CN110221541A - 伺服系统中前馈控制器的前馈系数获取装置、方法 - Google Patents

伺服系统中前馈控制器的前馈系数获取装置、方法 Download PDF

Info

Publication number
CN110221541A
CN110221541A CN201910466519.1A CN201910466519A CN110221541A CN 110221541 A CN110221541 A CN 110221541A CN 201910466519 A CN201910466519 A CN 201910466519A CN 110221541 A CN110221541 A CN 110221541A
Authority
CN
China
Prior art keywords
feed
signal
iterative learning
controller
control signals
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
CN201910466519.1A
Other languages
English (en)
Other versions
CN110221541B (zh
Inventor
贾松涛
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.)
GOOGOL TECHNOLOGY (SHENZHEN) Ltd
Original Assignee
GOOGOL TECHNOLOGY (SHENZHEN) Ltd
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 GOOGOL TECHNOLOGY (SHENZHEN) Ltd filed Critical GOOGOL TECHNOLOGY (SHENZHEN) Ltd
Priority to CN201910466519.1A priority Critical patent/CN110221541B/zh
Publication of CN110221541A publication Critical patent/CN110221541A/zh
Application granted granted Critical
Publication of CN110221541B publication Critical patent/CN110221541B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B11/00Automatic controllers
    • G05B11/01Automatic controllers electric
    • G05B11/36Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/042Adaptive 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Feedback Control In General (AREA)
  • Control Of Position Or Direction (AREA)

Abstract

本发明涉及一种伺服系统中前馈控制器的前馈系数获取装置、方法,其中装置包括:第一运算器,用于获取跟随误差信号;反馈控制器,用于根据跟随误差信号生成反馈控制信号;迭代学习控制器,用于基于跟随误差信号进行迭代学习以获得前馈控制信号,并在停止迭代学习时,获得最优前馈控制信号;第二运算器,用于根据反馈控制信号和前馈控制信号生成目标控制信号,并对被控对象进行控制;第三运算器,用于根据给定轨迹和最优前馈控制信号拟合获得前馈控制器的前馈系数。由此,能够获得更加符合实际情况的前馈系数,当该前馈系数应用于实际伺服系统的前馈控制器时,能够使得反馈信号很好地跟踪给定轨迹,且不受给定轨迹变化的影响。

Description

伺服系统中前馈控制器的前馈系数获取装置、方法
技术领域
本发明涉及伺服控制技术领域,特别是涉及一种伺服系统中前馈控制器的前馈系数获取装置、方法。
背景技术
随着航天、高精密医疗器械、智能机械人、汽车以及精密数控机床等行业的快速发展,对伺服技术各项指标的要求也越来越高。迭代学习控制是一种记忆型的控制方法,主要通过对被控系统进行控制尝试,用给定运动轨迹与输出信号的偏差来修正前馈控制信号,使得系统的跟踪性能得以提高。
由于迭代学习不依赖于系统精确的数学模型,且能够使得系统具有较高的跟踪性能,因而被广泛应用于伺服系统中。但是,迭代学习控制只适用于重复运动的系统,当给定运动轨迹发生变化时,如位移、速度、加速度等参数发生变化时,迭代学习控制的输出就不再适合,从而影响系统的跟踪性能。
发明内容
基于此,本申请提供了一种伺服系统中前馈控制器的前馈系数获取装置、方法,能够获得更加符合实际情况的前馈系数,这样当该前馈系数应用于实际伺服系统的前馈控制器中时,能够使得反馈信号很好地跟踪给定轨迹,且不受给定轨迹变化的影响,从而达到很好的跟踪性能。
一种伺服系统中前馈控制器的前馈系数获取装置,包括:
第一运算器,用于获取给定轨迹与反馈信号之间的误差,以获得跟随误差信号;
反馈控制器,反馈控制器与第一运算器相连,用于根据跟随误差信号生成反馈控制信号;
迭代学习控制器,迭代学习控制器与第一运算器相连,用于基于跟随误差信号进行迭代学习,以获得前馈控制信号,并在迭代学习满足预设条件时,停止迭代学习,以获得最优前馈控制信号;
第二运算器,第二运算器与反馈控制器和迭代学习控制器分别相连,用于根据反馈控制信号和前馈控制信号生成目标控制信号,并将目标控制信号传输至被控对象,对被控对象进行控制;
第三运算器,第三运算器与迭代学习控制器相连,用于根据给定轨迹和最优前馈控制信号拟合获得前馈控制器的前馈系数。
在其中一个实施例中,反馈控制器为PID调节器,用于对跟随误差信号进行PID调节,以获得反馈控制信号。
在其中一个实施例中,当跟随误差信号小于等于预设信号阈值时,迭代学习满足预设条件,迭代学习控制器停止迭代学习。
在其中一个实施例中,迭代学习控制器包括:
迭代学习单元,迭代学习单元与第一运算器相连,用于按照预设迭代学习率对跟随误差信号进行迭代处理,以获得第一信号;
叠加单元,叠加单元与迭代学习单元相连,用于将上一时刻的前馈控制信号叠加至第一信号,以获得第二信号;
滤波单元,滤波单元与叠加单元相连,用于对第二信号进行滤波处理,以获得当前时刻的前馈控制信号。
在其中一个实施例中,迭代学习控制器还包括:存储单元,存储单元与滤波单元相连,用于对前馈控制信号和最优前馈控制信号进行存储。
在其中一个实施例中,预设迭代学习率通过下述公式进行表达:
其中,L为预设迭代学习率,G为被控对象的传递函数,C为反馈控制器的传递函数。
在其中一个实施例中,滤波单元的传递函数满足下述公式:
其中,Q为滤波单元的传递函数,G为被控对象的传递函数,L为预设迭代学习率,ω为角频率。
在其中一个实施例中,前馈系数包括速度前馈系数、加速度前馈系数和加加速度前馈系数中的一种或多种,第三运算器包括:
微分单元,用于对给定轨迹进行微分处理,以获得与前馈系数相对应的给定信号;
拟合单元,拟合单元与微分单元和迭代学习控制器相连,用于对与前馈系数相对应的给定信号和最优前馈控制信号进行拟合,以获得前馈系数。
一种伺服系统中前馈控制器的前馈系数获取方法,包括以下步骤:
获取给定轨迹与反馈信号之间的误差,以获得跟随误差信号;
基于跟随误差信号进行迭代学习,以获得前馈控制信号,并在迭代学习满足预设条件时,停止迭代学习,以获得最优前馈控制信号;
根据给定轨迹和最优前馈控制信号拟合获得前馈控制器的前馈系数。
在其中一个实施例中,前馈系数包括速度前馈系数、加速度前馈系数和加加速度前馈系数中的一种或多种,根据给定轨迹和最优前馈控制信号拟合获得前馈控制器的前馈系数,包括:
对给定轨迹进行微分处理,以获得与前馈系数相对应的给定信号;
对与前馈系数相对应的给定信号和最优前馈控制信号进行拟合,以获得前馈系数。
上述伺服系统中前馈控制器的前馈系数获取装置、方法,通过第一运算器获取给定轨迹与反馈信号之间的误差,以获得跟随误差信号,并通过迭代学习控制器基于跟随误差信号进行迭代学习,以获得前馈控制信号,并在迭代学习满足预设条件时,停止迭代学习,以获得最优前馈控制信号,以及通过第三运算器根据给定轨迹和最优前馈控制信号拟合获得前馈控制器的前馈系数。由此,能够获得更加符合实际情况的前馈系数,这样当该前馈系数应用于实际伺服系统的前馈控制器中时,能够使得反馈信号很好地跟踪给定轨迹,且不受给定轨迹变化的影响,从而达到很好的跟踪性能。
附图说明
图1为传统的伺服系统中反馈-前馈控制的结构框图;
图2为一个实施例中伺服系统中前馈控制器的前馈系数获取装置的结构示意图;
图3为另一个实施例中伺服系统中前馈控制器的前馈系数获取装置的结构示意图;
图4为一个实施例中位置给定轨迹、速度给定信号和加速度给定信号的波形示意图;
图5为一个实施例中通过对位置给定轨迹进行迭代学习控制的效果示意图;
图6为一个实施例中最优前馈控制信号与将拟合获得的前馈系数应用于实际伺服系统中获得的前馈控制信号的对比示意图;
图7为一个实施例中伺服系统中前馈控制器的前馈系数获取方法的流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施的限制。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
图1为传统的伺服系统中反馈-前馈控制的结构框图,如图1所示,该反馈-前馈控制的结构包括:减法器、反馈控制器、前馈控制器和加法器。其中,减法器用于计算输入的给定轨迹r'与被控对象输出的反馈信号y'j之间的误差,以获得跟随误差信号e'j=r'-y'j,并将该跟随误差信号e'j发送至反馈控制器。反馈控制器在接收到减法器输出的跟随误差信号e'j后,基于该跟随误差信号e'j生成反馈控制信号k'j,并发送至加法器,同时前馈控制器基于输入的给定轨迹r'生成前馈控制信号fj',并发送至加法器。加法器在接收到反馈控制信号k'j和前馈控制信号fj'后,将两者进行叠加,以获得目标控制信号fm'j,并输出至被控对象,对被控对象进行控制。接着,按照上述过程重复执行,直至控制结束。
其中,被控对象的模型可简化为一阶系统或者二阶系统,以二阶系统为例。假设,被控对象的模型简化为二阶系统,如下述公式(1)所示:
其中,G为被控对象的传递函数,m为质量,b为阻尼。
那么在理想情况下,将上述前馈控制器设计为被控对象的传递函数的逆,如下述公式(2)所示,即可使得被控对象输出的反馈信号y'j完全跟踪输入的给定轨迹r',以达到很好的跟踪性能。
F=kvff*s+kaff*s2 (2)
其中,F为前馈控制器的传递函数,kvff为前馈控制器的速度前馈系数,kaff为前馈控制器的加速度前馈系数。
但在实际应用过程中,系统会受到多种因素的影响,如外界扰动、摩擦力以及建模误差等,导致反馈信号y'j无法很好地跟踪给定轨迹r',因此相关技术中采用迭代学习控制来改善系统的跟踪性能。但是,迭代学习控制只适用于重复运动的轨迹,即给定轨迹r'不变的场合,当给定轨迹r'发生变化时,迭代学习控制的输出就不再合适,从而影响系统的跟踪性能。基于此,本申请提供了一种伺服系统中前馈控制器的前馈系数获取装置、方法,通过迭代学习控制快速且准确地获得最优前馈控制信号,并基于该最优前馈控制信号获得前馈控制器的前馈系数,然后将该前馈系数应用于实际伺服系统的前馈控制器中,由于前馈控制器不依赖于给定轨迹,这样所设计的伺服系统就集成了迭代学习控制和前馈控制器的优势,不仅能够消除多种因素的影响,而且不受给定轨迹的影响,使得反馈信号能够很好地跟踪给定轨迹,从而达到很好的跟踪性能。
图2为一个实施例中伺服系统中前馈控制器的前馈系数获取装置的结构示意图,如图2所示,伺服系统中前馈控制器的前馈系数获取装置包括:第一运算器10、反馈控制器20、迭代学习控制器30、第二运算器40和第三运算器50。
其中,第一运算器10用于获取给定轨迹与反馈信号之间的误差,以获得跟随误差信号;反馈控制器20与第一运算器10相连,用于根据跟随误差信号生成反馈控制信号;迭代学习控制器30与第一运算器10相连,用于基于跟随误差信号进行迭代学习,以获得前馈控制信号,并在迭代学习满足预设条件时,停止迭代学习,以获得最优前馈控制信号;第二运算器40与反馈控制器20和迭代学习控制器30分别相连,用于根据反馈控制信号和前馈控制信号生成目标控制信号,并将目标控制信号传输至被控对象60,对被控对象60进行控制;第三运算器50与迭代学习控制器30相连,用于根据给定轨迹和最优前馈控制信号拟合获得前馈控制器的前馈系数。
在本申请中,给定轨迹可以是期望被控对象60跟踪的位置给定轨迹或者速度给定轨迹等,当给定轨迹为位置给定轨迹时,相应的反馈信号为位置反馈信号,下面均以给定轨迹为位置给定轨迹,反馈信号为位置反馈信号进行说明。
具体地,第一运算器10为减法器,用于计算输入的位置给定轨迹r与被控对象60输出的位置反馈信号yj之间的误差,以获得跟随误差信号ej=r-yj,并将该跟随误差信号ej发送至反馈控制器20和迭代学习控制器30。反馈控制器20在接收到第一运算器10输出的跟随误差信号ej后,基于该跟随误差信号ej生成反馈控制信号kj,并发送至第二运算器40,同时迭代学习控制器30在接收到第一运算器10输出的跟随误差信号ej后,基于该跟随误差信号ej进行一次迭代学习,以生成前馈控制信号fj,并发送至第二运算器40。第二运算器40为加法器,用于将反馈控制信号kj和前馈控制信号fj进行叠加以获得目标控制信号fmj,并输出至被控对象60,对被控对象60进行控制。
接着,按照上述过程重复执行,直至迭代学习满足预设条件时,迭代学习控制器30停止迭代学习,此时获得的前馈控制信号即为最优前馈控制信号,记为fout。在一个实施例中,当跟随误差信号ej小于等于预设信号阈值时,迭代学习满足预设条件,迭代学习控制器30停止迭代学习,其中预设信号阈值可根据实际情况进行设定。在获得最优前馈控制信号fout后,第三运算器50根据位置给定轨迹r和最优前馈控制信号fout拟合获得前馈控制器的前馈系数,例如,采用最小二乘法、遗传算法、粒子群算法、机器学习或者非线性算法等拟合获得前馈控制器的前馈系数,具体采用哪种拟合方法这里不做限制。然后,将获得的前馈系数应用于图1所示的实际伺服系统的前馈控制器中,通过图1所示的系统对被控对象进行控制,由于图1所示的前馈控制器不依赖于给定轨迹,这样所设计的伺服系统就集成了迭代学习控制和前馈控制器的优势,不仅能够消除多种因素的影响,而且不受给定轨迹的影响,使得反馈信号能够很好地跟踪给定轨迹,从而达到很好的跟踪性能。
在一个实施例中,反馈控制器20为PID调节器,用于对跟随误差信号ej进行PID调节,以获得反馈控制信号kj,从而可有效降低干扰对系统的影响。
在一个实施例中,如图3所示,迭代学习控制器30包括:迭代学习单元31、叠加单元32和滤波单元33,其中,迭代学习单元31与第一运算器10相连,用于按照预设迭代学习率对跟随误差信号进行迭代处理,以获得第一信号;叠加单元32与迭代学习单元31相连,用于将上一时刻的前馈控制信号叠加至第一信号,以获得第二信号;滤波单元33与叠加单元32相连,用于对第二信号进行滤波处理,以获得当前时刻的前馈控制信号。进一步地,迭代学习控制器30还包括:存储单元34,存储单元34与滤波单元33相连,用于对前馈控制信号和最优前馈控制信号进行存储。
具体地,在一次迭代学习过程中,迭代学习单元31按照预设迭代学习率对跟随误差信号ej进行迭代处理,以获得第一信号,并发送至叠加单元32。叠加单元32在接收到第一信号后,将该第一信号与存储单元34存储的上一时刻的前馈控制信号fj-1进行叠加,即将上一次迭代学习获得的前馈控制信号fj-1叠加至第一信号,以获得第二信号,并发送至滤波单元33。滤波单元33对接收到的第二信号进行滤波处理,以获得当前时刻的前馈控制信号fj,并发送至存储单元34进行存储,其中,获得的当前时刻的前馈控制信号fj=Q*(fj-1+L*ej),其中,L为预设迭代学习率,Q为滤波单元33的传递函数。然后,按照上述过程重复执行,直至跟随误差信号ej小于等于预设信号阈值,迭代学习控制器30停止迭代学习,此时获得的前馈控制信号即为最优前馈控制信号fout
在一个实施例中,预设迭代学习率可通过下述公式(3)进行表达:
其中,L为预设迭代学习率,G为被控对象的传递函数,C为反馈控制器的传递函数。即,预设迭代学习率L通过被控对象的传递函数G和反馈控制器的传递函数C来确定。
在一个实施例中,滤波单元33的传递函数满足下述公式(4):
其中,Q为滤波单元的传递函数,G为被控对象的传递函数,L为预设迭代学习率,ω为角频率。即,滤波单元33的设计准则为公式(4)所示,其中,通过|Q(1-G*S*L)|<1,来保证系统的鲁棒性,通过Q(ω)≈1来保证系统的性能。
本实施例中,通过按照预设迭代学习率进行迭代学习控制,可快速且准确地获得最优前馈控制信号,并且在迭代学习控制过程中,通过对滤波单元的设计,可保证系统的鲁棒性和性能,使得获得的最优前馈控制信号更加符合实际需求,进而可以使得基于最优前馈控制信号获得的前馈系数更加符合实际情况。
在一个实施例中,前馈系数包括速度前馈系数、加速度前馈系数和加加速度前馈系数中的一种或多种。如图3所示,第三运算器50包括微分单元51和拟合单元52,其中,微分单元51用于对给定轨迹进行微分处理,以获得与前馈系数相对应的给定信号;拟合单元52与微分单元51和迭代学习控制器30相连,用于对与前馈系数相对应的给定信号和最优前馈控制信号进行拟合,以获得前馈系数。
具体地,通常前馈控制器的前馈系数与被控对象的类型相关,例如,当被控对象为二阶系统时,前馈控制器的前馈系数包括速度前馈系数和加速度前馈系数;当被控对象为三阶系统时,前馈控制器的前馈系数包括速度前馈系数、加速度前馈系数和加加速度前馈系数。
下面以被控对象为二阶系统、给定轨迹为位置给定轨迹为例来对前馈系数的获取进行说明。如图3所示,在获得最优前馈控制信号fout后,将该最优前馈控制信号fout发送至第三运算器50,此时第三运算器50的微分单元51对位置给定轨迹r进行一阶微分,以获得与速度前馈系数相对应的速度给定信号vel,并对位置给定轨迹r进行二阶微分,以获得与加速度前馈系数相对应的加速度给定信号acc,并将获得的速度给定信号vel和加速度给定信号acc发送至拟合单元52。拟合单元52在接收到速度给定信号vel、加速度给定信号acc和最优前馈控制信号fout后,对速度给定信号vel、加速度给定信号acc和最优前馈控制信号fout进行拟合,以获得速度前馈系数和加速度前馈系数。
在一个实施例中,拟合单元52可采用下述公式(5)所示的最小二乘拟合获得速度前馈系数和加速度前馈系数:
其中,kvff为前馈控制器的速度前馈系数,kaff为前馈控制器的加速度前馈系数,vel[0]、…、vel[n-1]为不同位置给定轨迹对应的速度给定信号,acc[0]、…、acc[n-1]为不同位置给定轨迹对应的加速度给定信号,fout[0]、…、fout[n-1]为不同位置给定轨迹对应的最优前馈控制信号。
可以理解的是,当被控对象为三阶系统、给定轨迹为位置给定轨迹时,拟合单元52可采用下述公式(6)所示的最小二乘拟合获得速度前馈系数、加速度前馈系数和加加速度前馈系数:
其中,kvff为前馈控制器的速度前馈系数,kaff为前馈控制器的加速度前馈系数,kaaff为前馈控制器的加加速度前馈系数,vel[0]、…、vel[n-1]为不同位置给定轨迹对应的速度给定信号,acc[0]、…、acc[n-1]为不同位置给定轨迹对应的加速度给定信号,aacc[0]、…、aacc[n-1]为不同位置给定轨迹对应的加加速度给定信号,fout[0]、…、fout[n-1]为不同位置给定轨迹对应的最优前馈控制信号。而对于其它更高阶系统可参考二阶系统和三阶系统,这里不再举例说明。
也就是说,在采用最小二乘法拟合获得前馈控制器的前馈系数时,可先对不同给定轨迹(每个给定轨迹是不变的)进行迭代学习控制,以获得多个不同最优前馈控制信号,然后基于不同最优前馈控制信号和相对应的给定轨迹,采用最小二乘拟合获得前馈控制器的前馈系数,由于该前馈系数是基于实际工况获得,因而当该前馈系数应用于实际伺服系统的前馈控制器时,能够消除多种因素的影响,使得反馈信号能够很好地跟踪给定轨迹,同时前馈控制器不依赖于给定轨迹,因而即使给定轨迹发生改变,也能够保证反馈信号很好地跟踪给定轨迹,有效提高了系统的跟踪性能。
图4为一个实施例中位置给定轨迹r、速度给定信号vel和加速度给定信号acc的波形示意图,图5为一个实施例中通过对位置给定轨迹r进行迭代学习控制的效果示意图,从图5可以看出,跟随误差信号ej随着迭代学习次数的增加而逐渐降低,即通过迭代学习控制能够满足系统跟踪精度。图6为一个实施例中最优前馈控制信号与将拟合获得的前馈系数应用于实际伺服系统中获得的前馈控制信号的对比示意图,从图6可以看出,两者十分接近,说明通过本申请获得的前馈系数能够达到较好的跟踪精度。
综上,本申请的伺服系统中前馈控制器的前馈系数获取装置,通过迭代学习控制能够快速且准确地获得最优前馈控制信号,并基于该最优前馈控制信号拟合获得前馈控制器的前馈系数,这样当该前馈系数应用于实际伺服系统的前馈控制器时,由于前馈控制器不依赖于给定轨迹,所以所设计的伺服系统就集成了迭代学习控制和前馈控制器的优势,不仅能够消除多种因素的影响,而且不受给定轨迹的影响,使得反馈信号能够很好地跟踪给定轨迹,从而达到很好的跟踪性能。
另外,本申请还提供了一种伺服系统中前馈控制器的前馈系数获取方法,如图7所示,伺服系统中前馈控制器的前馈系数获取方法包括以下步骤:
步骤702,获取给定轨迹与反馈信号之间的误差,以获得跟随误差信号。
步骤704,基于跟随误差信号进行迭代学习,以获得前馈控制信号,并在迭代学习满足预设条件时,停止迭代学习,以获得最优前馈控制信号。
步骤706,根据给定轨迹和最优前馈控制信号拟合获得前馈控制器的前馈系数。
在一个实施例中,前馈系数包括速度前馈系数、加速度前馈系数和加加速度前馈系数中的一种或多种,根据给定轨迹和最优前馈控制信号拟合获得前馈控制器的前馈系数,包括:对给定轨迹进行微分处理,以获得与前馈系数相对应的给定信号;对与前馈系数相对应的给定信号和最优前馈控制信号进行拟合,以获得前馈系数。
需要说明的是,关于本申请的伺服系统中前馈控制器的前馈系数获取方法的描述,可参考本申请的伺服系统中前馈控制器的前馈系数获取装置的描述,具体这里不再赘述。
本申请的伺服系统中前馈控制器的前馈系数获取方法,通过迭代学习控制能够快速且准确地获得最优前馈控制信号,并基于该最优前馈控制信号拟合获得前馈控制器的前馈系数,这样当该前馈系数应用于实际伺服系统的前馈控制器时,由于前馈控制器不依赖于给定轨迹,所以所设计的伺服系统就集成了迭代学习控制和前馈控制器的优势,不仅能够消除多种因素的影响,而且不受给定轨迹的影响,使得反馈信号能够很好地跟踪给定轨迹,从而达到很好的跟踪性能。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种伺服系统中前馈控制器的前馈系数获取装置,其特征在于,包括:
第一运算器,用于获取给定轨迹与反馈信号之间的误差,以获得跟随误差信号;
反馈控制器,所述反馈控制器与所述第一运算器相连,用于根据所述跟随误差信号生成反馈控制信号;
迭代学习控制器,所述迭代学习控制器与所述第一运算器相连,用于基于所述跟随误差信号进行迭代学习,以获得前馈控制信号,并在迭代学习满足预设条件时,停止迭代学习,以获得最优前馈控制信号;
第二运算器,所述第二运算器与所述反馈控制器和所述迭代学习控制器分别相连,用于根据所述反馈控制信号和所述前馈控制信号生成目标控制信号,并将所述目标控制信号传输至被控对象,对所述被控对象进行控制;
第三运算器,所述第三运算器与所述迭代学习控制器相连,用于根据所述给定轨迹和所述最优前馈控制信号拟合获得前馈控制器的前馈系数。
2.根据权利要求1所述的装置,其特征在于,所述反馈控制器为PID调节器,用于对所述跟随误差信号进行PID调节,以获得所述反馈控制信号。
3.根据权利要求1所述的装置,其特征在于,当所述跟随误差信号小于等于预设信号阈值时,迭代学习满足预设条件,所述迭代学习控制器停止迭代学习。
4.根据权利要求1所述的装置,其特征在于,所述迭代学习控制器包括:
迭代学习单元,所述迭代学习单元与所述第一运算器相连,用于按照预设迭代学习率对所述跟随误差信号进行迭代处理,以获得第一信号;
叠加单元,所述叠加单元与所述迭代学习单元相连,用于将上一时刻的前馈控制信号叠加至所述第一信号,以获得第二信号;
滤波单元,所述滤波单元与所述叠加单元相连,用于对所述第二信号进行滤波处理,以获得当前时刻的前馈控制信号。
5.根据权利要求4所述的装置,其特征在于,所述迭代学习控制器还包括:存储单元,所述存储单元与所述滤波单元相连,用于对所述前馈控制信号和所述最优前馈控制信号进行存储。
6.根据权利要求4所述的装置,其特征在于,所述预设迭代学习率通过下述公式进行表达:
其中,L为所述预设迭代学习率,G为所述被控对象的传递函数,C为所述反馈控制器的传递函数。
7.根据权利要求4所述的装置,其特征在于,所述滤波单元的传递函数满足下述公式:
其中,Q为所述滤波单元的传递函数,G为所述被控对象的传递函数,L为所述预设迭代学习率,ω为角频率。
8.根据权利要求1所述的装置,其特征在于,所述前馈系数包括速度前馈系数、加速度前馈系数和加加速度前馈系数中的一种或多种,所述第三运算器包括:
微分单元,用于对所述给定轨迹进行微分处理,以获得与所述前馈系数相对应的给定信号;
拟合单元,所述拟合单元与所述微分单元和所述迭代学习控制器相连,用于对与所述前馈系数相对应的给定信号和所述最优前馈控制信号进行拟合,以获得所述前馈系数。
9.一种伺服系统中前馈控制器的前馈系数获取方法,其特征在于,包括以下步骤:
获取给定轨迹与反馈信号之间的误差,以获得跟随误差信号;
基于所述跟随误差信号进行迭代学习,以获得前馈控制信号,并在迭代学习满足预设条件时,停止迭代学习,以获得最优前馈控制信号;
根据所述给定轨迹和所述最优前馈控制信号拟合获得前馈控制器的前馈系数。
10.根据权利要求9所述的方法,其特征在于,所述前馈系数包括速度前馈系数、加速度前馈系数和加加速度前馈系数中的一种或多种,所述根据所述给定轨迹和所述最优前馈控制信号拟合获得前馈控制器的前馈系数,包括:
对所述给定轨迹进行微分处理,以获得与所述前馈系数相对应的给定信号;
对与所述前馈系数相对应的给定信号和所述最优前馈控制信号进行拟合,以获得所述前馈系数。
CN201910466519.1A 2019-05-31 2019-05-31 伺服系统中前馈控制器的前馈系数获取装置、方法 Active CN110221541B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910466519.1A CN110221541B (zh) 2019-05-31 2019-05-31 伺服系统中前馈控制器的前馈系数获取装置、方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910466519.1A CN110221541B (zh) 2019-05-31 2019-05-31 伺服系统中前馈控制器的前馈系数获取装置、方法

Publications (2)

Publication Number Publication Date
CN110221541A true CN110221541A (zh) 2019-09-10
CN110221541B CN110221541B (zh) 2022-11-29

Family

ID=67818846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910466519.1A Active CN110221541B (zh) 2019-05-31 2019-05-31 伺服系统中前馈控制器的前馈系数获取装置、方法

Country Status (1)

Country Link
CN (1) CN110221541B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110703693A (zh) * 2019-10-15 2020-01-17 华中科技大学 一种机床进给系统的迭代学习前馈控制方法及系统
CN110716499A (zh) * 2019-10-30 2020-01-21 南京航空航天大学 基于单神经元pid和迭代学习前馈的数控折弯机运动复合控制方法
CN111077775A (zh) * 2019-12-12 2020-04-28 固高伺创驱动技术(深圳)有限公司 两自由度控制系统、控制方法、控制设备及存储介质
CN112976838A (zh) * 2021-02-02 2021-06-18 昆山大世界油墨涂料有限公司 喷墨印刷机纸张传输机构的迭代学习速度同步控制方法
CN113485096A (zh) * 2021-08-13 2021-10-08 武汉天富海科技发展有限公司 一种电液位置伺服系统反馈-前馈迭代学习方法
CN113805596A (zh) * 2021-09-27 2021-12-17 深圳市英威腾电气股份有限公司 一种控制器的位置调控方法、装置、设备及介质
CN113934138A (zh) * 2021-10-21 2022-01-14 苏州科技大学 一种用于伺服系统的摩擦补偿前馈控制器
CN114690754A (zh) * 2020-12-25 2022-07-01 天津大学 重复作业式无人驾驶车辆迭代学习自趋优前馈的轨迹跟踪控制算法
CN115356932A (zh) * 2022-08-26 2022-11-18 中国地质大学(武汉) 伺服控制系统及前馈控制器参数整定方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130116814A1 (en) * 2011-11-07 2013-05-09 Nikon Corporation Feedforward control adjusted with iterative learning
CN103713516A (zh) * 2013-12-17 2014-04-09 华中科技大学 一种基于pdff的交流伺服驱动器控制参数自整定方法
CN107203135A (zh) * 2017-06-08 2017-09-26 东莞中子科学中心 一种基于动态反馈‑前馈的自适应控制系统
CN107390525A (zh) * 2017-07-27 2017-11-24 清华大学 一种应用于混联机构的控制系统参数整定方法
CN108267959A (zh) * 2018-01-31 2018-07-10 珞石(北京)科技有限公司 基于迭代学习控制和输入整形技术的联合抑制振动的方法
CN109743002A (zh) * 2018-12-19 2019-05-10 固高伺创驱动技术(深圳)有限公司 伺服系统控制器、前馈控制信号确定方法、惯量辨识方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130116814A1 (en) * 2011-11-07 2013-05-09 Nikon Corporation Feedforward control adjusted with iterative learning
CN103713516A (zh) * 2013-12-17 2014-04-09 华中科技大学 一种基于pdff的交流伺服驱动器控制参数自整定方法
CN107203135A (zh) * 2017-06-08 2017-09-26 东莞中子科学中心 一种基于动态反馈‑前馈的自适应控制系统
CN107390525A (zh) * 2017-07-27 2017-11-24 清华大学 一种应用于混联机构的控制系统参数整定方法
CN108267959A (zh) * 2018-01-31 2018-07-10 珞石(北京)科技有限公司 基于迭代学习控制和输入整形技术的联合抑制振动的方法
CN109743002A (zh) * 2018-12-19 2019-05-10 固高伺创驱动技术(深圳)有限公司 伺服系统控制器、前馈控制信号确定方法、惯量辨识方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
JIANHUA WU: "Servo performance improvement through iterative tuning feedforward controller with disturbance compensator", 《INTERNATIONAL JOURNAL OF MACHINE TOOLS AND MANUFACTURE》 *
杨亮亮: "直线伺服系统时滞参数辨识与补偿研究", 《机械工程学报》 *
杨亮亮: "直线伺服系统正交投影迭代学习控制器参数辨识与优化", 《中国机械工程》 *
段永胜: "飞行模拟器电动操纵负荷系统的迭代学习控制研究", 《电光与控制》 *
黄青岭: "灵活调峰下火电机组回热系统的CNN-GA-FFC控制策略研究", 《热能动力工程》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110703693A (zh) * 2019-10-15 2020-01-17 华中科技大学 一种机床进给系统的迭代学习前馈控制方法及系统
CN110716499B (zh) * 2019-10-30 2022-03-08 南京航空航天大学 基于单神经元pid和迭代学习前馈的数控折弯机运动复合控制方法
CN110716499A (zh) * 2019-10-30 2020-01-21 南京航空航天大学 基于单神经元pid和迭代学习前馈的数控折弯机运动复合控制方法
CN111077775A (zh) * 2019-12-12 2020-04-28 固高伺创驱动技术(深圳)有限公司 两自由度控制系统、控制方法、控制设备及存储介质
CN114690754B (zh) * 2020-12-25 2024-02-09 天津大学 重复作业式无人车迭代学习自趋优的循迹控制算法
CN114690754A (zh) * 2020-12-25 2022-07-01 天津大学 重复作业式无人驾驶车辆迭代学习自趋优前馈的轨迹跟踪控制算法
CN112976838A (zh) * 2021-02-02 2021-06-18 昆山大世界油墨涂料有限公司 喷墨印刷机纸张传输机构的迭代学习速度同步控制方法
CN112976838B (zh) * 2021-02-02 2022-02-18 昆山大世界油墨涂料有限公司 喷墨印刷机纸张传输机构的迭代学习速度同步控制方法
CN113485096A (zh) * 2021-08-13 2021-10-08 武汉天富海科技发展有限公司 一种电液位置伺服系统反馈-前馈迭代学习方法
CN113805596A (zh) * 2021-09-27 2021-12-17 深圳市英威腾电气股份有限公司 一种控制器的位置调控方法、装置、设备及介质
CN113934138A (zh) * 2021-10-21 2022-01-14 苏州科技大学 一种用于伺服系统的摩擦补偿前馈控制器
CN113934138B (zh) * 2021-10-21 2024-02-23 苏州科技大学 一种用于伺服系统的摩擦补偿前馈控制器
CN115356932A (zh) * 2022-08-26 2022-11-18 中国地质大学(武汉) 伺服控制系统及前馈控制器参数整定方法

Also Published As

Publication number Publication date
CN110221541B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
CN110221541A (zh) 伺服系统中前馈控制器的前馈系数获取装置、方法
CN108717265B (zh) 一种基于控制变量参数化的无人飞行器巡航跟踪控制系统及控制方法
CN111324142B (zh) 一种导弹驾驶仪扰动补偿控制方法
JP4997103B2 (ja) サーボ機構制御系のための適応コマンドフィルタリング
CN108789418A (zh) 柔性机械臂的控制方法
CN109782759B (zh) 一种轮式移动机器人的近似解耦、快速轨迹跟踪控制方法
CN108681243A (zh) 一种机器人轨迹跟踪方法
CN114167734B (zh) 一种强耦合非线性系统高精度控制方法及控制系统
CN114527795A (zh) 一种基于增量在线学习的飞行器智能控制方法
CN107943097B (zh) 飞行器的控制方法、装置和飞行器
CN112835295A (zh) 基于pi模型的压电陶瓷执行器参数辨识和复合控制方法
CN110554707A (zh) 一种飞行器姿态控制回路的q学习自动调参方法
JP2001018893A (ja) 船舶用自動操舵装置
CN113110105B (zh) 一种基于逆补偿和扰动触发的压电执行器控制方法
CN112068423B (zh) 有限值幂次吸引重复控制器设计方法
CN113110543B (zh) 一种非线性非最小相位飞行器的鲁棒飞行控制方法
Wang et al. A novel prescribed performance controller with unknown dead-zone and impactive disturbance
CN111679571B (zh) 一种低速飞艇的给定速度滑模自适应跟踪方法
Tombul Simultaneous feedforward online command rate limiter filters for existingcontrollers
CN113219839B (zh) 一种基于直接自适应模糊逻辑的压电纳米定位台的控制方法
CN115629536B (zh) 一种适用于一阶时滞积分系统的pid控制器参数整定方法
CN116165896B (zh) 一种基于在线频域递推辨识的飞机自适应控制方法
CN114137835B (zh) 基于b-w模型的压电陶瓷执行器参数辨识复合控制方法
Li et al. Self-Tuning Attitude Control Design of Hypersonic Aircraft with Multi-Constraints Based on Soft-Constrained PI2 with Action Smooth
CN118694231A (zh) 一种直流有刷电机的阻尼比可调神经网络反步控制方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room W211, second floor, west block, Shenzhen Hong Kong industry university research base, South District, high tech Zone, Nanshan District, Shenzhen City, Guangdong Province

Applicant after: Solid High Tech Co.,Ltd.

Address before: Room W211, second floor, west block, Shenzhen Hong Kong industry university research base, South District, high tech Zone, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: GOOGOL TECHNOLOGY (SHENZHEN) Ltd.

GR01 Patent grant
GR01 Patent grant