CN108390606B - 一种基于动态面的永磁同步电机自适应滑模控制方法 - Google Patents
一种基于动态面的永磁同步电机自适应滑模控制方法 Download PDFInfo
- Publication number
- CN108390606B CN108390606B CN201810265096.2A CN201810265096A CN108390606B CN 108390606 B CN108390606 B CN 108390606B CN 201810265096 A CN201810265096 A CN 201810265096A CN 108390606 B CN108390606 B CN 108390606B
- Authority
- CN
- China
- Prior art keywords
- representing
- sliding mode
- permanent magnet
- magnet synchronous
- 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.)
- Active
Links
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000013461 design Methods 0.000 claims abstract description 30
- 238000013528 artificial neural network Methods 0.000 claims abstract description 25
- 239000013598 vector Substances 0.000 claims description 14
- 230000006978 adaptation Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000004804 winding Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 2
- 230000004907 flux Effects 0.000 claims description 2
- 230000003111 delayed effect Effects 0.000 claims 1
- 230000000739 chaotic effect Effects 0.000 abstract description 12
- 230000010355 oscillation Effects 0.000 abstract description 9
- 238000004880 explosion Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011056 performance test Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- 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
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0017—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
-
- 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
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0007—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using sliding mode control
-
- 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
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
-
- 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
- H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
- H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
- H02P25/022—Synchronous motors
-
- 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
- H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
- H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
- H02P25/022—Synchronous motors
- H02P25/024—Synchronous motors controlled by supply frequency
-
- 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
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
- H02P6/34—Modelling or simulation for control purposes
-
- 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
- H02P2207/00—Indexing scheme relating to controlling arrangements characterised by the type of motor
- H02P2207/05—Synchronous machines, e.g. with permanent magnets or DC excitation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Ac Motors In General (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开了一种基于动态面的永磁同步电机自适应滑模控制方法,包括如下步骤:建立具有时变时滞的永磁同步电机标准化模型;将在处理未知扰动和未知系统动态上具有逼近功能的单权值RBF神经网络应用到控制器设计中;从而在backstepping框架内进行自适应滑模控制器的设计,通过引入一阶低通滤波器来处理传统backstepping控制中“微分项爆炸”的问题,采用快速终端滑模面来进一步提高跟踪精度并获得更好的性能,在融合快速终端滑模面、一阶低通滤波器和RBF神经网络的情况下,提出自适应滑模控制方法。本发明降低了系统精确建模和参数精准测量的要求,简化了控制器设计,克服了外界扰动、混沌振荡和时变时延对系统的影响,提高系统的运行稳定性和运动精度。
Description
技术领域
本发明涉及永磁同步电机,尤其涉及一种基于动态面的永磁同步电机自适应滑模控制方法。
背景技术
永磁同步电机因具有节能、效率高、体积小、结构简单和寿命长等优点而应用到机器人、机床控制系统中,然而,当它在受到系统参数扰动、外部干扰等不确定性因素的影响时会表现出丰富的动态现象,如极限环和混沌行为。其中,混沌行为会直接破坏整个电机系统的稳定性和可靠性。关于永磁同步电机的控制方法,先前大多数学者都以精确动力学模型为基础,较少考虑参数的变化、不确定有界扰动与未知增益对永磁同步电机性能的影响。例如,传统矢量控制与直接转矩控制等方法虽然改善了永磁同步电机的性能,然而它们大多都建立在工程基础之上,没有从理论上给出完整的证明,同时也未能从本质上处理好永磁同步电机的非线性控制问题。
为了更好的改善永磁同步电机的动静态性能,考虑非线性因素的影响,基于智能控制思想的电机控制技术得到越来越多的关注。智能控制技术克服了永磁同步电机传动系统的参数时变、负载扰动、时滞和系统非线性等不利因素,增强了系统的鲁棒性。自适应积分滑模控制器不但改善了永磁同步电机的位置跟踪精度,而且提高了系统鲁棒性,但滑模系统在滑模面上不再具有降阶特性,同时滑模技术容易产生抖振现象。模糊控制理论能够更加逼真地模仿专家和熟练工人的实际控制经验和方法,实现永磁同步电机高性能控制,然而利用单一模糊控制器来控制高精度的电机传动系统使得其动态响应不能被控制,因此并不能得到十分满意的控制效果。
单一控制技术的应用都受到自身固有特性的制约,从而使得多种智能控制技术相互融合后共同控制永磁同步电机成为一种趋势。同时,为了满足电机的高品质控制要求,同时出于对电机安全性和现实工艺要求考虑,时滞、混沌和参数不确定俨然成为系统控制器设计中无法忽略的重要因素。因而研究其先进的控制方法抑制极限环、混沌和时变时延现象,抵抗外界干扰,提高永磁同步电机的动静态性能,具有重要的理论研究意义和工程应用价值。
发明内容
发明目的:本发明目的是提供一种基于动态面的永磁同步电机自适应滑模控制方法,该方法克服了混沌振荡和时变时延对系统的影响,提高了系统的运行稳定性和运动精度。
技术方案:本发明的控制方法包括如下步骤:
步骤1、建立永磁同步电机标准化模型;
步骤2、采用具有单权值的RBF神经网络,并将其应用到控制器设计中;
步骤3、自适应滑模控制器设计。
所述步骤1具体为:
所述步骤2具体为:
引入新变量x1=ω,x2=iq,x3=id,将具有时变时滞的永磁同步电机数学模型简化为
其中,x(t)=[x1(t),x2(t),x3(t)]T∈R3表示状态变量矢量,Hi(·),i=1-3表示延迟状态扰动,di(·)表示时变时滞并满足
所述步骤3具体为:
3.1定义第一个跟踪误差S1=x1-yr,其中yr表示参考轨迹,求S1的时间导数
其中b1表示正值设计常数
引入新变量
设计虚拟控制和自适应律
其中k1,m1,a1,γ1,c1和Γ1表示设计常数,η表示较小的正值常数
利用引理2,下列不等式成立
其中εi0表示εi的上界
滤波误差定义为y2=α2f-α2,则
求y2的导数
则
利用式(14)和引理1,可以得到
利用式(7)-(15)和引理1,(5)可重写为
其中G表示σ的上界,并满足0<|σ|≤G;
3.2从式(2)可知,S2的导数为
其中p和q表示正值奇数,α和β表示正值常数
根据引理1和假设1,有
其中b2表示正值设计常数
选择q-轴控制律和自适应律
其中m2,a2和γ2表示设计常数;
3.3定义误差函数S3
S3=x3-2 (22)
根据式(2)和式(22),可以得到
其中b3表示正值设计常数
d-轴控制律设计为:
其中k3表示正值常数
选择相应的自适应律
其中m3,a3和γ3表示设计常数。
所述引理1、引理2与假设1为:
假设1:存在光滑函数Hi1(·)和Hi2(·),并满足
有益效果:本发明提供的一种基于动态面的永磁同步电机自适应滑模控制方法,利用Lyapunov稳定性分析理论来设计控制器,同时便于稳定分析证明;采用单权值的自适应RBF神经网络以任意小的误差估计未知动态项,降低了对系统精确建模的要求,抑制系统外界环境和参数扰动的影响;通过引入一阶低通滤波器来处理传统backstepping控制中“微分项爆炸”的问题,降低了控制器设计难度;采用快速终端滑模面来进一步提高跟踪精度并获得更好的性能;融合backstepping、快速终端滑模面、一阶低通滤波器和RBF神经网络等,提出自适应滑模控制方法。本发明降低了系统精确建模和参数精准测量的要求,简化了控制器设计,克服了外界扰动、混沌振荡和时变时延对系统的影响,提高系统的运行稳定性和运动精度。
附图说明
图1为奇异吸引子图;
图2为混沌时间序列图;
图3为传统永磁同步电机的原理框图;
图4为本发明的控制原理图;
图5为本发明的参考轨迹5sin(2t+3/2π)的轨迹跟踪图;
图6为本发明的参考轨迹5sin(2t+3/2π)的性能测试;
图7为本发明的参考轨迹5sin(2t+3/2π)的性能对比。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明提供的控制方法包括如下步骤:
步骤1、建立永磁同步电机标准化模型;
永磁同步电机的数学模型可写为
其中表示d-轴电流(A),表示q-轴电流(A),表示转速(rad/s),表示时间(s),表示d-轴电压(V),表示q-轴电压(V),表示负载转距(Nm),R表示定子线圈电阻(Ω),Ld表示d-轴绕组电感(H),Lq表示q-轴绕组电感(H),ψr表示永磁磁通(Wb),B表示粘性阻尼系数(N/rad/s),J表示惯性极矩(kgm2),np表示极对数量。
其中ω,id和iq分别表示标准化角速度,标准化q-轴和d-轴电流。
通过变量变换,永磁同步电机标准化模型可写为:
由于转速与电流的耦合影响,永磁同步电机具有高度非线性特征。一旦系统参数处于一定范围时,混沌振荡将会发生。图1-2展示了永磁同步电机在σ=5.46,γ=20,uq=ud=0,TL=0,ω(0)=-5,iq(0)=0.01和id(0)=20下的奇异吸引子和混沌时间序列,永磁同步电机的混沌振荡具有非周期性的、随机的、突发的或间歇的振荡等特征。
在工程应用中,由于受外界因素的影响,如温度、电压振荡和材料磨损,系统参数在一定范围内扰动是不可避免的,因此,系统参数在控制器设计中通常被认为是未知的。另外,由于受到低通滤波器、传播介质、迟滞控制逆变器和微处理器计算时间的影响,时变时延在电机驱动系统中普遍存在。如果不采取措施,时延会导致电压和电流畸变,甚至破坏永磁同步电机的稳定性。因此,应该在永磁同步电机的混沌控制中考虑这些因素。
图3表示传统永磁同步电机的原理框图。整个系统由永磁同步电机,矢量脉宽调制(SVPWM),电源整流,逆变器(VSI),自动电流调节器(ACR),编码器,速度和位置跟踪控制器组成。多环串级控制结构由一个速度环和两个电流环组成。PI控制器被用来控制矢量控制驱动的d-轴电流误差,同时应用于d-轴电流环。然而在实际应用中,当永磁同步电机遭受到时变时延、逆电动势、转矩波动、参数扰动和未建模动态时PI控制效果非常有限。
步骤2、由于RBF神经网络在处理未知扰动和动态上具有强大能力,因此,将RBF神经网络应用到控制器设计中;
这里简要介绍下RBF神经网络在处理未知扰动和动态上的强大能力。RBF神经网络可以逼近任意连续函数fn(X):Rn→R
fn(X)=θ'Tξ(X) 4)
其中表示输入矢量,θ'=[θ1',θ'2,…,θl']T∈Rl表示权值矢量,l>1表示神经元的节点数,ξ(X)=[ξ1(X),ξ2(X),…,ξl(X)]T∈Rl表示基函数矢量,同时高斯基函数ξi(X)具有如下表达式
其中μi=[μi1,μi2,…,μin]T表示接受区中心,σi表示高斯基函数宽度。对于非线性函数f(X),存在RBF神经网络
f(X)=θ*Tξ(X)+ε 6)
其中ε表示近似误差,θ*表示最优参数向量,可表示为
其中Ω表示θ'的紧致集。存在常量ε0并满足0<|ε|≤ε0.
引入新变量x1=ω,x2=iq,x3=id,将具有时变时滞的永磁同步电机数学模型简化为
其中,x(t)=[x1(t),x2(t),x3(t)]T∈R3表示状态变量矢量,Hi(·),i=1-3表示延迟状态扰动,di(·)表示时变时滞并满足
假设1.存在光滑函数Hi1(·)和Hi2(·),并满足
步骤3、自适应滑模控制器设计;
为了减轻计算负担,通过系列变换来减少RBF神经网络的权值矢量数目,则
3.1定义第一个跟踪误差S1=x1-yr,其中,yr表示参考轨迹。求S1的时间导数
其中b1表示正值设计常数。
引入新变量
设计虚拟控制和自适应律
其中k1,m1,a1,γ1,c1和Γ1表示设计常数,η表示较小的正值常数
利用引理2,下列不等式成立
其中εi0表示εi的上界
滤波误差定义为y2=α2f-α2,则
求y2的导数
则
利用式14)-22)和引理1,12)可重写为
其中G表示σ的上界,并满足0<|σ|≤G。
3.2从式8)可知,S2的导数为
其中p和q表示正值奇数,α和β表示正值常数。
根据引理1和假设1,有
其中b2表示正值设计常数。
选择q-轴控制律和自适应律
其中m2,a2和γ2表示设计常数。
3.3定义误差函数S3
S3=x3-2 29)
根据式8)和式29),可以得到
其中b3表示正值设计常数。
d-轴控制律设计为
其中k3表示正值常数。
选择相应的自适应律
其中m3,a3和γ3表示设计常数。
对系统进行稳定性分析:
考虑第一个Lyapunov函数
求取V1的导数
选择第二个Lyapunov函数
下列不等式存在
定义第三个Lyapunov函数
求取V3的时间导数
针对具有混沌振荡、未知动态和时延的永磁同步电机式8)的控制问题,具有自适应律式15),式16),式28)和式33)的控制器设计为式27)和式32),当假设1成立,合理选择控制器参数ki,i=1,3,ai,i=1-3,bi,i=1-3,γi,i=1-3,mi,i=1-3,Γ1,c1,q,p,α和β,那么闭环系统所有信号全局一致有界,同时跟踪误差快速收敛到零附近。
证明:定义Lyapunov函数
对V求导得到
可以得到
上述分析表明跟踪误差S1,S2,S3取决于a0和b0。由于a0和b0未知,很难获得跟踪误差的显示估计值。从a0和b0的定义可知,理论上减小ai,i=1-3,增大γi,i=1-3和Γ1会得到较小的跟踪误差。
利用仿真分析来验证所提方法的有效性,设置系统初始条件x1(0)=-5,x2(0)=0.01和x3(0)=20,选择控制器参数为
k1=k2=k3=15,Γ1=20,c1=0.02,γ1=γ3=3,γ2=20,m1=m2=m3=0.02,a1=a3=20,a2=6,η=0.01,α=10,β=5,p=5,q=7, ε10=ε20=ε30=0.1,b1=b2=b3=0.5,
H1,H2,H3,d1,d2和d3定义为
选取
外界扰动的表达式为
RBF神经网络包括9个节点,高斯基宽度σi等于1.5,且中心μi的值均布在区间[-5,5]上。进一步增加神经网络的节点数并不能显著提升系统的性能。
图5所示为参考轨迹5sin(2t+3/2π)的轨迹跟踪图,显示了永磁同步电机的状态轨迹,从图中可以看出,转速的跟踪误差快速趋于零。理想轨迹与实际轨迹间的跟踪误差小于±0.05Rad/s,说明永磁同步电机的混沌振荡得到彻底的抑制,同时具有很高的轨迹跟踪性能。图6(a)-(f)展示了不同σ和γ值下的性能测试结果,从图中可以看出,永磁同步电机系统参数的改变并不会导致性能的衰退,同时具有很好的抗参数扰动能力。
为了说明所提方案的优越性,在忽略时延的前提条件下,与指数趋近滑模控制方案进行对比,其滑模面可表示为
图7所示为对比结果,很明显,所提方案(快速终端滑模控制方法)具有更高的跟踪精度,需要更小的控制输入与电流。因此,所提方案优于指数趋近滑模控制方案。
Claims (1)
1.一种基于动态面的永磁同步电机自适应滑模控制方法,其特征在于,该方法包括如下步骤:
步骤1、建立永磁同步电机标准化模型:
其中,γ=-ψr/(κL),式中,表示负载转距,表示q-轴电压,表示d-轴电压,uq和ud表示标准化q-轴和d-轴定子电压,TL表示标准化负载转距,σ和γ表示系统参数,ω表示标准化角速度,iq表示标准化q-轴电流,id表示标准化d-轴电流,ψr表示永磁磁通,k表示标量,L表示绕组电感,B表示粘性阻尼系数,τ表示时间标尺,J表示惯性极矩,R表示定子线圈电阻;
步骤2、采用具有单权值的RBF神经网络,并将其应用到控制器设计中:
引入新变量x1=ω,x2=iq,x3=id,将具有时变时滞的永磁同步电机数学模型简化为
其中,x(t)=[x1(t),x2(t),x3(t)]T∈R3表示状态变量矢量,Hi(·)表示延迟状态扰动,i=1,2,3,di(·)表示时变时滞并满足
步骤3、自适应滑模控制器设计:
3.1定义第一个跟踪误差S1=x1-yr,其中yr表示参考轨迹,求S1的时间导数
其中b1表示正值设计常数,引入新变量
设计虚拟控制和自适应律
其中k1,m1,a1,γ1,c1和Γ1表示设计常数,η表示较小的正值常数
其中εi0表示εi的上界
滤波误差定义为y2=α2f-α2,则
求y2的导数
则
利用式(14)和引理1,可以得到
利用式(7)-(15)和引理1,(5)可重写为
其中G表示σ的上界,并满足0<|σ|≤G;
3.2从式(2)可知,S2的导数为
其中p和q表示正值奇数,α和β表示正值常数
根据引理1和假设1,有
其中b2表示正值设计常数
选择q-轴控制律和自适应律
其中m2,a2和γ2表示设计常数;
3.3定义误差函数S3
S3=x3-2 (22)
根据式(2)和式(22),可以得到
其中b3表示正值设计常数
d-轴控制律设计为:
其中k3表示正值常数
选择相应的自适应律
其中m3,a3和γ3表示设计常数。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810265096.2A CN108390606B (zh) | 2018-03-28 | 2018-03-28 | 一种基于动态面的永磁同步电机自适应滑模控制方法 |
GB1808590.2A GB2572458B (en) | 2018-03-28 | 2018-05-24 | An adaptive sliding-mode control method of the permanent magnet synchronous motor based on dynamic surface technology |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810265096.2A CN108390606B (zh) | 2018-03-28 | 2018-03-28 | 一种基于动态面的永磁同步电机自适应滑模控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108390606A CN108390606A (zh) | 2018-08-10 |
CN108390606B true CN108390606B (zh) | 2020-08-11 |
Family
ID=63072872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810265096.2A Active CN108390606B (zh) | 2018-03-28 | 2018-03-28 | 一种基于动态面的永磁同步电机自适应滑模控制方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108390606B (zh) |
GB (1) | GB2572458B (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109245645B (zh) * | 2018-11-08 | 2022-07-05 | 贵州大学 | 一种永磁同步电机混沌系统自适应动态面控制方法 |
CN109782589B (zh) * | 2019-03-29 | 2021-05-25 | 东北大学 | 一种基于主动积分滑模的混沌轨迹跟踪方法 |
CN109991852B (zh) * | 2019-04-19 | 2022-02-22 | 贵州大学 | 具有磁滞特性的分数阶静电驱动微机电系统控制方法 |
CN110347044B (zh) * | 2019-07-15 | 2022-08-12 | 贵州大学 | 一种考虑输出约束的pmsm混沌系统神经网络动态面控制方法 |
CN110350840B (zh) * | 2019-07-31 | 2021-06-04 | 沈阳工业大学 | 一种提高永磁直线同步电动机伺服加工精度的装置及方法 |
CN111766775B (zh) * | 2020-05-06 | 2023-03-28 | 东北电力大学 | 具有未知饱和pi回滞的非线性系统动态面隐逆控制器 |
CN112600480B (zh) * | 2020-12-10 | 2023-05-26 | 重庆邮电大学 | 永磁无刷直流电机调速系统的积分终端滑模复合控制系统 |
CN112527018B (zh) * | 2020-12-26 | 2023-02-07 | 九江职业技术学院 | 一种欠驱动自主水下航行器的三维镇定控制方法 |
CN112859608B (zh) * | 2021-01-13 | 2023-08-01 | 沈阳工程学院 | 一种基于rbf神经网络补偿的自适应动态面控制方法 |
CN112936270B (zh) * | 2021-02-04 | 2022-05-03 | 合肥工业大学 | 一种基于神经网络的机械臂内模控制方法 |
CN113064347B (zh) * | 2021-03-15 | 2022-09-23 | 贵州大学 | 考虑非对称输入与输出约束的pmsm混沌系统自适应控制方法 |
CN113031446B (zh) * | 2021-03-15 | 2022-11-08 | 贵州大学 | 不确定时滞非线性系统非奇异性神经自适应跟踪控制方法 |
CN113703315B (zh) * | 2021-07-14 | 2023-10-13 | 桂林理工大学 | 一种非线性混合阶多智能体机电系统事件触发协同控制方法 |
CN113659894B (zh) * | 2021-07-27 | 2023-06-23 | 青岛大学 | 基于指令滤波的异步电动机随机有限时间模糊自适应控制方法 |
CN113659895B (zh) * | 2021-08-02 | 2023-08-11 | 青岛大学 | 基于指令滤波的永磁同步电动机全状态约束有限时间控制方法 |
CN114019791A (zh) * | 2021-08-17 | 2022-02-08 | 国网辽宁省电力有限公司鞍山供电公司 | 光伏发电伺服系统的自适应神经网络动态面控制方法 |
CN113867141B (zh) * | 2021-09-06 | 2024-02-06 | 国网辽宁省电力有限公司鞍山供电公司 | 带有svc的多机电力系统固定时间动态面高阶滑模控制器 |
CN114047744B (zh) * | 2021-09-08 | 2023-06-13 | 哈尔滨工程大学 | 基于采样通信的自适应反步滑模多无人艇编队控制方法 |
CN113872477B (zh) * | 2021-10-26 | 2023-10-31 | 长春工业大学 | 一种永磁同步电机滑模控制方法及其应用 |
CN113985781B (zh) * | 2021-10-28 | 2024-02-06 | 广东电网有限责任公司广州供电局 | 基于指令滤波反步控制器的应急电源车励磁控制方法 |
CN113922724B (zh) * | 2021-11-16 | 2023-08-01 | 新风光电子科技股份有限公司 | 一种永磁同步电机控制方法 |
CN114384800B (zh) * | 2021-12-09 | 2023-09-12 | 上海工程技术大学 | 一种具有输入信号延时的未知非线性系统反推控制方法 |
CN114089637B (zh) * | 2022-01-20 | 2022-04-12 | 伸瑞科技(北京)有限公司 | 多模态鲁棒自抗扰运动控制方法及系统 |
CN114519301B (zh) * | 2022-01-26 | 2024-03-08 | 贵州大学 | 具有时滞的非对称输出约束pmsm系统动态面跟踪控制方法 |
CN114625007B (zh) * | 2022-03-11 | 2024-08-16 | 中国科学院长春光学精密机械与物理研究所 | 一种固定时间内收敛的终端滑模控制方法及装置 |
CN115065285A (zh) * | 2022-06-09 | 2022-09-16 | 淮阴工学院 | 一种基于模糊神经网络的永磁同步电机控制方法 |
CN118068694B (zh) * | 2024-04-19 | 2024-07-05 | 南京信息工程大学 | 一种自适应神经网络模糊积分滑模控制方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105024609A (zh) * | 2015-07-31 | 2015-11-04 | 青岛大学 | 考虑铁损的电动汽车永磁同步电机命令滤波模糊控制方法 |
CN105450120A (zh) * | 2015-11-25 | 2016-03-30 | 浙江工业大学 | 基于动态面滑模控制的永磁同步电机混沌镇定控制方法 |
CN106059418A (zh) * | 2016-06-17 | 2016-10-26 | 清华大学 | 一种永磁同步直线电机神经网络自适应轨迹跟踪控制方法 |
CN106452242A (zh) * | 2016-07-27 | 2017-02-22 | 浙江工业大学 | 基于串并联估计模型的永磁同步电机混沌模糊控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105915145B (zh) * | 2016-05-19 | 2018-09-07 | 沈阳工业大学 | 一种永磁直线同步电机控制装置及方法 |
-
2018
- 2018-03-28 CN CN201810265096.2A patent/CN108390606B/zh active Active
- 2018-05-24 GB GB1808590.2A patent/GB2572458B/en not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105024609A (zh) * | 2015-07-31 | 2015-11-04 | 青岛大学 | 考虑铁损的电动汽车永磁同步电机命令滤波模糊控制方法 |
CN105450120A (zh) * | 2015-11-25 | 2016-03-30 | 浙江工业大学 | 基于动态面滑模控制的永磁同步电机混沌镇定控制方法 |
CN106059418A (zh) * | 2016-06-17 | 2016-10-26 | 清华大学 | 一种永磁同步直线电机神经网络自适应轨迹跟踪控制方法 |
CN106452242A (zh) * | 2016-07-27 | 2017-02-22 | 浙江工业大学 | 基于串并联估计模型的永磁同步电机混沌模糊控制方法 |
Non-Patent Citations (2)
Title |
---|
"Study on sliding mode speed control with RBF network approach for PMSM drives";Li Yuan等;《2009 IEEE International Conference on Control and Automation》;20091211;第1258-1261页 * |
"基于RBF网络逼近的机器人自适应动态面控制方法研究";罗绍华;《中国博士学位论文全文数据库》;20141115;第1-13、43-74页 * |
Also Published As
Publication number | Publication date |
---|---|
GB2572458B (en) | 2020-07-29 |
CN108390606A (zh) | 2018-08-10 |
GB2572458A (en) | 2019-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108390606B (zh) | 一种基于动态面的永磁同步电机自适应滑模控制方法 | |
CN110347044B (zh) | 一种考虑输出约束的pmsm混沌系统神经网络动态面控制方法 | |
CN106788046B (zh) | 永磁同步电机命令滤波有限时间模糊控制方法 | |
CN109245645B (zh) | 一种永磁同步电机混沌系统自适应动态面控制方法 | |
Rai et al. | Speed control of DC motor using fuzzy logic technique | |
CN107370433B (zh) | 基于pid自学习时滞补偿器的电流谐波补偿方法 | |
Huang et al. | Robust Position Control of PMSM Using Fractional‐Order Sliding Mode Controller | |
CN101860294A (zh) | 一种永磁同步电动机滑模控制的消抖方法 | |
Jia et al. | Online trained neural network-PI speed controller for DTC based IPMSM drives | |
CN110649845A (zh) | 基于鲁棒广义预测控制的光电转台位置跟踪控制方法 | |
Wang et al. | Fuzzy self-adapting PID control of PMSM servo system | |
CN103117692B (zh) | 多种外部干扰下的带有机械弹性储能的永磁电动机组控制方法 | |
Essalmi et al. | DTC of PMSM based on artificial neural networks with regulation speed using the fuzzy logic controller | |
Chen et al. | A robust predictive current control for PMSM based on extended state observer | |
Zhou et al. | Simulation of PMSM vector control based on a self-tuning fuzzy PI controller | |
Li et al. | Sensorless control of permanent magnet synchronous linear motor based on sliding mode variable structure MRAS flux observation | |
Ji et al. | Design of neural network PID controller based on brushless DC motor | |
Wasusatein et al. | Speed Control Under Load Uncertainty of Induction Motor Using Neural Network Auto-Tuning PID Controller | |
CN108983618A (zh) | 基于凸多胞形的pmsm鲁棒h∞输出反馈控制设计方法 | |
CN110995098B (zh) | 一种永磁同步电机的反演控制方法 | |
CN108494304B (zh) | 三相永磁同步电机准pi扰动感知控制方法 | |
CN109245644B (zh) | 一种永磁同步电机的鲁棒两自由度控制器的实现方法 | |
Aguilar Mejía et al. | Adaptive Speed Controller for a Permanent Magnet Synchronous Motor | |
Zhuang et al. | Integral control in the current loop of permanent magnet synchronous motor based on passivity | |
Jayalekshmi et al. | Speed Tracking Performance of PMSM Using Sliding Mode and Extended State Observer |
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 |