CN110968037A - 一种减小多轴运动系统轮廓误差的控制方法 - Google Patents
一种减小多轴运动系统轮廓误差的控制方法 Download PDFInfo
- Publication number
- CN110968037A CN110968037A CN201911056003.6A CN201911056003A CN110968037A CN 110968037 A CN110968037 A CN 110968037A CN 201911056003 A CN201911056003 A CN 201911056003A CN 110968037 A CN110968037 A CN 110968037A
- Authority
- CN
- China
- Prior art keywords
- control
- axis motion
- motion system
- increment
- error
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000011159 matrix material Substances 0.000 claims description 43
- 238000005070 sampling Methods 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 8
- 230000008030 elimination Effects 0.000 abstract 1
- 238000003379 elimination reaction Methods 0.000 abstract 1
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000006880 cross-coupling reaction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/404—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/35—Nc in input of data, input till input file format
- G05B2219/35408—Calculate new position data from actual data to compensate for contour error
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Position Or Direction (AREA)
Abstract
一种减小多轴运动系统轮廓误差的控制方法，在传统单电机位置、速度、电流三闭环级联控制结构的基础上，将多轴运动系统的轮廓误差和跟踪误差作为该多轴运动系统的控制目标，通过预测模型对多轴运动系统及对应的功率变换器建模，采用模型预测方法设计整体位置‑电流预测控制器，得到当前时刻的控制量，再通过扩张状态观测器观测多轴运动系统位置环的扰动情况，并根据扰动情况对控制量进行优化，从而减小多轴运动系统轮廓误差本，先估计，后消除，提高了整体的控制精度。发明的一种减小多轴运动系统轮廓误差的控制方法，不仅简化了控制结构，而且可以使多轴运动系统间的位置同步效果良好，获得较好的轮廓跟踪性能。
Description
技术领域
本发明涉及一种多轴运动系统轮廓误差。特别是涉及一种减小多轴运动系统轮廓误差的控制方法。
背景技术
在数控机床轮廓加工、机器人等小功率场合，永磁同步电机交流伺服系统以其精度高、响应快等优点得到了广泛应用。在切削加工过程中，各轴之间同步性能的好坏直接决定了产品的优劣，故控制目标是使多轴运动系统之间保持较好的同步性能，减小系统的轮廓误差。
但由于各位置环参数不匹配、非线性轮廓的复杂程度以及外部干扰等因素，使得驱动轴运动不协调，造成系统轮廓误差较大，不能满足生产加工的需求。因此，研究高性能的多轴轮廓控制策略，更具有普遍的现实意义和广阔的应用前景。
轮廓误差的大小，反映了多电机各位置是否达到预定的位置，而且反映各位置之间的配比，直接决定了加工产品的质量。
提高多轴运动系统的轮廓精度，可以概括为以下两种方法：第一，通过控制单轴的跟踪误差来改善多轴整体轮廓精度，比如基本前馈控制、零相位误差跟踪控制、逆补偿滤波控制等。但就加工轮廓而言，其轨迹是多轴协调运动合成的结果，整体精度的提高涉及到每个给进轴动态性能和轴间匹配。所以，轮廓误差指标比单轴误差指标更重要。第二，通过加强轴间耦合作用来提高整体轮廓精度。以Koren.Y为首提出的交叉耦合控制(CCC)结构，直接以消除轮廓误差为控制目标，根据计算出的轮廓误差生成控制信号，再通过耦合算子将其分配到单轴控制回路，通过交叉耦合保证各轴之间的同步性，从而减小轮廓误差。
所以传统控制中，通常采用交叉耦合与提高单轴动态响应相结合的结构，以实现多轴轮廓控制。例如，单轴采用三闭环级联控制，每环采用比例积分(PI)控制器，轴间采用比例(P) 形式的CCC+PI结构，但是此种方法鲁棒性较差。
随着数字信号处理器的发展，模型预测控制(model predictive control，MPC)处理多输入多输出变量(MIMO)突显出优势，作为一种滚动时域优化控制方法已经得到广泛应用。它不仅动态响应快，还允许非线性和约束以直接的方式结合到控制定律中，仅在一个循环中包含嵌套控制循环。有研究者提出一个使用预测控制和自适应进给率的方法，用于稳态情况的MPC实现了高精度的跟踪，同时也在暂态提高了跟踪精度。也有研究者提出一种显式模型预测控制的方法，考虑到阶跃和斜坡参考信号，把单积分和双积分加入到价值函数中用于控制算法设计，跟踪效果较好，也降低了在线计算量大的问题。但这些方法没有考虑到模型预测控制算法对系统模型的依赖，而系统模型不准确，势必会影响系统的精确度。
发明内容
本发明所要解决的技术问题是，提供一种可以使多轴运动系统间的位置同步效果良好，获得较好的轮廓跟踪性能的减小多轴运动系统轮廓误差的控制方法。
本发明所采用的技术方案是：一种减小多轴运动系统轮廓误差的控制方法，将多轴运动系统的轮廓误差和跟踪误差作为该多轴运动系统的控制目标，通过预测模型对多轴运动系统及对应的功率变换器建模，得到当前时刻的控制量，再通过扩张状态观测器观测多轴运动系统位置环的扰动情况，并根据扰动情况对控制量进行优化，从而减小多轴运动系统轮廓误差，具体包括以下步骤：
1)建立电机实际机械角度的预测模型，如下：
Y＝Hy(ki)+F2Δx(ki)+G2ΔIq
其中，ki表示采样时刻，Δ＝1-z-1，表示当前时刻与前一时刻的采样差值，z-1表示后移算子，y(ki)为第ki个采样周期多轴运动系统的位置，Δx(ki)＝[Δθ(ki) Δθ(ki-1) Δiq(ki-1)]T，包含多轴运动系统第ki个采样周期的位置增量、第(ki-1)个采样周期的位置增量、第(ki-1)个采样周期的电流增量，ΔIq＝[Δiq T(ki) Δiq T(ki+1)…Δiq T(ki+Nc-1)]T，表示控制增量， Y＝[yT(ki+1) yT(ki+2)…yT(ki+Np)]T，表示电机机械角度，单位为rad，H＝[I3×3 I3×3…I3×3]T，表示由3行3列单位矩阵组成的矩阵，
其中，Y为电机实际机械角度，ΔIq为控制增量，Δiq为未来控制增量，I3×3表示3行3 列的单位矩阵，l表示变化范围从1到Np的变量，A是状态变量矩阵、B是系统输入矩阵、C是系统输出矩阵，Np表示预测域，Nc表示控制域，一般Np≥Nc；
2)根据预测模型将多轴运动系统的轮廓误差和跟踪误差作为总的控制目标，在保证轮廓精度的同时减小跟踪误差；
3)对多轴运动系统位置进行多步预测，通过最小化价值函数，得到当前时刻的控制增量，通过后验约束限制得到当前时刻的控制量；
4)建立扩张状态观测器如下：
其中，z1、z2、z3分别是机械角度，单位为rad，机械角速度，单位为rad/s，扰动变化的观测值，r1、r2、r3是等式系数，b为常数，θ是电机机械位置，
是电流补偿值，z1、z2、z3的上标表示求导；
令λ(s)＝|sI-(D1-RD3)|＝s3+r1s2+r2s+r3等于期望误差(s+p0)3，得
其中，p0为扩张状态观测器的闭环极点的负数；
5)采用扩张状态观测器对多轴运动系统位置二阶微分模型中扰动项进行观测，通过线性比例微分反馈控制律，得到补偿控制量；
6)用补偿控制量实时优化当前时刻控制量，优化矢量控制的参考值，实现对目标的控制。
本发明的一种减小多轴运动系统轮廓误差的控制方法，不仅简化了控制结构，而且可以使多轴运动系统间的位置同步效果良好，获得较好的轮廓跟踪性能。本发明的控制方法可靠性较高，而且模型预测方法带有动态性能好的特点，可实现多步预测，而且控制结构紧凑，仅需对软件部分加以改动即可应用，无需增加硬件成本。具有如下效果：
1、本发明的方法在传统单电机位置、电流三闭环级联控制结构的基础上，将多轴运动系统中的多台电机及其功率变换器进行建模，将多电机建立耦合关系，采用模型预测方法设计位置-电流预测控制器，解决了传统方法结构比较冗余、参数调节繁琐的问题。
2、本发明的方法不仅考虑同步误差，同时把跟踪误差考虑在内，在保证单轴跟踪误差的前提下，减小了系统的同步误差。
3、本发明的方法通过设计ESO观测器对系统位置环内外扰动进行观测，以补偿量的形式增加到模型预测算法中，提高了系统的扰动抑制效果，保证了稳态时的同步性能，又提高了瞬态情况下的同步性能，适用于不同工况，更具普遍性。
4、本发明的方法不仅适用于空间直线，而且也适用于轨迹变化较大的空间曲线。
附图说明
图1是本发明一种减小多轴运动系统轮廓误差的控制方法的流程图；
图2是为多轴运动系统跟踪的空间曲线轮廓图；
图3是多轴运动系统的机构示意图。
具体实施方式
下面结合实施例和附图对本发明的一种减小多轴运动系统轮廓误差的控制方法做出详细说明。
本发明的一种减小多轴运动系统轮廓误差的控制方法，将MPC应用于多轴运动系统轮廓误差控制，为实现对给定轨迹快速稳定地跟踪效果，通过对多轴运动系统中的多台电机及其逆变器建模，把轮廓误差、跟踪误差和控制变量增量引入到价值函数中，并给与不同的权重系数，通过推导得出实现最小轮廓误差的控制增量。在此架构下，考虑到实施的具体效果，引入扩张状态观测器(ESO)对系统位置环内部和外部扰动进行观测，以补偿量的形式加入到MPC中，从而形成整体闭环网络。本发明的一种减小多轴运动系统轮廓误差的控制方法不仅简化了控制结构，而且可以使多轴运动系统间的位置同步效果良好，获得较好的轮廓跟踪性能。
如图1所示，本发明的一种减小多轴运动系统轮廓误差的控制方法，将多轴运动系统的轮廓误差和跟踪误差作为该多轴运动系统的控制目标，通过预测模型对多轴运动系统及对应的功率变换器建模，得到当前时刻的控制量，再通过扩张状态观测器观测多轴运动系统位置环的扰动情况，并根据扰动情况对控制量进行优化，从而减小多轴运动系统轮廓误差。具体包括以下步骤：
1)建立电机实际机械角度的预测模型，如下：
Y＝Hy(ki)+F2Δx(ki)+G2ΔIq
其中，ki表示采样时刻，Δ＝1-z-1，表示当前时刻与前一时刻的采样差值，z-1表示后移算子，y(ki)为第ki个采样周期多轴运动系统的位置，Δx(ki)＝[Δθ(ki) Δθ(ki-1) Δiq(ki-1)]T，包含多轴运动系统第ki个采样周期的位置增量、第(ki-1)个采样周期的位置增量、第(ki-1)个采样周期的电流增量，ΔIq＝[Δiq T(ki) Δiq T(ki+1)…Δiq T(ki+Nc-1)]T，表示控制增量， Y＝[yT(ki+1) yT(ki+2)…yT(ki+Np)]T，表示电机机械角度，单位为rad，H＝[I3×3 I3×3…I3×3]T，表示由3行3列单位矩阵组成的矩阵，
其中，Y为电机实际机械角度，T代表转置，ΔIq为控制增量，Δiq为未来控制增量，I3×3表示3行3列的单位矩阵，l表示变化范围从1到Np的变量，A是状态变量矩阵、B是系统输入矩阵、C是系统输出矩阵，Np表示预测域，Nc表示控制域，一般Np≥Nc，这里Np取数值 4，Nc取2；
2)根据预测模型将多轴运动系统的轮廓误差和跟踪误差作为总的控制目标，在保证轮廓精度的同时减小跟踪误差；
所述的在保证轮廓精度的同时减小跟踪误差，是通过如下价值函数公式实现：
式中，g表示价值函数，Θ*为电机机械角度给定序列，单位为rad，Y表示电机机械角度，单位为rad，N为给定轨迹期望位置的法向量，ΔIq为控制增量，Qc、Qa、Qu分别为同步误差、跟踪误差和控制增量的权重系数，这里都取相应的单位矩阵。
3)对多轴运动系统位置进行多步预测，通过最小化价值函数，得到当前时刻的控制增量，通过后验约束限制得到当前时刻的控制量；其中，
所述的通过最小化价值函数，得到当前时刻的控制增量是：令
得到当前控制增量：
其中，ΔIq为控制增量，Qc、Qa、Qu分别为同步误差、跟踪误差和控制增量的权重系数， N为给定轨迹期望位置的法向量，Θ*为电机机械角度给定序列，单位为rad，y(ki)为第ki个采样周期多轴运动系统的位置，Δx(ki)＝[Δθ(k) Δθ(k-1) Δiq(k-1)]T，包含多轴运动系统第ki个采样周期的位置增量、第(ki-1)个采样周期的位置增量、第(ki-1)个采样周期的电流增量 H＝[I3×3 I3×3…I3×3]T，表示由3行3列单位矩阵组成的矩阵，
其中，Δiq为未来控制增量，I3×3表示3行3列的单位矩阵，l表示变化范围从1到Np的变量，A是状态变量矩阵、B是系统输入矩阵、C是系统输出矩阵，Np表示预测域，Nc表示控制域，一般Np≥Nc，这里Np取数值4，Nc取2；
所述的通过后验约束限制得到当前时刻的控制量iq(ki)，是由如下公式实现：
iq(ki)＝Δiq(ki)+iq(ki-1)
其中，
其中，ΔIq为控制增量，并做如下限制
Δiq max表示电流增量的最大值，Δiq min表示电流增量的最小值。
4)建立扩张状态观测器如下：
其中，z1、z2、z3分别是机械角度，单位为rad，机械角速度，单位为rad/s，扰动变化的观测值，r1、r2、r3是等式系数，b为常数，θ是电机机械位置，
是电流补偿值，z1、z2、z3的上标表示求导；
令λ(s)＝|sI-(D1-RD3)|＝s3+r1s2+r2s+r3等于期望误差(s+p0)3，得
r1＝3p0，
其中，p0为扩张状态观测器(ESO)的闭环极点的负数；
5)采用扩张状态观测器对多轴运动系统位置二阶微分模型中扰动项进行观测，通过线性比例微分反馈控制律，得到补偿控制量；其中，
所述的位置二阶微分模型如下：
式中，
为一般扰动，包括等效摩擦力扰动
q轴电流跟踪误差扰动
外部扰动w(t)，
为输出q轴电流参考值，Jeqi＝Ji+Miuiri/2π，Beqi＝Bi+B’iuiri/2π，θ为电机位置角，下标i＝x、y、z，分别代表多轴运动系统的三台电机，Ji代表电机转动惯量，Jeqi代表等效电机转动惯量，Bi为粘性系数，Beqi为粘性系数，B’i为运动粘性摩擦系数，Mi为运动机构滑块质量，ui为多轴运动系统中年驱动电机转一圈滑块对应的位移，ri为运动机构同步轮半径；
所述的线性比例微分反馈控制律为：
其中，kp和kd分别为比例、微分系数，跟踪误差es＝θi *-θi，所以有
由线性比例微分反馈控制律得到补偿控制量为：
其中，x3为位置环的扰动值；
6)用补偿控制量实时优化当前时刻控制量，优化矢量控制的参考值，实现对目标的控制。
具体是采用如下公式实现：
其中，iqq *为单轴运动系统补偿后的优化控制量，iq为单轴运动系统预测控制量，
为单轴运动系统补偿控制量；
跟踪三轴运动系统的优化结果，从而得到矢量形式控制器的修正控制输入为：
其中，Iqq为多轴运动系统优化后的控制量，b包括多轴运动系统所对应的常数b，Qc、 Qa、Qu分别为同步误差、跟踪误差和控制增量的权重系数，这里都取相应的单位矩阵，N为给定轨迹期望位置的法向量，Θ*为电机机械角度给定序列，单位为rad，，y(ki)为第ki个采样周期多轴运动系统的位置，Δx(ki)＝[Δθ(ki)Δθ(ki-1)Δiq(ki-1)]T，包含多轴运动系统第ki个采样周期的位置增量、第(ki-1)个采样周期的位置增量、第(ki-1)个采样周期的电流增量， H＝[I3×3 I3×3…I3×3]T，表示由3行3列单位矩阵组成的矩阵，
其中，Δiq为未来控制增量，I3×3表示3行3列的单位矩阵，l表示变化范围从1到Np的变量，A是状态变量矩阵、B是系统输入矩阵、C是系统输出矩阵，Np表示预测域，Nc表示控制域，一般Np≥Nc，这里Np取数值4，Nc取2。
Claims (6)
1.一种减小多轴运动系统轮廓误差的控制方法，其特征在于，将多轴运动系统的轮廓误差和跟踪误差作为该多轴运动系统的控制目标，通过预测模型对多轴运动系统及对应的功率变换器建模，得到当前时刻的控制量，再通过扩张状态观测器观测多轴运动系统位置环的扰动情况，并根据扰动情况对控制量进行优化，从而减小多轴运动系统轮廓误差，具体包括以下步骤：
1)建立电机实际机械角度的预测模型，如下：
Y＝Hy(ki)+F2Δx(ki)+G2ΔIq
其中，ki表示采样时刻，Δ＝1-z-1，表示当前时刻与前一时刻的采样差值，z-1表示后移算子，y(ki)为第ki个采样周期多轴运动系统的位置，Δx(ki)＝[Δθ(ki) Δθ(ki-1) Δiq(ki-1)]T，包含多轴运动系统第ki个采样周期的位置增量、第(ki-1)个采样周期的位置增量、第(ki-1)个采样周期的电流增量，ΔIq＝[Δiq T(ki) Δiq T(ki+1)…Δiq T(ki+Nc-1)]T，表示控制增量，Y＝[yT(ki+1) yT(ki+2)…yT(ki+Np)]T，表示电机机械角度，单位为rad，H＝[I3×3 I3×3 … I3×3]T，表示由3行3列单位矩阵组成的矩阵，
其中，Y为电机实际机械角度，ΔIq为控制增量，Δiq为未来控制增量，I3×3表示3行3列的单位矩阵，l表示变化范围从1到Np的变量，A是状态变量矩阵、B是系统输入矩阵、C是系统输出矩阵，Np表示预测域，Nc表示控制域，一般Np≥Nc；
2)根据预测模型将多轴运动系统的轮廓误差和跟踪误差作为总的控制目标，在保证轮廓精度的同时减小跟踪误差；
3)对多轴运动系统位置进行多步预测，通过最小化价值函数，得到当前时刻的控制增量，通过后验约束限制得到当前时刻的控制量；
4)建立扩张状态观测器如下：
其中，z1、z2、z3分别是机械角度，单位为rad，机械角速度，单位为rad/s，扰动变化的观测值，r1、r2、r3是等式系数，b为常数，θ是电机机械位置，
是电流补偿值，z1、z2、z3的上标表示求导；
令λ(s)＝|sI-(D1-RD3)|＝s3+r1s2+r2s+r3等于期望误差(s+p0)3，得
r1＝3p0，
其中，p0为扩张状态观测器的闭环极点的负数；
5)采用扩张状态观测器对多轴运动系统位置二阶微分模型中扰动项进行观测，通过线性比例微分反馈控制律，得到补偿控制量；
6)用补偿控制量实时优化当前时刻控制量，优化矢量控制的参考值，实现对目标的控制。
2.根据权利要求1所述的一种减小多轴运动系统轮廓误差的控制方法，其特征在于，步骤2)所述的在保证轮廓精度的同时减小跟踪误差，是通过如下价值函数公式实现：
式中，g表示价值函数，Θ*为电机机械角度给定序列，单位为rad，Y表示电机机械角度，单位为rad，N为给定轨迹期望位置的法向量，ΔIq为控制增量，Qc、Qa、Qu分别为同步误差、跟踪误差和控制增量的权重系数。
3.根据权利要求1所述的一种减小多轴运动系统轮廓误差的控制方法，其特征在于，步骤3)所述的通过最小化价值函数，得到当前时刻的控制增量是：令
得到当前控制增量：
其中，ΔIq为控制增量，Qc、Qa、Qu分别为同步误差、跟踪误差和控制增量的权重系数，N为给定轨迹期望位置的法向量，Θ*为电机机械角度给定序列，单位为rad，y(ki)为第ki个采样周期多轴运动系统的位置，Δx(ki)＝[Δθ(k) Δθ(k-1) Δiq(k-1)]T，包含多轴运动系统第ki个采样周期的位置增量、第(ki-1)个采样周期的位置增量、第(ki-1)个采样周期的电流增量H＝[I3×3 I3×3…I3×3]T，表示由3行3列单位矩阵组成的矩阵，
其中，Δiq为未来控制增量，I3×3表示3行3列的单位矩阵，l表示变化范围从1到Np的变量，A是状态变量矩阵、B是系统输入矩阵、C是系统输出矩阵，Np表示预测域，Nc表示控制域，Np≥Nc。
4.根据权利要求1所述的一种减小多轴运动系统轮廓误差的控制方法，其特征在于，步骤3)所述的通过后验约束限制得到当前时刻的控制量iq(ki)，是由如下公式实现：
iq(ki)＝Δiq(ki)+iq(ki-1)
其中，
其中，ΔIq为控制增量，并做如下限制
Δiq max表示电流增量的最大值，Δiq min表示电流增量的最小值。
5.根据权利要求1所述的一种减小多轴运动系统轮廓误差的控制方法，其特征在于，步骤5)中，
所述的位置二阶微分模型如下：
式中，
为一般扰动，包括等效摩擦力扰动
q轴电流跟踪误差扰动
外部扰动w(t)，
为输出q轴电流参考值，Jeqi＝Ji+Miuiri/2π，Beqi＝Bi+B’iuiri/2π，θ为电机机械位置角，下标i＝x、y、z，分别代表多轴运动系统的电机，Ji代表电机转动惯量，Jeqi代表等效电机转动惯量，Bi为粘性系数，Beqi为粘性系数，B’i为运动粘性摩擦系数，Mi为运动机构滑块质量，ui为多轴运动系统中年驱动电机转一圈滑块对应的位移，ri为运动机构同步轮半径；
所述的线性比例微分反馈控制律为：
其中，kp和kd分别为比例、微分系数，跟踪误差es＝θi *-θi，所以有
由线性比例微分反馈控制律得到补偿控制量为：
其中，x3为位置环的扰动值。
6.根据权利要求1所述的一种减小多轴运动系统轮廓误差的控制方法，其特征在于，步骤6)是采用如下公式实现：
其中，iqq *为单轴运动系统补偿后的优化控制量，iq为单轴运动系统预测控制量，
为单轴运动系统补偿控制量；
跟踪三轴运动系统的优化结果，从而得到矢量形式控制器的修正控制输入为：
其中，Iqq为多轴运动系统优化后的控制量，b包括多轴运动系统所对应的常数b，Qa、Qu分别为同步误差、跟踪误差和控制增量的权重系数，N为给定轨迹期望位置的法向量，Θ*为电机机械角度给定序列，单位为rad，y(ki)为第ki个采样周期多轴运动系统的位置，Δx(ki)＝[Δθ(k) Δθ(k-1) Δiq(k-1)]T，包含多轴运动系统第ki个采样周期的位置增量、第(ki-1)个采样周期的位置增量、第(ki-1)个采样周期的电流增量，H＝[I3×3 I3×3 … I3×3]T，表示由3行3列单位矩阵组成的矩阵，
其中，Δiq为未来控制增量，I3×3表示3行3列的单位矩阵，l表示变化范围从1到Np的变量，A是状态变量矩阵、B是系统输入矩阵、C是系统输出矩阵，Np表示预测域，Nc表示控制域，Np≥Nc。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911056003.6A CN110968037B (zh) | 2019-10-31 | 2019-10-31 | 一种减小多轴运动系统轮廓误差的控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911056003.6A CN110968037B (zh) | 2019-10-31 | 2019-10-31 | 一种减小多轴运动系统轮廓误差的控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110968037A true CN110968037A (zh) | 2020-04-07 |
| CN110968037B CN110968037B (zh) | 2022-09-30 |
Family
ID=70029984
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911056003.6A Active CN110968037B (zh) | 2019-10-31 | 2019-10-31 | 一种减小多轴运动系统轮廓误差的控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110968037B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111865140A (zh) * | 2020-08-24 | 2020-10-30 | 广东工业大学 | 一种基于微驱动单元的电机跟踪误差减小方法及实现装置 |
| CN112965439A (zh) * | 2021-02-01 | 2021-06-15 | 华侨大学 | 一种电子凸轮的控制方法、装置、设备、存储设备 |
| CN114102612A (zh) * | 2022-01-24 | 2022-03-01 | 河北工业大学 | 一种机器人末端路径轮廓误差控制方法 |
| CN115656238A (zh) * | 2022-10-17 | 2023-01-31 | 中国科学院高能物理研究所 | 一种微区xrf元素分析与多维成像方法及系统 |
| CN116193254A (zh) * | 2022-12-30 | 2023-05-30 | 北京凌云光子技术有限公司 | 镜头控制方法、镜头控制装置和镜头控制系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102681489A (zh) * | 2012-06-01 | 2012-09-19 | 南京航空航天大学 | 多轴联动数控系统运动平稳性和轮廓加工精度控制方法 |
| CN107085373A (zh) * | 2017-06-01 | 2017-08-22 | 浙江工业大学 | 一种基于通信干扰观测器的网络化多轴运动控制系统的交叉耦合控制方法 |
| CN107748540A (zh) * | 2017-10-17 | 2018-03-02 | 清华大学 | 一种基于牛顿法的多轴系统轮廓误差估计及迭代控制方法 |
| CN107991867A (zh) * | 2017-11-28 | 2018-05-04 | 浙江工业大学 | 一种基于自抗扰控制器的网络化多轴运动控制系统的迭代学习轮廓误差控制方法 |
| KR20190011669A (ko) * | 2017-07-25 | 2019-02-07 | 삼성전자주식회사 | 능동 방해 제거 기반의 열 제어를 위한 시스템 및 방법 |
-
2019
- 2019-10-31 CN CN201911056003.6A patent/CN110968037B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102681489A (zh) * | 2012-06-01 | 2012-09-19 | 南京航空航天大学 | 多轴联动数控系统运动平稳性和轮廓加工精度控制方法 |
| CN107085373A (zh) * | 2017-06-01 | 2017-08-22 | 浙江工业大学 | 一种基于通信干扰观测器的网络化多轴运动控制系统的交叉耦合控制方法 |
| KR20190011669A (ko) * | 2017-07-25 | 2019-02-07 | 삼성전자주식회사 | 능동 방해 제거 기반의 열 제어를 위한 시스템 및 방법 |
| CN107748540A (zh) * | 2017-10-17 | 2018-03-02 | 清华大学 | 一种基于牛顿法的多轴系统轮廓误差估计及迭代控制方法 |
| CN107991867A (zh) * | 2017-11-28 | 2018-05-04 | 浙江工业大学 | 一种基于自抗扰控制器的网络化多轴运动控制系统的迭代学习轮廓误差控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| QING ZHENG: "A Dynamic Decoupling Control Approach and Its Applications to Chemical Processes", 《2007 AMERICAN CONTROL CONFERENCE》 * |
| 张明晖: "永磁同步电机伺服控制系统研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111865140A (zh) * | 2020-08-24 | 2020-10-30 | 广东工业大学 | 一种基于微驱动单元的电机跟踪误差减小方法及实现装置 |
| CN112965439A (zh) * | 2021-02-01 | 2021-06-15 | 华侨大学 | 一种电子凸轮的控制方法、装置、设备、存储设备 |
| CN112965439B (zh) * | 2021-02-01 | 2022-06-14 | 华侨大学 | 一种电子凸轮的控制方法、装置、设备、存储设备 |
| CN114102612A (zh) * | 2022-01-24 | 2022-03-01 | 河北工业大学 | 一种机器人末端路径轮廓误差控制方法 |
| CN115656238A (zh) * | 2022-10-17 | 2023-01-31 | 中国科学院高能物理研究所 | 一种微区xrf元素分析与多维成像方法及系统 |
| CN116193254A (zh) * | 2022-12-30 | 2023-05-30 | 北京凌云光子技术有限公司 | 镜头控制方法、镜头控制装置和镜头控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110968037B (zh) | 2022-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110968037B (zh) | 一种减小多轴运动系统轮廓误差的控制方法 | |
| CN106338970B (zh) | 一种五轴联动数控机床伺服系统控制方法 | |
| CN102681489B (zh) | 多轴联动数控系统运动平稳性和轮廓加工精度控制方法 | |
| CN108363301B (zh) | 基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法 | |
| CN110032142B (zh) | 基于数控加工路径最小化修正的轮廓误差预补偿方法 | |
| CN110784149B (zh) | 交流伺服系统机械谐振抑制方法以及系统 | |
| CN100444059C (zh) | 永磁同步电机的速度环的简化自抗扰控制器的构造方法 | |
| CN104242769A (zh) | 基于连续终端滑模技术的永磁同步电机速度复合控制方法 | |
| CN110649845B (zh) | 基于鲁棒广义预测控制的光电转台位置跟踪控制方法 | |
| CN105867136A (zh) | 基于参数辨识的多电机伺服系统同步与跟踪控制方法 | |
| CN112631315B (zh) | 一种多电机协同推进的水下机器人路径跟踪方法 | |
| CN108536185B (zh) | 一种基于降阶级联扩张状态观测器的双框架磁悬浮cmg框架系统参数优化方法 | |
| CN108333928B (zh) | 一种基于动态面多直流无刷电机位置协调控制方法 | |
| CN110989355A (zh) | 一种改进型自抗扰控制器 | |
| WO2024041042A1 (zh) | 一种直线电机运动控制方法、装置、设备及存储介质 | |
| WO2024037394A1 (zh) | 一种龙门机床动梁交叉耦合控制方法 | |
| CN109474207A (zh) | 一种提高多轴运动系统同步性能的控制方法 | |
| CN110647105B (zh) | 一种适用于双轴或三轴进给驱动系统的有限控制集模型预测轮廓控制方法 | |
| CN112821840B (zh) | 一种永磁同步电机非光滑自适应直接转矩控制方法和系统 | |
| CN108563123A (zh) | 直线电机x-y的自适应迭代学习鲁棒控制系统及设计方法 | |
| CN116805849A (zh) | 一种永磁同步电机的连续集模型预测控制方法 | |
| CN116442223A (zh) | 一种机械手系统轨迹跟踪的非线性动态控制器设计方法 | |
| Liu et al. | Active disturbance rejection adaptive control of multi-motor synchronized driving system | |
| CN109324503A (zh) | 基于鲁棒积分的多层神经网络电机系统控制方法 | |
| Chen et al. | Tracking control for a synchronized dual parallel linear motor machine tool |
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 |