | |
Li et al. | Piecewise function based gravitational search algorithm and its application on parameter identification of AVR system | |
CN107272420B (zh) | 一种应用于电动舵机的高频噪声主动抑制方法 | |
CN109634211B (zh) | 基于频率数据的交流伺服系统模型辨识方法及控制系统 | |
Wang et al. | Nonlinear convergence active vibration absorber for single and multiple frequency vibration control | |
CN105305920A (zh) | 一种抑制交流伺服系统扭转振动的系统及其方法 | |
Xu et al. | Adaptive fuzzy fault-tolerant control of static var compensator based on dynamic surface control technique | |
Yadav et al. | Comperative performance analysis of PMSM drive using MPSO and ACO techniques | |
Xu et al. | Rotor dynamic balancing control method based on fuzzy auto-tuning single neuron PID | |
Xia et al. | Optimal online resonance suppression in a drive system based on a multifrequency fast search algorithm | |
Chen et al. | Indirect model reference adaptive control for a class of linear fractional order systems | |
Pajchrowski et al. | Control of multi-mass system by on-line trained neural network based on Kalman filter | |
CN109765786B (zh) | 一种基于证据滤波的电推船电机转轴不平衡故障检测方法 | |
Wang et al. | A novel fuzzy extended state observer-based control for electro-optical tracking system with disturbances and measurement noises: Design, analysis and experiments | |
Liu et al. | Current‐Loop Control for the Pitching Axis of Aerial Cameras via an Improved ADRC | |
Peng et al. | Synchronous vibration control for a class of cross‐coupled antisymmetric MSR systems | |
Łuczak et al. | Speed controller for four-mass mechanical system with two drive units | |
Lin et al. | A neural-repetitive control approach for high-performance motion control of piezo-actuated systems | |
Chen et al. | Particle swarm optimized command filtered backstepping control for an active magnetic bearing system | |
Zheng et al. | Disturbance rejection in MEMS gyroscope: Problems and solutions | |
Chen et al. | Robust indirect adaptive control of electromechanical servo systems with uncertain time-varying parameters | |
Zhu et al. | Double vibration suppression of PMSM servo system based on strong tracking of reference trajectory | |
Fengxia et al. | Composite control of RBF neural network and PD for nonlinear dynamic plants using U-model | |
Bo et al. | Mechanical resonance suppression of servo system based on ADRC and MAFC |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |