CN108832850B - 一种四电机伺服系统的最优分散鲁棒控制方法 - Google Patents

一种四电机伺服系统的最优分散鲁棒控制方法 Download PDF

Info

Publication number
CN108832850B
CN108832850B CN201810884740.4A CN201810884740A CN108832850B CN 108832850 B CN108832850 B CN 108832850B CN 201810884740 A CN201810884740 A CN 201810884740A CN 108832850 B CN108832850 B CN 108832850B
Authority
CN
China
Prior art keywords
motor
servo system
motor servo
optimal
ith
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
Application number
CN201810884740.4A
Other languages
English (en)
Other versions
CN108832850A (zh
Inventor
任雪梅
孙紫梅
曾添一
王敏林
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201810884740.4A priority Critical patent/CN108832850B/zh
Publication of CN108832850A publication Critical patent/CN108832850A/zh
Application granted granted Critical
Publication of CN108832850B publication Critical patent/CN108832850B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02PCONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P5/00Arrangements specially adapted for regulating or controlling the speed or torque of two or more electric motors
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02PCONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P5/00Arrangements specially adapted for regulating or controlling the speed or torque of two or more electric motors
    • H02P5/46Arrangements specially adapted for regulating or controlling the speed or torque of two or more electric motors for speed regulation of two or more dynamo-electric motors in relation to one another

Landscapes

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

Abstract

本发明公开了一种四电机伺服系统的基于最优分散鲁棒控制方法,具体方案为:针对四电机伺服系统,采用齿隙的死区模型,建立系统的状态空间方程;依据四电机互联系统状态方程,取其标称互联系统;针对每个电机设计最优分散鲁棒控制器,使得每个电机的输出跟踪参考信号,并且使得性能指标最小;对于标称互联系统,建立不含互联项的孤立单电机系统;针对孤立单电机系统,建立最优反馈控制器。本发明将不确定性系统的保性能控制器的设计问题转化为标称互联系统的最优分散鲁棒控制器的设计问题;针对标称互联系统的最优分散鲁棒控制器的设计问题,先从孤立系统出发,设计了最优跟踪控制器,进而构建了互联系统的最优分散鲁棒控制器。

Description

一种四电机伺服系统的最优分散鲁棒控制方法
技术领域
本发明涉及机电控制技术领域,具体涉及一种四电机伺服系统的最优分散鲁棒控制方法。
背景技术
随着工业中大惯量、大功率装备的出现,采用多个电机同时驱动的方法已经代替传统的单电机驱动成为现今伺服系统控制领域的研究热点及难点,并且已经成功应用于工业轧钢系统、雷达伺服系统、舰炮控制系统中。相较于单电机驱动系统,四电机驱动系统能够很大程度上增强系统的过载能力和整体的驱动能力,极大降低对每个驱动电机功率等性能的要求,消除制造成本和技术限制。同时,联动控制可以提高复杂系统的控制精度并加快系统的响应速度。
在四电机驱动伺服系统中,导致系统控制性能下降的主要因素有两个:一个是参数不确定性,一个是电机之间的耦合影响。由于系统长时间的运行必然导致其机械结构参数发生变化,会影响系统的动静态特性。为了解决参数不确定性的影响,郭庆鼎利用一个参数调节器和一个前馈补偿减小了参数不确定性对系统跟踪性能的影响;蓝益鹏对于参数摄动问题,利用线性矩阵不等式的方法设计H无穷鲁棒控制器。由于四电机伺服系统的结构是多个电机通过齿轮与主轴连接驱动负载,必然会导致电机间的耦合问题,使得多个电机很难实现快速同步。而分散控制作为处理大型互联系统的有效方法正是解决四电机耦合问题的有效工具。关于互联系统的分散控制问题,李锦研究了两种方法:一是将子系统的互联信息作为扰动设计分散控制器,使得闭环稳定;二是将子系统的互联信息作为子系统的状态处理设计鲁棒控制器,对扰动有抑制作用。因此,本专利主要采用将保性能鲁棒控制与最优分散控制相结合的方法解决系统的参数不确定性和耦合因素,实现电机的快速跟踪与同步。
传统的系统设计方法是顺序设计,即先设计结构部分,然后根据设计结果设计控制部分,降低生产效率。传统的系统设计时忽略了系统的结构与控制两部分之间存在紧密联系,从而不易达到整个系统的最优性能。在实际系统中,结构参数和控制参数相互耦合,对结构子系统和控制子系统进行共同设计的一体化设计思路具有较为明显的优势。国内外已经对结构/控制一体化进行了一定的探索研究,但是相当一部分采用的方法是循环迭代的方式,并且对于四电机伺服系统的研究相对较少,而四电机伺服系统在日常生活中日益重要的地位使得研究其结构与控制一体化设计有现实意义。
可见,目前对于含参数不确定性的大型互联系统,大部分研究还停留在理论阶段,而对于含参数不确定性和互联项的四电机系统,还没有提出有效的控制方法使得系统的性能达到最优。而且传统的优化控制方法只是对控制参数进行优化,并未考虑机械结构参数对系统性能的影响。因此设计一种最优分散鲁棒控制方法在消除参数不确定性和互联项对系统影响下,实现电机的跟踪和同步是非常具有实际工程价值的。
发明内容
有鉴于此,本发明提供了一种四电机伺服系统的最优分散鲁棒控制方法,能够消除参数不确定性和互联项对系统的影响,实现电机的快速跟踪和同步。
为达到上述目的,本发明的技术方案为:
一种四电机伺服系统的基于最优分散鲁棒控制方法,四电机伺服系统包含第1~第4电机,为含参数不确定性的四电机伺服系统,该方法包括如下步骤:
步骤一、针对四电机伺服系统,采用齿隙的死区模型,建立系统的状态空间方程。
Figure BDA0001755351680000031
其中x1~x4分别为四电机伺服系统的第一~第四状态变量;
x1=θm,θm为四电机伺服系统负载端的转角;
Figure BDA0001755351680000032
为*的一阶导数;bm为四电机伺服系统负载端的粘性摩擦系数;Jm为四电机伺服系统负载端的转动惯量;k为四电机伺服系统的刚度系数;c为四电机伺服系统的阻尼系数;符号函数χi为第i电机的驱动负载的标志因子,四电机伺服系统中齿隙的大小为2α;zi=θim是四电机伺服系统中第i电机和负载端的位置差;θi为四电机伺服系统中第i电机的转角,当|zi|≥α时,χi=1;当|zi|<α时,χi=0;i=1,2,3,4。
Figure BDA0001755351680000033
x3i=zi-sgn(zi)α为四电机伺服系统中第i电机的齿隙内部状态;
Figure BDA0001755351680000034
为四电机伺服系统中第i电机的齿隙内部状态的一阶导数;ui为四电机伺服系统的输入转矩;
y为四电机伺服系统的输出;
针对系统的状态空间方程,θm=rθi,其中r>0为传动比,是常数值;
令第五状态变量为Xi=[x3i x4i]T,建立四电机互联系统状态方程为
Figure BDA0001755351680000035
其中设置第一~第四参数分别为Ai、Bi、Ci、Zj
Figure BDA0001755351680000041
Figure BDA0001755351680000042
ΔAi为Ai的参数不确定性;ΔBi为Bi的参数不确定性。
Zj满足如下条件
||Zj||≤γijTjXj
其中γij为正常数,Tj为正定对称矩阵。
步骤二、依据四电机互联系统状态方程,取其标称互联系统为:
Figure BDA0001755351680000043
针对第i电机设计最优分散鲁棒控制器,使得第i电机的输出yi跟踪参考信号yd,并且使得性能指标
Figure BDA0001755351680000044
最小。
Figure BDA0001755351680000045
Γi(Xi,ui)为关于参数不确定性的有界函数;对于Ai和Bi的参数不确定性ΔAi和ΔBi,存在函数Γ(Xi,ui):
Figure BDA0001755351680000046
使得
Figure BDA0001755351680000047
式成立。
其中Fi和Gi均为正定矩阵,λi为拉格朗日乘子向量。
步骤三,对于标称互联系统,在性能指标
Figure BDA0001755351680000048
下建立最优分散控制器为:
Figure BDA0001755351680000049
Figure BDA00017553516800000410
指第i电机的最优控制值。
对于标称互联系统,建立不含互联项的孤立单电机系统为:
Figure BDA0001755351680000051
针对孤立单电机系统,建立最优反馈控制器为:
Figure BDA0001755351680000052
Figure BDA0001755351680000053
指第i电机的最优反馈控制器输出值;πi为0~1之间的常数;则对于标称互联系统,存在一个正常数
Figure BDA0001755351680000054
选取
Figure BDA0001755351680000055
则最优反馈控制器为标称互联系统的最优分散鲁棒控制器。
进一步地,步骤一,针对四电机伺服系统,采用齿隙的死区模型,建立系统的状态空间方程,具体为:
S101、针对四电机伺服系统建立含参数不确定性的四电机伺服系统的动态方程为:
Figure BDA0001755351680000056
其中Ji为四电机伺服系统中第i电机的转动惯量;wi为偏置力矩;τi为四电机伺服系统中第i电机和负载端之间的传输力矩;bi四电机伺服系统中第i电机的粘性摩擦系数;θi为四电机伺服系统中第i电机的转角;
S102、建立齿隙的死区模型,四电机伺服系统中第i电机和负载端之间的传输力矩τi为死区函数,具体为:
Figure BDA0001755351680000057
τi不同时为零,即
Figure BDA0001755351680000058
S103、根据含参数不确定性的四电机伺服系统的动态方程,以及死区函数,获得四电机驱动系统的状态空间方程,即:
Figure BDA0001755351680000061
进一步地,拉格朗日乘子向量λi具体为:
λi=PiXi-Ni,Pi和Ni为对称正定阵,可由如下黎卡提方程得出:
Figure BDA0001755351680000062
进一步地,在步骤三之后,还包括:
步骤四,采用粒子群算法对四电机伺服系统的参数bi,Ji,k,c,以及控制参数πi,Ri,Gi,Qi,Fi进行寻优;
寻优过程中的性能指标函数E为:
Figure BDA0001755351680000063
其中t时间,em(t)为四电机伺服系统负载端的跟踪误差,ρ为正常数;em(t)=y-ryd
E的约束条件为:
Figure BDA0001755351680000064
有益效果:
本发明公开的一种四电机伺服系统的最优分散鲁棒控制方法,通过电机负载间的传动比,将负载的跟踪问题转化为电机的跟踪问题并且建立了含参数不确定性和互联项的四电机伺服系统的状态方程;通过找到一个上界函数可以将不确定性系统的保性能控制器的设计问题转化为标称互联系统的最优分散鲁棒控制器的设计问题;针对标称互联系统的最优分散鲁棒控制器的设计问题,先从孤立系统出发,设计了最优跟踪控制器,然后通过放缩最优反馈,提出了互联系统的最优分散鲁棒控制器并且证明了闭环系统的稳定性。
附图说明
图1为本发明所提供的一种四电机伺服系统的最优分散鲁棒控制方法流程图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种四电机伺服系统的最优分散鲁棒控制方法,根据负载电机间的传动比,将负载的跟踪问题转化为电机的跟踪问题并建立带有参数不确定性和互联项的状态空间方程。在参数不确定性有界的条件下,将保性能控制器的设计问题转化为标称互联系统下的最优分散鲁棒控制器的设计问题。根据对孤立系统的分析,可通过放缩局部最优反馈得到互联系统的最优分散鲁棒控制器并证明了稳定性。最后,可选地,利用粒子群算法对系统的机械结构参数和控制参数进行一体化设计,使系统的整体性能达到最优。
本发明的具体技术方案为:
一种四电机伺服系统的最优分散鲁棒控制方法,其中四电机伺服系统包含第1~第4电机,为含参数不确定性的四电机伺服系统,该方法的流程如图1所示,包括如下步骤:
步骤一、针对四电机伺服系统,采用齿隙的死区模型,建立系统的状态空间方程;
Figure BDA0001755351680000081
其中x1~x4分别为四电机伺服系统的第一~第四状态变量;
x1=θm,θm为四电机伺服系统负载端的转角;
Figure BDA0001755351680000082
为*的一阶导数;bm为四电机伺服系统负载端的粘性摩擦系数;Jm为四电机伺服系统负载端的转动惯量;k为四电机伺服系统的刚度系数;c为四电机伺服系统的阻尼系数;符号函数χi为第i电机的驱动负载的标志因子,四电机伺服系统中齿隙的大小为2α;zi=θim是四电机伺服系统中第i电机和负载端的位置差;θi为四电机伺服系统中第i电机的转角,当|zi|≥α时,χi=1;当|zi|<α时,χi=0;i=1,2,3,4;
Figure BDA0001755351680000083
x3i=zi-sgn(zi)α为四电机伺服系统中第i电机的齿隙内部状态;
Figure BDA0001755351680000084
为四电机伺服系统中第i电机的齿隙内部状态的一阶导数;ui为四电机伺服系统的输入转矩;
y为四电机伺服系统的输出。
该系统的状态空间方程采用如下S101~S103步骤获得:
S101、针对四电机伺服系统建立含参数不确定性的四电机伺服系统的动态方程为:
Figure BDA0001755351680000085
其中Ji为四电机伺服系统中第i电机的转动惯量;ΔJi为四电机伺服系统中第i电机的转动惯量的不确定性;wi为偏置力矩;τi为四电机伺服系统中第i电机和负载端之间的传输力矩;bi四电机伺服系统中第i电机的粘性摩擦系数。
S102、建立齿隙的死区模型,四电机伺服系统中第i电机和负载端之间的传输力矩τi为死区函数,具体为:
Figure BDA0001755351680000091
τi不同时为零,即
Figure BDA0001755351680000092
S103、根据含参数不确定性的四电机伺服系统的动态方程,以及死区函数,获得四电机驱动系统的状态空间方程,即:
Figure BDA0001755351680000093
针对系统的状态空间方程,由于齿隙非线性对系统的影响已经被所施加的偏置力矩所抵消,因此传输力矩τi可近似线性化;且负载端的转角θm与第i电机的转角之间满足θm=rθi,其中r>0为传动比,是常数值;根据传动比的关系,则负载的跟踪问题可转化为电机的跟踪问题,即负载跟踪参考信号ryd,则电机跟踪参考信号yd
令第五状态变量为Xi=[x3i x4i]T,建立四电机互联系统状态方程为
Figure BDA0001755351680000101
其中设置第一~第四参数分别为Ai、Bi、Ci、Zj
Figure BDA0001755351680000102
Figure BDA0001755351680000103
ΔAi为Ai的参数不确定性;ΔBi为Bi的参数不确定性。
其中参数不确定性满足如下条件:
||ΔAi||≤Am&||ΔBi||≤Bm
其中Am和Bm为正常数。
因此
Figure BDA0001755351680000104
其中Fi和Gi为正定矩阵。λi为拉格朗日乘子向量。
第四参数Zj为互联项,满足如下条件
||Zj||≤γijTjXj
其中γij为正常数,Tj为正定对称矩阵。
步骤二、本发明的控制目标是设计每一个电机的最优分散鲁棒控制器,使得第i电机输出yi跟踪参考信号yd,并且使得性能指标Li最小:
Figure BDA0001755351680000105
其中ei为跟踪误差,ei=yi-yd;Qi和Ri为正定对角矩阵(Qi和Ri可以现有的设定方法进行设置,Ri一般取单位阵。
在参数不确定性有界的条件下,将保性能控制器的设计问题转化为标称互联系统下的最优分散鲁棒控制器的设计问题。
依据四电机互联系统状态方程,取其标称互联系统为:
Figure BDA0001755351680000111
针对第i电机设计最优分散鲁棒控制器,使得第i电机的输出yi跟踪参考信号yd,并且使得性能指标
Figure BDA0001755351680000112
最小;
Figure BDA0001755351680000113
Γi(Xi,ui)为关于参数不确定性的有界函数;对于Ai和Bi的参数不确定性ΔAi和ΔBi,存在函数Γ(Xi,ui):
Figure BDA0001755351680000114
使得
Figure BDA0001755351680000115
式成立;
其中Fi和Gi均为正定矩阵,λi为拉格朗日乘子向量。
本发明实施例中,拉格朗日乘子向量λi具体为:
λi=PiXi-Ni,Pi和Ni为对称正定阵,可由如下黎卡提方程得出:
Figure BDA0001755351680000116
步骤三,对于标称互联系统,在性能指标
Figure BDA0001755351680000117
下建立最优分散控制器为:
Figure BDA0001755351680000118
Figure BDA0001755351680000119
指第i电机的最优控制值;
对于标称互联系统,由于存在互联项Zj,使得最优分散鲁棒控制设计较为困难。因此本发明中考虑孤立系统的最优分散鲁棒控制器的设计问题。
建立不含互联项的孤立单电机系统为:
Figure BDA0001755351680000121
针对孤立单电机系统,建立最优反馈控制器为:
Figure BDA0001755351680000122
Figure BDA0001755351680000123
指第i电机的最优反馈控制器输出值;πi为0~1之间的常数;则对于标称互联系统,存在一个正常数
Figure BDA0001755351680000124
选取
Figure BDA0001755351680000125
则最优反馈控制器为标称互联系统的最优分散鲁棒控制器。
本发明实施例中,针对电机参数会限制系统性能的问题,采用机械结构参数与控制参数一体化的设计方法,对电机参数以及最优分散鲁棒控制器参数进行寻优。
即还包括:
步骤四,采用粒子群算法对四电机伺服系统的参数bi,Ji,k,c,以及控制参数πi,Ri,Gi,Qi,Fi进行寻优;
寻优过程中的性能指标函数E为:
Figure BDA0001755351680000126
其中t时间,em(t)为四电机伺服系统负载端的跟踪误差,ρ为正常数;em(t)=y-ryd,em(t)为时间t的函数。
E的约束条件为:
Figure BDA0001755351680000127
性能指标的第一项越小表示系统的稳态误差越小;第二项越小表明系统的能耗越小。约束条件是保证跟踪精度在10%以内,以及系统能耗最小。将跟踪精度与能耗整合成一个目标函数E,优化的最终目标是在满足约束条件的情况下求得目标函数E的最小值。
具体地都可以采用如下粒子群算法
第4.1步:初始化粒子群的各个参数值,并计算每个粒子的适应度函数。通过加权的形式计算出每组参数的性能指标(目标函数适应值)大小。
如果新粒子的适应值比前一个的更小,则用新粒子更新适应值;否则,适应值保持不变。
Figure BDA0001755351680000131
其中,pbest(t)是在t时刻的最佳适应值,f(·)通常为性能指标的目标函数,即多个重要指标的加权,X(t)是每个粒子的位置。
第4.2步:当pbest中最小的适应值小于全局的适应值时,用相应的最小适应值的位置更新全局的适应值。否则,全局适应值保持不变。
gbest(t+1)=argmin{f(pbest1(t)),f(pbest2(t)),...,f(pbestn(t))} (36)
其中:gbest(t)为t时刻全局的最佳适应值,n为粒子的总个数。
第4.3步:对控制参数值按照下面的公式进行更新
Figure BDA0001755351680000132
Xi'j(t+1)=Xi'j(t)+Vi'j(t+1)
其中:Vi'j(t)是第j维粒子第i'个群体迭代粒子的速度;Xi'j(t)是第j维粒子第i'个群体迭代粒子的位置,取i'=20;ω为惯性权重,取ω=0.7;c1和c2为学习率,取c1=c2=2。
第4.4步:粒子的当前位置超出所设置的最大值和最小值,对超出范围的粒子重新赋值,即
Xi'j(t+1)=Xmin(j)+(Xmax(j)-Xmin(j))×r3Xi'j(t+1)<Xmin(j)
Xi'j(t+1)=Xmin(j)+(Xmax(j)-Xmin(j))×r4Xi'j(t+1)>Xmax(j) (38)
同理可知,对于粒子的当前的速度而言,当超出粒子的最大速度时,粒子的速度重新赋值为
Vi'j(t+1)=Vmin(j)+(Vmax(j)-Vmin(j))×r5Vi'j(t+1)>Xmax(j)
Vi'j(t+1)=Vmin(j)+(Vmax(j)-Vmin(j))×r6Vi'j(t+1)<Vmin(j) (39)
其中Xmin(j)和Xmax(j)分别为第j维的最小位置和最大位置;Vmin(j)和Vmax(j)分别为第j维的最小速度和最大速度。
第4.5步:当迭代次数小于最大的设置次数时,转向第三步;否则,终止程序。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (4)

1.一种四电机伺服系统的基于最优分散鲁棒控制方法,其特征在于,所述四电机伺服系统包含第1~第4电机,为含参数不确定性的四电机伺服系统,该方法包括如下步骤:
步骤一、针对所述四电机伺服系统,采用齿隙的死区模型,建立系统的状态空间方程;
Figure FDA0002361963350000011
其中x1~x2分别为所述四电机伺服系统的第一~第二状态变量;
x1=θm,θm为所述四电机伺服系统负载端的转角;
Figure FDA0002361963350000012
为*的一阶导数;bm为所述四电机伺服系统负载端的粘性摩擦系数;Jm为所述四电机伺服系统负载端的转动惯量;k为所述四电机伺服系统的刚度系数;c为所述四电机伺服系统的阻尼系数;符号函数χi为第i电机的驱动负载的标志因子,所述四电机伺服系统中齿隙的大小为2α;zi=θim是所述四电机伺服系统中第i电机和负载端的位置差;θi为所述四电机伺服系统中第i电机的转角,当|zi|≥α时,χi=1;当|zi|<α时,χi=0;i=1,2,3,4;
Figure FDA0002361963350000013
x3i=zi-sgn(zi)α为所述四电机伺服系统中第i电机的齿隙内部状态;
Figure FDA0002361963350000014
为所述四电机伺服系统中第i电机的齿隙内部状态的一阶导数;ui为所述四电机伺服系统的输入转矩;
y为所述四电机伺服系统的输出;
针对所述系统的状态空间方程,θm=rθi,其中r>0为传动比,是常数值;
令第五状态变量为Xi=[x3i x4i]T,建立四电机互联系统状态方程为
Figure FDA0002361963350000021
其中设置第一~第四参数分别为Ai、Bi、Ci、Zj
Figure FDA0002361963350000022
Figure FDA0002361963350000023
ΔAi为Ai的参数不确定性;ΔBi为Bi的参数不确定性;
Zj满足如下条件
||Zj||≤γijTjXj
其中γij为正常数,Tj为正定对称矩阵;
步骤二、依据所述四电机互联系统状态方程,取其标称互联系统为:
Figure FDA0002361963350000028
针对第i电机设计最优分散鲁棒控制器,使得第i电机的输出yi跟踪参考信号yd,并且使得性能指标
Figure FDA0002361963350000024
最小;
Figure FDA0002361963350000025
Γi(Xi,ui)为关于参数不确定性的有界函数;对于Ai和Bi的参数不确定性ΔAi和ΔBi,存在函数Γi(Xi,ui):
Figure FDA0002361963350000026
使得
Figure FDA0002361963350000027
式成立;
其中Fi和Gi均为正定矩阵,λi为拉格朗日乘子向量;Qi和Ri为正定对角矩阵;
步骤三,对于所述标称互联系统,在所述性能指标
Figure FDA0002361963350000031
下建立最优分散控制器为:
Figure FDA0002361963350000032
Figure FDA0002361963350000033
指第i电机的最优控制值;
对于所述标称互联系统,建立不含互联项的孤立单电机系统为:
Figure FDA0002361963350000034
针对所述孤立单电机系统,建立最优反馈控制器为:
Figure FDA0002361963350000035
Figure FDA0002361963350000036
指第i电机的最优反馈控制器输出值;πi为0~1之间的常数;则对于所述标称互联系统,存在一个正常数
Figure FDA0002361963350000037
选取
Figure FDA0002361963350000038
则所述最优反馈控制器为所述标称互联系统的最优分散鲁棒控制器。
2.如权利要求1所述的方法,其特征在于,所述步骤一,针对所述四电机伺服系统,采用齿隙的死区模型,建立系统的状态空间方程,具体为:
S101、针对所述四电机伺服系统建立含参数不确定性的四电机伺服系统的动态方程为:
Figure FDA0002361963350000039
其中Ji为所述四电机伺服系统中第i电机的转动惯量;wi为偏置力矩;τi为所述四电机伺服系统中第i电机和负载端之间的传输力矩;bi所述四电机伺服系统中第i电机的粘性摩擦系数;θi为所述四电机伺服系统中第i电机的转角;
S102、建立齿隙的死区模型,所述四电机伺服系统中第i电机和负载端之间的传输力矩τi为死区函数,具体为:
Figure FDA0002361963350000041
τi不同时为零,即
Figure FDA0002361963350000042
S103、根据所述含参数不确定性的四电机伺服系统的动态方程,以及所述死区函数,获得所述四电机驱动系统的状态空间方程,即:
Figure FDA0002361963350000043
3.如权利要求1所述的方法,其特征在于,所述拉格朗日乘子向量λi具体为:
λi=PiXi-Ni,Pi和Ni为对称正定阵,可由如下黎卡提方程得出:
Figure FDA0002361963350000044
4.如权利要求1所述的方法,其特征在于,在所述步骤三之后,还包括:
步骤四,采用粒子群算法对所述四电机伺服系统的参数bi,Ji,k,c,以及控制参数πi,Ri,Gi,Qi,Fi进行寻优;
寻优过程中的性能指标函数E为:
Figure FDA0002361963350000051
其中t为时间,em(t)为四电机伺服系统负载端的跟踪误差,ρ为正常数;em(t)=y-ryd
E的约束条件为:
Figure FDA0002361963350000052
CN201810884740.4A 2018-08-06 2018-08-06 一种四电机伺服系统的最优分散鲁棒控制方法 Active CN108832850B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810884740.4A CN108832850B (zh) 2018-08-06 2018-08-06 一种四电机伺服系统的最优分散鲁棒控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810884740.4A CN108832850B (zh) 2018-08-06 2018-08-06 一种四电机伺服系统的最优分散鲁棒控制方法

Publications (2)

Publication Number Publication Date
CN108832850A CN108832850A (zh) 2018-11-16
CN108832850B true CN108832850B (zh) 2020-05-05

Family

ID=64152705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810884740.4A Active CN108832850B (zh) 2018-08-06 2018-08-06 一种四电机伺服系统的最优分散鲁棒控制方法

Country Status (1)

Country Link
CN (1) CN108832850B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110943649B (zh) * 2019-12-31 2021-04-20 北京理工大学 一种双电机伺服系统的输入量化控制方法和系统
CN111880483B (zh) * 2020-08-11 2024-01-26 青岛大学 一种雷达天线四电机驱动伺服系统预定性能控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1198899A (ja) * 1997-09-19 1999-04-09 Yaskawa Electric Corp Acモータ駆動装置
CN103701368B (zh) * 2014-01-14 2016-03-30 北京理工大学 双电机节能消隙控制方法
CN104614994B (zh) * 2015-02-11 2017-04-19 南京理工大学 一种含输入死区的非线性系统鲁棒自适应控制方法
CN105867136A (zh) * 2016-05-16 2016-08-17 北京理工大学 基于参数辨识的多电机伺服系统同步与跟踪控制方法
CN108228975B (zh) * 2017-12-14 2020-08-11 北京理工大学 电机伺服系统参数辨识方法以及消隙控制方法
CN108092560B (zh) * 2018-01-16 2020-04-17 北京理工大学 一种双电机伺服系统的保性能鲁棒分散控制方法

Also Published As

Publication number Publication date
CN108832850A (zh) 2018-11-16

Similar Documents

Publication Publication Date Title
CN111152225B (zh) 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法
US11635734B2 (en) Interval error observer-based aircraft engine active fault tolerant control method
CN108832850B (zh) 一种四电机伺服系统的最优分散鲁棒控制方法
CN111679579B (zh) 针对传感器和执行器故障系统的滑模预测容错控制方法
CN105888971B (zh) 一种大型风力机叶片主动降载控制系统及方法
Zhao et al. The fuzzy PID control optimized by genetic algorithm for trajectory tracking of robot arm
CN111522229B (zh) 参数自整定的mimo异因子偏格式无模型控制方法
CN110568763B (zh) 一种抗间歇过程扰动及时滞的模型预测h∞容错控制方法
CN112171677B (zh) 基于lstm迟滞模型的机器人柔性关节补偿控制方法
CN111930008A (zh) 基于数据驱动控制的压电微定位平台轨迹跟踪控制方法
CN111273544A (zh) 基于预测rbf前馈补偿型模糊pid的雷达俯仰运动控制方法
CN110795790B (zh) 一种复杂建筑结构非线性动力时程分析方法
CN115890668A (zh) 一种机器人关节模组分散式优化学习控制方法及系统
Qin et al. Dual-loop robust attitude control for an aerodynamic system with unknown dynamic model: Algorithm and experimental validation
CN109815525B (zh) 一种进给系统动态特性多目标优化设计方法
CN112947083B (zh) 一种基于磁悬浮控制系统的非线性模型预测控制优化方法
CN111506037A (zh) 动态矩阵优化的工业加热炉系统分布式控制方法
CN104155876B (zh) 一种pid控制器的分离实现方法
Chen et al. Global optimization control for nonlinear full‐car active suspension system with multi‐performances
Wang et al. Evolutionary design of PID controller for twin rotor multi-input multi-output system
CN109244510A (zh) 一种基于未建模动态补偿的固体氧化物燃料电池控制方法
CN113110630A (zh) 一种换电机器人举升系统节能性集成参数优化方法
Liao et al. Design of a hierarchical-clustering CMAC-PID controller
CN1588244A (zh) 化工双输入双输出生产过程的解耦控制系统
Liu et al. Adaptive robust control for a class of uncertain nonlinear system with input and state quantization

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