CN108736785A - 基于分数阶迭代学习的伺服电机控制方法及系统 - Google Patents

基于分数阶迭代学习的伺服电机控制方法及系统 Download PDF

Info

Publication number
CN108736785A
CN108736785A CN201810392345.4A CN201810392345A CN108736785A CN 108736785 A CN108736785 A CN 108736785A CN 201810392345 A CN201810392345 A CN 201810392345A CN 108736785 A CN108736785 A CN 108736785A
Authority
CN
China
Prior art keywords
motor
bridge arm
phase voltage
phase
fractional order
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.)
Granted
Application number
CN201810392345.4A
Other languages
English (en)
Other versions
CN108736785B (zh
Inventor
张碧陶
姚科
高福荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou HKUST Fok Ying Tung Research Institute
Original Assignee
Guangzhou HKUST Fok Ying Tung Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou HKUST Fok Ying Tung Research Institute filed Critical Guangzhou HKUST Fok Ying Tung Research Institute
Priority to CN201810392345.4A priority Critical patent/CN108736785B/zh
Publication of CN108736785A publication Critical patent/CN108736785A/zh
Application granted granted Critical
Publication of CN108736785B publication Critical patent/CN108736785B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H02P21/18—Estimation of position or speed

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

本发明公开了基于分数阶迭代学习的伺服电机控制方法及系统，方法包括：采用分数阶迭代学习算法对设定的电机运行速度值进行跟踪，得到速度控制量；通过矩阵变换法对速度控制量进行坐标变换，得到电机的三相电流控制值；检测电机运行的三相电流；根据电机的三相电流控制值和电机运行的三相电流，得到电机三相电压的弱电信号；将电机三相电压的弱电信号进行扩大处理，得到电机三相电压的强电信号以进行伺服电机的控制。系统包括速度控制模块、矢量变换模块、电流检测模块、电流控制模块和逆变模块。本发明的实时性高且能够让电机在扰动的情况下保持稳定的运行速度，可靠性高，可广泛应用于伺服电机控制技术领域。

Description

基于分数阶迭代学习的伺服电机控制方法及系统
技术领域
本发明涉及伺服电机控制技术领域，尤其是基于分数阶迭代学习的伺服电机控制方法及系统。
背景技术
在实际工业中存在很多具有重复运动过程的系统，如制造业中的数控加工、机器人焊接以及注塑机成型加工等。这些生产设备都具有一个典型的特征：在大批量生产中，总是重复同样的运动，具有重复生产过程。现有的加工设备只考虑当前加工批次的产品质量，而没有考虑大批量产品的一致性和重复精度。而影响产品一致性的因素有：周围环境的变化(如温度、湿度等)、机械器件的磨损以及其他不确定因素干扰。现有设备采用的控制技术只是单一的前馈控制或者反馈控制算法，致使产品在单批次的质量稳定性和多批次的一致性无法得到保证。
现有的电机控制技术基本都是采用误差跟踪控制方法，即先设定一个参考值，然后把设定值转换成电机的执行信号(如电压)，接着利用传感器采集电机的执行状态，并将执行状态转换成与设定值对应的执行信号，将转换得到的执行信号与设定值比较，把比较结果(即跟踪误差)作为被控量，最终利用某种算法(如PID等)实现快速跟踪设定值，进而保持电机的运行状态。这种误差跟随控制方法针对恒定参考值具有较好的跟踪性能，但对于重复周期的生产过程，在设定值不断变化的情况下，这种方法会出现跟随的滞后，实时性不高，尤其是在扰动的情况下，跟随误差会存在较大的波动，不够可靠。
发明内容
为解决上述技术问题，本发明的目的在于：提供一种实时性高且可靠性高的，基于分数阶迭代学习的伺服电机控制方法及系统。
本发明所采取的第一技术方案是：
基于分数阶迭代学习的伺服电机控制方法，包括以下步骤：
采用分数阶迭代学习算法对设定的电机运行速度值进行跟踪，得到速度控制量；
通过矩阵变换法对速度控制量进行坐标变换，得到电机的三相电流控制值；
检测电机运行的三相电流；
根据电机的三相电流控制值和电机运行的三相电流，得到电机三相电压的弱电信号；
将电机三相电压的弱电信号进行扩大处理，得到电机三相电压的强电信号以进行伺服电机的控制。
进一步，所述采用分数阶迭代学习算法对设定的电机运行速度值进行跟踪，得到速度控制量这一步骤，包括以下步骤：
通过编码器检测电机运行角度；
根据电机运行角度，采用差分法计算电机实际运行速度值；
根据电机实际运行速度值，采用分数阶迭代学习算法计算速度控制量。
进一步，所述根据电机实际运行速度值，采用分数阶迭代学习算法计算速度控制量这一步骤中，所述速度控制量的计算公式为：
其中，uk(t)为第k个周期的第t时刻的速度控制量；uk-1(t)为第k-1个周期的第t时刻的速度控制量；uk(t-1)为第k个周期的第t-1时刻的速度控制量；uk-1(t-1)为第k-1个周期的第t-1时刻的速度控制量；α和β是学习系数；ek(t)是第k个周期的第t时刻的跟随误差；为ek(t)的γ阶导数；为ek(t)的τ阶导数；
所述跟随误差ek(t)的定义式为：
ek(t)＝Vrk(t)-Vbk(t)，
Vrk(t)为第k个周期的第t时刻的电机运行速度设定值；Vbk(t)为第k个周期的第t时刻的电机实际运行速度值。
进一步，所述检测电机运行的三相电流这一步骤，包括以下步骤：
通过霍尔传感器或者电流互感器检测电机运行的三相电流；
将检测到的三相电流转换成电流的弱电信号。
进一步，所述根据电机的三相电流控制值和电机运行的三相电流，得到电机三相电压的弱电信号这一步骤，具体为：
根据电机的三相电流控制值和电机运行的三相电流，采用分数阶控制算法计算电机三相电压的弱电信号，所述电机三相电压的计算公式为：
其中，ux是电机第x相电压；k是误差系数；sign||为符号函数；eix是电机第x相电流误差值；为eix的π阶导数；
所述电流误差值eix的定义式为：
eix＝Ix-ix，
Ix为电机的第x相电流控制值，ix为电机运行的第x相电流。
进一步，所述将电机三相电压的弱电信号进行扩大处理，得到电机三相电压的强电信号以进行伺服电机的控制这一步骤，具体为：
通过IGBT模块或者IPM模块，将电机三相电压的弱电信号扩大为强电信号，然后根据电机三相电压的强电信号对伺服电机进行控制，所述IGBT模块和IPM模块均包括三组桥臂，其中，每组桥臂包括一个上桥臂和一个下桥臂。
进一步，所述通过IGBT模块或者IPM模块，将电机三相电压的弱电信号扩大为强电信号，然后根据电机三相电压的强电信号对伺服电机进行控制这一步骤，包括以下步骤：
判断电机的第一相电压与0的大小关系，若第一相电压大于0，则打开第一组桥臂的上桥臂，并关断第一组桥臂的下桥臂；若第一相电压小于0，则打开第一组桥臂的下桥臂，并关断第一组桥臂的上桥臂；若第一相电压等于0，则不做处理；
判断电机的第二相电压与0的大小关系，若第二相电压大于0，则打开第二组桥臂的上桥臂，并关断第二组桥臂的下桥臂；若第二相电压小于0，则打开第二组桥臂的下桥臂，并关断第二组桥臂的上桥臂；若第二相电压等于0，则不做处理；
判断电机的第三相电压与0的大小关系，若第三相电压大于0，则打开第三组桥臂的上桥臂，并关断第三组桥臂的下桥臂；若第三相电压小于0，则打开第三组桥臂的下桥臂，并关断第三组桥臂的上桥臂；若第三相电压等于0，则不做处理。
进一步，所述电机为永磁同步电机。
本发明所采取的第二技术方案是：
基于分数阶迭代学习的伺服电机控制系统，包括：
速度控制模块，用于采用分数阶迭代学习算法对设定的电机运行速度值进行跟踪，得到速度控制量；
矢量变换模块，用于通过矩阵变换法对速度控制量进行坐标变换，得到电机的三相电流控制值；
电流检测模块，用于检测电机运行的三相电流；
电流控制模块，用于根据电机的三相电流控制值和电机运行的三相电流，得到电机三相电压的弱电信号；
逆变模块，用于将电机三相电压的弱电信号进行扩大处理，得到电机三相电压的强电信号以进行伺服电机的控制。
本发明所采取的第三技术方案是：
基于分数阶迭代学习的伺服电机控制系统，包括：
存储器，用于存储程序；
处理器，用于加载所述程序，以执行如第一技术方案所述的基于分数阶迭代学习的伺服电机控制方法。
本发明的有益效果是：本发明采用了分数阶迭代学习算法来对设定的电机运行速度值进行实时跟踪，最终得到电机运行所需的三相电压强电信号，实时性高；另外，相较于现有的误差跟踪控制方法，本发明的分数阶迭代学习算法简单，易于实现且能够让电机在扰动的情况下保持稳定的运行速度，可靠性高。
附图说明
图1为本发明基于分数阶迭代学习的伺服电机控制方法的步骤流程图；
图2为本发明的伺服电机控制系统的整体结构框图；
图3为本发明的IGBT模块的电路原理图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参照图1，本发明基于分数阶迭代学习的伺服电机控制方法，包括以下步骤：
采用分数阶迭代学习算法对设定的电机运行速度值进行跟踪，得到速度控制量；
通过矩阵变换法对速度控制量进行坐标变换，得到电机的三相电流控制值；
检测电机运行的三相电流；
根据电机的三相电流控制值和电机运行的三相电流，得到电机三相电压的弱电信号；
将电机三相电压的弱电信号进行扩大处理，得到电机三相电压的强电信号以进行伺服电机的控制。
进一步作为优选的实施方式，所述采用分数阶迭代学习算法对设定的电机运行速度值进行跟踪，得到速度控制量这一步骤，包括以下步骤：
通过编码器检测电机运行角度；
根据电机运行角度，采用差分法计算电机实际运行速度值；
根据电机实际运行速度值，采用分数阶迭代学习算法计算速度控制量。
进一步作为优选的实施方式，所述根据电机实际运行速度值，采用分数阶迭代学习算法计算速度控制量这一步骤中，所述速度控制量的计算公式为：
其中，uk(t)为第k个周期的第t时刻的速度控制量；uk-1(t)为第k-1个周期的第t时刻的速度控制量；uk(t-1)为第k个周期的第t-1时刻的速度控制量；uk-1(t-1)为第k-1个周期的第t-1时刻的速度控制量；α和β是学习系数；ek(t)是第k个周期的第t时刻的跟随误差；为ek(t)的γ阶导数；为ek(t)的τ阶导数；
所述ek(t)的定义式为：
ek(t)＝Vrk(t)-Vbk(t)，
Vrk(t)为第k个周期的第t时刻的电机运行速度设定值；Vbk(t)为第k个周期的第t时刻的电机实际运行速度值。
进一步作为优选的实施方式，所述检测电机运行的三相电流这一步骤，包括以下步骤：
通过霍尔传感器或者电流互感器检测电机运行的三相电流；
将检测到的三相电流转换成电流的弱电信号。
进一步作为优选的实施方式，所述根据电机的三相电流控制值和电机运行的三相电流，得到电机三相电压的弱电信号这一步骤，具体为：
根据电机的三相电流控制值和电机运行的三相电流，采用分数阶控制算法计算电机三相电压的弱电信号，所述电机三相电压的计算公式为：
其中，ux是电机第x相电压；k是误差系数；sign||为符号函数；eix是电机第x相电流误差值；为eix的π阶导数；
所述电流误差值eix的定义式为：
eix＝Ix-ix，
Ix为电机的第x相电流控制值，ix为电机运行的第x相电流。
进一步作为优选的实施方式，所述将电机三相电压的弱电信号进行扩大处理，得到电机三相电压的强电信号以进行伺服电机的控制这一步骤，具体为：
通过IGBT模块或者IPM模块，将电机三相电压的弱电信号扩大为强电信号，然后根据电机三相电压的强电信号对伺服电机进行控制，所述IGBT模块和IPM模块均包括三组桥臂，其中，每组桥臂包括一个上桥臂和一个下桥臂。
进一步作为优选的实施方式，所述通过IGBT模块或者IPM模块，将电机三相电压的弱电信号扩大为强电信号，然后根据电机三相电压的强电信号对伺服电机进行控制这一步骤，包括以下步骤：
判断电机的第一相电压与0的大小关系，若第一相电压大于0，则打开第一组桥臂的上桥臂，并关断第一组桥臂的下桥臂；若第一相电压小于0，则打开第一组桥臂的下桥臂，并关断第一组桥臂的上桥臂；若第一相电压等于0，则不做处理；
判断电机的第二相电压与0的大小关系，若第二相电压大于0，则打开第二组桥臂的上桥臂，并关断第二组桥臂的下桥臂；若第二相电压小于0，则打开第二组桥臂的下桥臂，并关断第二组桥臂的上桥臂；若第二相电压等于0，则不做处理；
判断电机的第三相电压与0的大小关系，若第三相电压大于0，则打开第三组桥臂的上桥臂，并关断第三组桥臂的下桥臂；若第三相电压小于0，则打开第三组桥臂的下桥臂，并关断第三组桥臂的上桥臂；若第三相电压等于0，则不做处理。
进一步作为优选的实施方式，所述电机为永磁同步电机。
与图1的方法相对应，本发明基于分数阶迭代学习的伺服电机控制系统，包括：
速度控制模块，用于采用分数阶迭代学习算法对设定的电机运行速度值进行跟踪，得到速度控制量；
矢量变换模块，用于通过矩阵变换法对速度控制量进行坐标变换，得到电机的三相电流控制值；
电流检测模块，用于检测电机运行的三相电流；
电流控制模块，用于根据电机的三相电流控制值和电机运行的三相电流，得到电机三相电压的弱电信号；
逆变模块，用于将电机三相电压的弱电信号进行扩大处理，得到电机三相电压的强电信号以进行伺服电机的控制。
与图1的方法相对应，本发明基于分数阶迭代学习的伺服电机控制系统，包括：
存储器，用于存储程序；
处理器，用于加载所述程序，以执行本发明基于分数阶迭代学习的伺服电机控制方法。
为了解决传统误差跟随控制方法容易产生滞后以及易受干扰的问题，本发明提出一种融合了前馈控制和反馈控制的新型电机控制方法。参照图2和图3，以ICBT模块作为逆变模块为例子，详细介绍本发明基于分数阶迭代学习的伺服电机控制方法的具体步骤流程：
S1、采用分数阶迭代学习算法对设定的电机运行速度值进行跟踪，得到速度控制量；如图2所示，本发明的速度控制模块采用分数阶迭代学习算法来控制电机实际运行速度值(Vb)对电机运行速度设定值(Vr)进行快速跟踪，并一直保持稳定运行。
其中，步骤S1包括以下步骤：
S11、通过编码器检测电机运行角度；
S12、根据电机运行角度，采用差分法计算电机实际运行速度值；
所述电机实际运行速度值的计算公式为：v＝s/t，其中，v是电机运行角速度，s是电机运行角度在t时间间隔内的变化量。
S13、根据电机实际运行速度值，采用分数阶迭代学习算法计算速度控制量，所述速度控制量的计算公式为：
其中，uk(t)为第k个周期的第t时刻的速度控制量；uk-1(t)为第k-1个周期的第t时刻的速度控制量；uk(t-1)为第k个周期的第t-1时刻的速度控制量；uk-1(t-1)为第k-1个周期的第t-1时刻的速度控制量；α和β是学习系数；ek(t)是第k个周期的第t时刻的跟随误差；为ek(t)的γ阶导数，0<<1；为ek(t)的τ阶导数，0<τ<1；
所述ek(t)的定义式为：
ek(t)＝Vrk(t)-Vbk(t)，
Vrk(t)为第k个周期的第t时刻的电机运行速度设定值；Vbk(t)为第k个周期的第t时刻的电机实际运行速度值。
如图2所示，电机实际运行速度值Vb是通过编码器R检测电机运行角度，然后经过差分法计算得出的，所述电机为永磁同步电机PMSM。
S2、通过矩阵变换法对速度控制量进行坐标变换，得到电机的三相电流控制值；
参照图2，将步骤S1的输出结果uk(t)作为矢量变换模块的输入iq，即iq＝uk(t)。
其中，步骤S2具体为：
采用矩阵变换方法，将矢量变换模块的输入iq和辅助设定值id进行坐标变换，得到电机的三相电流控制值，所述矩阵为：
经过上述两个矩阵的变换后，可以得到对应于电机运行的三相电流(ia、ib和ic)的电机三相电流控制值Ia、Ib和Ic，在上述矩阵变换过程中，设定id＝0。
S3、检测电机运行的三相电流；如图2所示，本发明通过电流检测模块检测电机运行的三相电流，并转换成弱电信号反馈到电流控制模块。电流检测模块可采用霍尔传感器或者电流互感器来实现。
S4、根据电机的三相电流控制值和电机运行的三相电流，得到电机三相电压的弱电信号；本发明根据矢量变换模块的三个输出值，对电机运行的三相电流进行跟踪控制，保证电机运行的三相电流跟随矢量变换模块的三个输出值。
其中，步骤S4具体为：
根据电机的三相电流控制值和电机运行的三相电流，采用分数阶控制算法计算电机三相电压的弱电信号，所述电机三相电压的计算公式为：
其中，ux是电机第x相电压，x＝a,b,c；k是误差系数；sign||为符号函数；eix是电机第x相电流误差值；为eix的π阶导数，0<π<1；
所述电流误差值eix的定义式为：
eix＝Ix-ix，
Ix为电机的第x相电流控制值；ix为电机运行的第x相电流；如图2所示，ix是通过电流检测模块获取的。
S5、将电机三相电压的弱电信号进行扩大处理，得到电机三相电压的强电信号以进行伺服电机的控制。
本发明把电流控制模块得到的电机三相电压的弱电信号扩大为电机实际运行中需要的三相电压强电信号。
其中，步骤S5具体为：
通过IGBT模块或者IPM模块，将电机三相电压的弱电信号扩大为强电信号，然后根据电机三相电压的强电信号对伺服电机进行控制，所述IGBT模块和IPM模块均包括三组桥臂，其中，每组桥臂包括一个上桥臂和一个下桥臂。参照图3，以IGBT模块为例，如果上桥臂打开，则输出正电压；反之，下桥臂打开，则输出负电压。步骤S5采用以下规则进行扩大处理：
判断电机的第一相电压与0的大小关系，若第一相电压大于0，则打开第一组桥臂的上桥臂，并关断第一组桥臂的下桥臂；若第一相电压小于0，则打开第一组桥臂的下桥臂，并关断第一组桥臂的上桥臂；若第一相电压等于0，则不做处理；
判断电机的第二相电压与0的大小关系，若第二相电压大于0，则打开第二组桥臂的上桥臂，并关断第二组桥臂的下桥臂；若第二相电压小于0，则打开第二组桥臂的下桥臂，并关断第二组桥臂的上桥臂；若第二相电压等于0，则不做处理；
判断电机的第三相电压与0的大小关系，若第三相电压大于0，则打开第三组桥臂的上桥臂，并关断第三组桥臂的下桥臂；若第三相电压小于0，则打开第三组桥臂的下桥臂，并关断第三组桥臂的上桥臂；若第三相电压等于0，则不做处理。
综上所述，将本发明的伺服电机控制方法应用到具有重复生产过程的大批量生产中，能够同时保证电机在单个周期内的性能控制以及多个周期间的控制性能达到最优，实现了周期内和周期间的二维优化。另外，本发明采用直接三相电流闭环控制的电流控制方法，方法简单且易于实现，能够获得稳定的电流跟随控制性能。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.基于分数阶迭代学习的伺服电机控制方法，其特征在于：包括以下步骤：
采用分数阶迭代学习算法对设定的电机运行速度值进行跟踪，得到速度控制量；
通过矩阵变换法对速度控制量进行坐标变换，得到电机的三相电流控制值；
检测电机运行的三相电流；
根据电机的三相电流控制值和电机运行的三相电流，得到电机三相电压的弱电信号；
将电机三相电压的弱电信号进行扩大处理，得到电机三相电压的强电信号以进行伺服电机的控制。
2.根据权利要求1所述的基于分数阶迭代学习的伺服电机控制方法，其特征在于：所述采用分数阶迭代学习算法对设定的电机运行速度值进行跟踪，得到速度控制量这一步骤，包括以下步骤：
通过编码器检测电机运行角度；
根据电机运行角度，采用差分法计算电机实际运行速度值；
根据电机实际运行速度值，采用分数阶迭代学习算法计算速度控制量。
3.根据权利要求2所述的基于分数阶迭代学习的伺服电机控制方法，其特征在于：所述根据电机实际运行速度值，采用分数阶迭代学习算法计算速度控制量这一步骤中，所述速度控制量的计算公式为：
其中，uk(t)为第k个周期的第t时刻的速度控制量；uk-1(t)为第k-1个周期的第t时刻的速度控制量；uk(t-1)为第k个周期的第t-1时刻的速度控制量；uk-1(t-1)为第k-1个周期的第t-1时刻的速度控制量；α和β是学习系数；ek(t)是第k个周期的第t时刻的跟随误差；为ek(t)的γ阶导数；为ek(t)的τ阶导数；
所述跟随误差ek(t)的定义式为：
ek(t)＝Vrk(t)-Vbk(t)，
Vrk(t)为第k个周期的第t时刻的电机运行速度设定值；Vbk(t)为第k个周期的第t时刻的电机实际运行速度值。
4.根据权利要求1所述的基于分数阶迭代学习的伺服电机控制方法，其特征在于：所述检测电机运行的三相电流这一步骤，包括以下步骤：
通过霍尔传感器或者电流互感器检测电机运行的三相电流；
将检测到的三相电流转换成电流的弱电信号。
5.根据权利要求1所述的基于分数阶迭代学习的伺服电机控制方法，其特征在于：所述根据电机的三相电流控制值和电机运行的三相电流，得到电机三相电压的弱电信号这一步骤，具体为：
根据电机的三相电流控制值和电机运行的三相电流，采用分数阶控制算法计算电机三相电压的弱电信号，所述电机三相电压的计算公式为：
其中，ux是电机第x相电压；sign||为符号函数；eix是电机第x相电流误差值；为eix的π阶导数；k是误差系数；
所述电流误差值eix的定义式为：
eix＝Ix-ix，
Ix为电机的第x相电流控制值，ix为电机运行的第x相电流。
6.根据权利要求1所述的基于分数阶迭代学习的伺服电机控制方法，其特征在于：所述将电机三相电压的弱电信号进行扩大处理，得到电机三相电压的强电信号以进行伺服电机的控制这一步骤，具体为：
通过IGBT模块或者IPM模块，将电机三相电压的弱电信号扩大为强电信号，然后根据电机三相电压的强电信号对伺服电机进行控制，所述IGBT模块和IPM模块均包括三组桥臂，其中，每组桥臂包括一个上桥臂和一个下桥臂。
7.根据权利要求6所述的基于分数阶迭代学习的伺服电机控制方法，其特征在于：所述通过IGBT模块或者IPM模块，将电机三相电压的弱电信号扩大为强电信号，然后根据电机三相电压的强电信号对伺服电机进行控制这一步骤，包括以下步骤：
判断电机的第一相电压与0的大小关系，若第一相电压大于0，则打开第一组桥臂的上桥臂，并关断第一组桥臂的下桥臂；若第一相电压小于0，则打开第一组桥臂的下桥臂，并关断第一组桥臂的上桥臂；若第一相电压等于0，则不做处理；
判断电机的第二相电压与0的大小关系，若第二相电压大于0，则打开第二组桥臂的上桥臂，并关断第二组桥臂的下桥臂；若第二相电压小于0，则打开第二组桥臂的下桥臂，并关断第二组桥臂的上桥臂；若第二相电压等于0，则不做处理；
判断电机的第三相电压与0的大小关系，若第三相电压大于0，则打开第三组桥臂的上桥臂，并关断第三组桥臂的下桥臂；若第三相电压小于0，则打开第三组桥臂的下桥臂，并关断第三组桥臂的上桥臂；若第三相电压等于0，则不做处理。
8.根据权利要求1所述的基于分数阶迭代学习的伺服电机控制方法，其特征在于：所述电机为永磁同步电机。
9.基于分数阶迭代学习的伺服电机控制系统，其特征在于：包括：
速度控制模块，用于采用分数阶迭代学习算法对设定的电机运行速度值进行跟踪，得到速度控制量；
矢量变换模块，用于通过矩阵变换法对速度控制量进行坐标变换，得到电机的三相电流控制值；
电流检测模块，用于检测电机运行的三相电流；
电流控制模块，用于根据电机的三相电流控制值和电机运行的三相电流，得到电机三相电压的弱电信号；
逆变模块，用于将电机三相电压的弱电信号进行扩大处理，得到电机三相电压的强电信号以进行伺服电机的控制。
10.基于分数阶迭代学习的伺服电机控制系统，其特征在于：包括：
存储器，用于存储程序；
处理器，用于加载所述程序，以执行如权利要求1-8任一项所述的基于分数阶迭代学习的伺服电机控制方法。
CN201810392345.4A 2018-04-27 2018-04-27 基于分数阶迭代学习的伺服电机控制方法及系统 Active CN108736785B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810392345.4A CN108736785B (zh) 2018-04-27 2018-04-27 基于分数阶迭代学习的伺服电机控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810392345.4A CN108736785B (zh) 2018-04-27 2018-04-27 基于分数阶迭代学习的伺服电机控制方法及系统

Publications (2)

Publication Number Publication Date
CN108736785A true CN108736785A (zh) 2018-11-02
CN108736785B CN108736785B (zh) 2020-08-28

Family

ID=63939938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810392345.4A Active CN108736785B (zh) 2018-04-27 2018-04-27 基于分数阶迭代学习的伺服电机控制方法及系统

Country Status (1)

Country Link
CN (1) CN108736785B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110119088A (zh) * 2019-05-29 2019-08-13 山东大学 一种分数阶迭代学习频域控制器及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060265085A1 (en) * 2005-05-17 2006-11-23 Utah State University Tuning methods for fractional-order controllers
CN103124158A (zh) * 2012-12-06 2013-05-29 华中科技大学 基于分数阶的永磁同步电机速度环控制参数的自整定方法
CN105867126A (zh) * 2016-04-12 2016-08-17 温州大学 一种三相电压源型逆变系统分数阶pi优化控制方法
US20170338761A1 (en) * 2016-05-20 2017-11-23 Ford Global Technologies, Llc Fractional-order proportional-resonant controller

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060265085A1 (en) * 2005-05-17 2006-11-23 Utah State University Tuning methods for fractional-order controllers
CN103124158A (zh) * 2012-12-06 2013-05-29 华中科技大学 基于分数阶的永磁同步电机速度环控制参数的自整定方法
CN105867126A (zh) * 2016-04-12 2016-08-17 温州大学 一种三相电压源型逆变系统分数阶pi优化控制方法
US20170338761A1 (en) * 2016-05-20 2017-11-23 Ford Global Technologies, Llc Fractional-order proportional-resonant controller

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BITAO ZHANG等: "Fractional order sliding-mode control based on parameters auto-tuning for velocity control of permanent magnet synchronous motor", 《ISA TRANSACTIONS》 *
GHANIA IDIRI等: "Identification of fractional-order systems based on the variational iteration method", 《2017 5TH INTERNATIONAL CONFERENCE ON ELECTRICAL ENGINEERING - BOUMERDES (ICEE-B)》 *
张碧陶: "智能分数阶滑模控制及系统参数整定方法的研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110119088A (zh) * 2019-05-29 2019-08-13 山东大学 一种分数阶迭代学习频域控制器及系统
CN110119088B (zh) * 2019-05-29 2020-07-17 山东大学 一种分数阶迭代学习频域控制器及系统

Also Published As

Publication number Publication date
CN108736785B (zh) 2020-08-28

Similar Documents

Publication Publication Date Title
Karanayil et al. Online stator and rotor resistance estimation scheme using artificial neural networks for vector controlled speed sensorless induction motor drive
Matsuo et al. A rotor parameter identification scheme for vector controlled induction motor drives
CN107870570A (zh) 基于分数阶幂次趋近律的终端滑模机械臂轨迹跟踪方法
Benchaib et al. Real-time sliding-mode observer and control of an induction motor
Maiti et al. Model reference adaptive controller-based rotor resistance and speed estimation techniques for vector controlled induction motor drive utilizing reactive power
Hasanien FPGA implementation of adaptive ANN controller for speed regulation of permanent magnet stepper motor drives
Du et al. Real-time H∞ control of networked inverted pendulum visual servo systems
Atkinson et al. Estimation of rotor resistance in induction motors
Kai et al. A regressor-free adaptive controller for robot manipulators without Slotine and Li's modification
Yang et al. An exact stability condition for bilateral teleoperation with delayed communication channel
Soto et al. Sliding-mode control of an induction motor without flux measurement
CN109564584A (zh) 用以在任意向量之间执行卷积的方法
CN107623471A (zh) 一种电机极对数自学习方法和驱动器
CN108736785A (zh) 基于分数阶迭代学习的伺服电机控制方法及系统
Bohari et al. Speed tracking of indirect field oriented control induction motor using neural network
CN112428273A (zh) 一种考虑机械臂物理约束和模型未知的控制方法及系统
CN109639200A (zh) 一种基于电机负载转矩检测的转动惯量在线辨识方法
Akin et al. A comparative study on non-linear state estimators applied to sensorless AC drives: MRAS and Kalman filter
Lee et al. Real-time compensation of two-dimensional contour error in CNC machine tools
Horch et al. Nonlinear integral backstepping control for induction motor drive with adaptive speed observer using super twisting strategy
CN108880357B (zh) 永磁同步电机的自适应非光滑电流跟踪控制方法
CN104639004B (zh) 一种永磁同步电机机械参数的在线辨识方法
Dybkowski et al. Sensorless traction drive system with sliding mode and MRASCC estimators using direct torque control
Yasien et al. Design of Fuzzy-Like Position Controller for Permanent Magnet Stepper Motor
CN110365269A (zh) 一种基于电机定子参数离线辨识的矢量控制方法及装置

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