CN109167343A - 电动伺服系统多重安全保护方法 - Google Patents

电动伺服系统多重安全保护方法 Download PDF

Info

Publication number
CN109167343A
CN109167343A CN201810935684.2A CN201810935684A CN109167343A CN 109167343 A CN109167343 A CN 109167343A CN 201810935684 A CN201810935684 A CN 201810935684A CN 109167343 A CN109167343 A CN 109167343A
Authority
CN
China
Prior art keywords
current
filter
electric current
value
security protection
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
CN201810935684.2A
Other languages
English (en)
Other versions
CN109167343B (zh
Inventor
奚勇
唐德佳
王厚浩
陶键
武晓峰
顾建军
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.)
Shanghai Aerospace Control Technology Institute
Original Assignee
Shanghai Aerospace Control Technology 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 Shanghai Aerospace Control Technology Institute filed Critical Shanghai Aerospace Control Technology Institute
Priority to CN201810935684.2A priority Critical patent/CN109167343B/zh
Publication of CN109167343A publication Critical patent/CN109167343A/zh
Application granted granted Critical
Publication of CN109167343B publication Critical patent/CN109167343B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H9/00—Emergency protective circuit arrangements for limiting excess current or voltage without disconnection
    • H02H9/02—Emergency protective circuit arrangements for limiting excess current or voltage without disconnection responsive to excess current

Abstract

本发明公开了一种电动伺服系统多重安全保护方法，采用位置电流双环控制结构，位置环以控制对象的角位移输出为反馈量，电流内回路通过电流传感器采集舵机电流信号，利用自适应滤波器消弱高频信号产生的大电流，滤波后送给DSP作为舵机当前电流值；当电机发热功率大于理论电机可接受的发热功率或电流大于电流参考值时进入功率保护模式。本发明采用多重安全保护策略，结合主动抑制和被动限制的方式，实现大电流保护功能，相比于传统的单一的电流限制或陷波器主动抑制策略更加安全可靠。

Description

电动伺服系统多重安全保护方法
技术领域
本发明涉及电动伺服控制技术、自适应滤波技术，特别是一种电动伺服系统的多重安全保护策略。
背景技术
目前飞行器具有飞行空域广、飞行时间长、飞行速度快等特点，使得电动伺服机构工况复杂，可能会经历持续负载、高频颤振以及环境温度变化等工况。电动伺服机构作为飞行器的重要组成部分，电动伺服系统性能对飞行器的性能具有重大影响，甚至决定飞行成败。
电动伺服系统在持续负载、高频颤振或负载剧烈变化等工况下会产生大电流，大电流对电机、驱动器等伺服系统关键元器件产生冲击，可能造成电机、驱动器等器件损伤或失效导致任务失败，因此在电动伺服系统设计时应充分考虑大电流相应工况，采取保护策略。传统方法多采用电流限制保护措施，是基于地面试验获取颤振频率，针对特定的频率段设计陷波器参数，不能适用于复杂工况。
发明内容
本发明要解决的技术问题：针对飞行器在飞行过程中工况复杂容易产生大电流的问题，提供了一种能够确保电动伺服系统在复杂工况下能正常工作的方法，能够提高伺服系统的安全性，实现复杂工况下的电流保护功能，防止元器件在大电流工况下损伤。
本发明的技术方案是：
一种电动伺服系统多重安全保护方法，采用位置电流双环控制结构，其特征在于：位置环以控制对象的角位移输出为反馈量，电流内回路通过电流传感器采集舵机电流信号，利用自适应滤波器消弱高频信号产生的大电流，滤波后送给DSP作为舵机当前电流值；当电机发热功率大于理论电机可接受的发热功率或电流大于电流参考值时进入功率保护模式。
确定连续一段时间T1内电机发热功率W1大于理论电机可接受的发热功率W0或电流大于电流参考值IC0时，控制此时PWM输出占空比为算法解算得到的占空比的0.5倍，IC0和W0通过地面试验获取，
自适应滤波器用于消弱高频信号导致伺服系统产生的大电流，即高频信号通过电动舵系统模型作为期望信号，经过电动舵机的输出送给滤波器，期望信号与滤波器输出的差作为自适应滤波器的输入，采用LMS算法在线训练得到滤波器权系数，从而获得需求的自适应滤波器。
电流传感器采集电流信号辨识电流特征，确定在线训练时间段内电流的均值Imean以及此时间段内的电流最大值Imax，此时若电流的均值以及电流最大值满足Imean≤Icmean，Imax≥Icmax，则复制在线训练获取的滤波器作为指令滤波器；其中，Icmean为地面试验获取的高频输入下电流均值的阈值，Icmax为地面试验获取的高频输入下伺服系统电流的阈值。
本发明的有益效果：
本发明采用多重安全保护策略，结合主动抑制和被动限制的方式，实现大电流保护功能，相比于传统的单一的电流限制或陷波器主动抑制策略更加安全可靠。
采用自适应滤波实时抑制高频信号，可以抑制任意高频信号对伺服系统影响。
附图说明：
图1为控制系统原理框图。
图2为电流限制实现原理图。
图3为自适应滤波获取原理图。
具体实施方式
实施例：本方法基本原理如下：
1、控制系统设计
电动伺服系统的控制方案采用传统的位置环与电流环双环校正回路，同时引入自适应滤波消弱高频信号产生的大电流对舵系统影响。位置环以控制对象的角位移输出为反馈量，以保证系统的稳态精度和动态跟踪性能。电流内回路通过电流传感器采集舵机电流信号，滤波后送给DSP作为舵机当前电流值，从而抑制电流波动。
如图1所示，本发明的电动舵机控制原理框图：电动伺服系统的控制方案采用传统的位置环与电流环双环校正回路，同时引入自适应滤波消弱高频信号产生的大电流对舵系统影响。位置环以控制对象的角位移输出为反馈量，以保证系统的稳态精度和动态跟踪性能。电流内回路通过电流传感器采集舵机电流信号，滤波后送给DSP作为舵机当前电流值，从而抑制电流波动。
2、高频(自适应)滤波器设计
自适应滤波器设计基于自适应逆控制思想，离线获取舵系统模型，指令信号经过舵系统模型作为期望信号；期望信号与舵系统的反馈值经过滤波器的输出的差，作为自适应LMS滤波器输入，在线训练获取滤波器权系数，在电流超过阈值时复制此滤波器作为指令滤波器。具体步骤如下：
步骤一：获取舵系统模型。舵系统带宽相对固定，高频信号经过舵系统模型几乎不响应，因此将信号经过舵系统模型信号作为期望信号。采用专用测试设备或者采用基于ARX等方法进行模型辨识获取舵系统模型。
步骤二：在线训练获取滤波器。指令信号经过舵系统模型作为期望信号；期望信号与舵系统的反馈值经过滤波器的输出的差，作为自适应LMS滤波器输入，在线训练获取滤波器权系数。
步骤三：确定在线训练时间段内电流的均值Imean以及此时间段内的电流最大值Imax，若电流的均值小于参考值Icmin且Imax大于参考值Icmax，则复制在线训练获取的滤波器作为指令滤波器。Icmin与Icmax通过地面试验获得。
如图3所示，是本发明的自适应滤波获取原理图。镇定电动舵机后，采用扫频仪或者采用自适应算法确定电动舵机的模型P(z)，指令信号经过舵系统模型P(z)作为期望信号；期望信号与舵系统的反馈值经过滤波器的输出的差，作为自适应LMS滤波器输入，在线训练获取权系数W，得到滤波器Ck(z)，在电流满足
时复制此滤波器作为指令滤波器。
LMS算法是利用测量或估计梯度的最速下降的一种实现，真实梯度估计是它等于真实梯度加上梯度噪声。将单一的误差εk值的平方并对他进行微分，可以得到粗略的梯度估计：
得到LMS算法为：
Wk+1＝Wk+2μεkXk
其中，第k个输入信号向量Xk＝[x1k，x2k，…，xlk，…，xnk]T，权系数向量WT＝[w1，w２，…，wl，…，wn]，第k次采样的误差εk为期望响应dk与输出信号yk的差
μ为收敛因子，它控制算法的稳定性和自适应速率，对均值和方差都收敛的一个较强的条件为
其中，trR为R(所有进入权系数信号的均方和)的迹。
3、电流限制设计
图2是本发明的电路电流限制实现原理图；首先采用地面试验获取电机可接受的发热功率时W0与电机可承受的电流峰值IC0；根据电流传感器采集的电流值，实时判断采集的电流值的绝对值是否大于电流峰值；同时确定连续一段时间T1内电机发热功率
当电机发热功率大于理论电机可接受的发热功率时W0或实时电流大于电流峰值Ico时，此时进入功率保护模式，设置此时PWM输出占空比为算法解算得到的占空比的0.5倍。

Claims (4)

1.一种电动伺服系统多重安全保护方法，采用位置电流双环控制结构，其特征在于：位置环以控制对象的角位移输出为反馈量，电流内回路通过电流传感器采集舵机电流信号，利用自适应滤波器消弱高频信号产生的大电流，滤波后送给DSP作为舵机当前电流值；当电机发热功率大于理论电机可接受的发热功率或电流大于电流参考值时进入功率保护模式。
2.根据权利要求1所述的电动伺服系统多重安全保护方法，其特征在于：确定连续一段时间T1内电机发热功率W1大于理论电机可接受的发热功率W0或电流大于电流参考值IC0时，控制此时PWM输出占空比为算法解算得到的占空比的0.5倍，IC0和W0通过地面试验获取，
3.根据权利要求1或2所述的电动伺服系统多重安全保护方法，其特征在于：自适应滤波器用于消弱高频信号导致伺服系统产生的大电流，即高频信号通过电动舵系统模型作为期望信号，经过电动舵机的输出送给滤波器，期望信号与滤波器输出的差作为自适应滤波器的输入，采用LMS算法在线训练得到滤波器权系数，从而获得需求的自适应滤波器。
4.根据权利要求3所述的电动伺服系统多重安全保护方法，其特征在于：电流传感器采集电流信号辨识电流特征，确定在线训练时间段内电流的均值Imean以及此时间段内的电流最大值Imax，此时若电流的均值以及电流最大值满足Imean≤Icmean，Imax≥Icmax，则复制在线训练获取的滤波器作为指令滤波器；其中，Icmean为地面试验获取的高频输入下电流均值的阈值，Icmax为地面试验获取的高频输入下伺服系统电流的阈值。
CN201810935684.2A 2018-08-16 2018-08-16 电动伺服系统多重安全保护方法 Active CN109167343B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810935684.2A CN109167343B (zh) 2018-08-16 2018-08-16 电动伺服系统多重安全保护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810935684.2A CN109167343B (zh) 2018-08-16 2018-08-16 电动伺服系统多重安全保护方法

Publications (2)

Publication Number Publication Date
CN109167343A true CN109167343A (zh) 2019-01-08
CN109167343B CN109167343B (zh) 2020-07-10

Family

ID=64895970

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810935684.2A Active CN109167343B (zh) 2018-08-16 2018-08-16 电动伺服系统多重安全保护方法

Country Status (1)

Country Link
CN (1) CN109167343B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112769361A (zh) * 2021-01-08 2021-05-07 上海航天控制技术研究所 一种数字化智能电机驱动器及驱动方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6154547A (en) * 1998-05-07 2000-11-28 Visteon Global Technologies, Inc. Adaptive noise reduction filter with continuously variable sliding bandwidth
CN101709733A (zh) * 2009-10-19 2010-05-19 大连海事大学 一种电液伺服系统实时波形再现控制方法
CN101930731A (zh) * 2010-07-01 2010-12-29 中国矿业大学(北京) 矿用多波自适应主动噪声控制系统
CN102639902A (zh) * 2009-12-28 2012-08-15 昕芙旎雅有限公司 减震装置、电动致动器驱动装置以及车辆
CN106788077A (zh) * 2016-11-28 2017-05-31 广东美芝精密制造有限公司 电机的控制方法、装置及家用电器
CN106998170A (zh) * 2016-08-31 2017-08-01 南京奥联汽车电子技术有限公司 基于反馈电流的直流电机过热保护方法及其实现步骤
CN107302212A (zh) * 2017-06-29 2017-10-27 上海航天控制技术研究所 一种持续过载保护电动舵机的控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6154547A (en) * 1998-05-07 2000-11-28 Visteon Global Technologies, Inc. Adaptive noise reduction filter with continuously variable sliding bandwidth
CN101709733A (zh) * 2009-10-19 2010-05-19 大连海事大学 一种电液伺服系统实时波形再现控制方法
CN102639902A (zh) * 2009-12-28 2012-08-15 昕芙旎雅有限公司 减震装置、电动致动器驱动装置以及车辆
CN101930731A (zh) * 2010-07-01 2010-12-29 中国矿业大学(北京) 矿用多波自适应主动噪声控制系统
CN106998170A (zh) * 2016-08-31 2017-08-01 南京奥联汽车电子技术有限公司 基于反馈电流的直流电机过热保护方法及其实现步骤
CN106788077A (zh) * 2016-11-28 2017-05-31 广东美芝精密制造有限公司 电机的控制方法、装置及家用电器
CN107302212A (zh) * 2017-06-29 2017-10-27 上海航天控制技术研究所 一种持续过载保护电动舵机的控制方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112769361A (zh) * 2021-01-08 2021-05-07 上海航天控制技术研究所 一种数字化智能电机驱动器及驱动方法

Also Published As

Publication number Publication date
CN109167343B (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
Wlas et al. Artificial-neural-network-based sensorless nonlinear control of induction motors
CN103557037B (zh) 一种基于自适应逆控制的汽轮机转速控制方法
Kamal et al. Robust fault tolerant control of DFIG wind energy systems with unknown inputs
Tey et al. Neural network-controlled unified power quality conditioner for system harmonics compensation
CN109742773B (zh) 一种自适应广域阻尼控制器
CN108322117B (zh) 无刷双馈电机的控制系统、前馈控制方法及参数辨识方法
Thongam et al. Neural network based wind speed sensorless MPPT controller for variable speed wind energy conversion systems
CN109167343A (zh) 电动伺服系统多重安全保护方法
Cabrera-Vázquez et al. Robust controller for synchronous generator with local load via VSC
Li et al. A tuning algorithm of PD-type iterative learning control
Alyoussef et al. Nonlinear PID based on the dynamic of biological cell membrane for controlling the pitch angle of the twin rotor system
Ying et al. New research on harmonic detection based on neural network for power system
Singh et al. Real time implementation of sign-sign lms algorithm in single phase SPV grid integrated system
CN111181455A (zh) 双馈风力发电机最大功率点自适应跟踪控制方法及系统
Kalamian et al. Design of a nonlinear model-based predictive controller for a wind turbine based on PMSG using an augmented extended kalman filter
CN104158453B (zh) 一种通过发电机负荷突变开始时刻屏蔽干扰信号抑制功率反调的方法
Abd El-Halim et al. Neural network control schemes for induction motor drive systems
Kalim et al. A graphical technique of controller synthesis with desired closed-loop specifications
Pamsari et al. Application of a new multivariable sliding mode controller for the single machine infinite bus systems
Parimalasundar et al. Artificial Neural Network-Based Experimental Investigations for Sliding Mode Control of an Induction Motor in Power Steering Applications
Kulkarni et al. Development of neural network based HVDC controller for transient stability enhancement of AC/DC system
MESSALTI et al. Artificial neural networks for assessment power system transient stability with TCVR
Alizadeh et al. Intelligent PID controller design of SSSC for power system stability enhancement
CN113964843B (zh) 基于神经网络的动态电压补偿控制方法
Ding et al. Research on robustness of BP neural network based inverse model for induction motor drives

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