CN112003503A - 一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法 - Google Patents
一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法 Download PDFInfo
- Publication number
- CN112003503A CN112003503A CN202010718173.2A CN202010718173A CN112003503A CN 112003503 A CN112003503 A CN 112003503A CN 202010718173 A CN202010718173 A CN 202010718173A CN 112003503 A CN112003503 A CN 112003503A
- Authority
- CN
- China
- Prior art keywords
- permanent magnet
- linear motor
- magnet synchronous
- ant
- observer
- 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
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000003016 pheromone Substances 0.000 claims abstract description 39
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 11
- 238000013178 mathematical model Methods 0.000 claims abstract description 9
- 230000007704 transition Effects 0.000 claims abstract description 5
- 241000257303 Hymenoptera Species 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 230000004907 flux Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000035515 penetration Effects 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
- H02P6/006—Controlling linear motors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- H02P21/13—Observer control, e.g. using Luenberger observers or Kalman filters
-
- 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)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Biophysics (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Feedback Control In General (AREA)
- Control Of Linear Motors (AREA)
Abstract
本发明公开了一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法,具体按照以下步骤实施:步骤1:在α‑β坐标系下,得到永磁同步直线电机状态方程,对其用状态空间进行描述;步骤2:基于描述后的状态方程,定义电流的跟踪误差和引入状态误差矢量,结合给出的状态空间方程写出龙贝格观测器的数学模型;步骤3:结合上述数学模型,在观测器的反馈增益矩阵K中的参数K1、K2引入优化算法,将参数简化为由节点构成的优化图,求出更新转移概率律和信息素更新律,判断其是否达到最大迭代次数,从而得到在外界工况变化的情况下的最优参数K1、K2。本发明提高了系统的稳定性,减小了系统的成本,具有较高的性能和精度。
Description
技术领域
本发明属于永磁同步直线电机无速度传感器控制技术领域,具体涉及一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法。
背景技术
随着高速切削、超精密加工等先进制造技术的发展,企业对传动机构、执行元件性能指标提出更高的要求,尤其是高精度机床、工业机器人、轨道交通等产业对于直线型驱动控制技术的需求越来越高。近年来,获取直线电机转速和位置信息以形成闭环反馈,提高控制系统的精度和稳定性已成为直线电机控制系统系统性能的关键。
永磁同步直线电机矢量控制方法需要获取电机转速和转子位置较为精确的信息,但是传统的光电编码器、旋转变压器等机械式位置传感器不便于安装和维护,会增加系统机械结构复杂度,且在一些高温、多沙尘等恶劣工作环境中,位置传感器可能因为环境而损坏,降低系统的可靠性,同时安装硬件传感器需要增加系统占用的空间,大大增加了整个控制系统的成本。为了克服上述缺点,通过对电气参数的测量解析出转速和位置信息,从而摆脱机械式传感器的控制,即“无位置传感器控制技术”。龙贝格观测器根据误差反馈对估算的状态变量进行修正,达到误差收敛,进而估算电机转速和转子位置。具有动态响应速度快,估算精度高、维护成本低等优点。但是由于直线电机的特殊结构,在运行过程中直线电机会产生动态边端效应,电机的参数在不同的运行工况发生显著变化,增加直线电机速度估计的难度,龙贝格观测器中的反馈增益矩阵固定,直接影响控制效果,无法准确的辨识所需的物理量,造成系统控制精度下降,且在外界工况发生变化时,龙伯格观测器反馈增益参数整定需要一定的工作量。
发明内容
本发明的目的是提供一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法,解决了现有技术的系统控制精度不高,且在外界工况发生变化时,龙伯格观测器反馈增益参数整定需要的工作量较多的问题。
本发明所采用的技术方案是,
一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法,具体按照以下步骤实施:
步骤1:在α-β坐标系下,得到永磁同步直线电机状态方程,然后对其用状态空间进行描述,得到描述后的永磁同步直线电机状态方程;
步骤2:基于描述后的永磁同步直线电机状态方程,定义电流的跟踪误差和引入状态误差矢量,结合给出的永磁同步直线电机状态空间方程写出龙贝格观测器的数学模型;
步骤3:基于永磁同步直线电机观测器的数学模型,在观测器的反馈增益矩阵K中的参数K1、K2引入优化算法,将待优化的参数简化为由节点构成的优化图,对优化图中的更新转移概率律和信息素更新律进行蚂蚁构造,并对其求解,判断其是否达到最大迭代次数,达到最大迭代次数,得到在外界工况变化的情况下的最优参数K1、K2,然后通过蚁群算法得到参数优化的龙贝格观测器。
本发明的特点还在于,
步骤1中,永磁同步直线电机状态方程如下公式(1):
在步骤1中,将永磁同步直线电机状态方程用如下公式(2)的状态空间进行描述:
在步骤3中,永磁同步直线电机观测器中引入优化算法,得到优化参数K1、K2,将其带入永磁同步直线电机观测器中,具体包括如下步骤:
dij为任意两个目标点i、j之间的距离,t为时刻,τij(0)目标点路径的信息素浓度,k为蚂蚁,k已经访问过的目标点代码将被记录在禁忌表tabuk中,allowedk为k下一次转移时允许到达目标点的集合,τij(t)为信息素浓度,(1-ρ)为τij(t)随蚂蚁目标点的不断深入的衰减程度,ηij(t)为启发式信息。
步骤3中,信息素浓度更新步骤如下公式(4)所示,在经过n个时刻,蚂蚁k可以遍历所有的目标点,即完成一次循环,此时需要对路径上的信息素浓度进行更新,更新表达式如下所示:
其计算方式由计算模型确定,用的Ant Cycle System模型中其表达式为:
其中,Q为正值常量;Lk为蚂蚁k在一次循环中所走的路径总长度;
对于局部的信息素进行更新,到从目标点i移动到目标点j后,减少改路径上一定量的信息素,局部信息素的更新表达式如下公式(6)所示:
τij(t+1)=(1-ξ)τij(t)+ξτ0 (6),
其中,τ0为初始化时路径上的信息素浓度;ξ(0<ξ<1)为信息素减少数量相关的实数。
步骤3中,观测器参数寻优步骤如下所示,设置迭代步数或者搜索次数nc=0;每条边上的初始信息素τij(0)为常数C,并且Δτij=0;随机放置m只蚂蚁到n个目标点,将所有的蚂蚁的初始位置置于当前解集中tabuk作为其第一个元素;对每只蚂蚁k,按照概率确定其下一个访问的目标点;将目标点置于tabuk中,经过n个时刻,蚂蚁k遍历完所有的目标点后,即实现一次循环,对每个蚂蚁走的所走的路径进行计算,比较得到最短路径,并根据式(4)对信息素含量τij(t+n)进行更新,对每条边Δτij=0,是否达到最大迭代次数,达到后终止搜索,找出最短路径,寻优出最佳参数,如果没有达到最大迭代次数,再对其进行搜索。
本发明的有益效果是,本发明提供一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法,代替了机械式传感器控制,解决了机械式传感器控制受安装环境限制等弊端,提高了系统的稳定性,减小了系统的成本。即使在运行过程中直线电机会产生动态边端效应,电机的参数在不同的运行工况发生显著变化,仍可以快速准确的跟踪速度,有效提高电机位置估算的精度。
附图说明
图1是本发明一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法的控制框图。
具体实施方式
下面结合附图和具体实施方式对本发明一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法进行详细说明。
如图1所示,一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法,具体按照以下步骤实施:
步骤1:在α-β坐标系下,得到永磁同步直线电机状态方程,然后对其用状态空间进行描述,得到描述后的永磁同步直线电机状态方程;
步骤2:基于描述后的永磁同步直线电机状态方程,定义电流的跟踪误差和引入状态误差矢量,结合给出的永磁同步直线电机状态空间方程写出龙贝格观测器的数学模型;
步骤3基于永磁同步直线电机观测器的数学模型,在观测器的反馈增益矩阵K中的参数K1、K2引入优化算法,将待优化的参数简化为由节点构成的优化图,对优化图中的更新转移概率律和信息素更新律进行蚂蚁构造,并对其求解,判断其是否达到最大迭代次数,达到最大迭代次数,得到在外界工况变化的情况下的最优参数K1、K2,然后通过蚁群算法得到参数优化的龙贝格观测器。
下面通过具体的实施例对本发明一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法进行进一步详细说明。
基于蚁群龙贝格观测器的永磁同步直线电机无速度传感器控制系统包括速度环、电流环两个部分。相电流ia、ib、ic由电流传感器测得后经Clarke变换得到两相静止坐标系下的定子电流分量iα、iβ、iα、iβ再经Park变换得到两相旋转坐标系下的定子电流分量id、iq。动子速度V由观测器测得,V与速度给定V*做差输入到速度调节器,速度调节器的输出作为交轴电流指令值iq *,直轴电流指令值id *=0,id、iq分别与id *和iq *比较后经电流调节器输出ud、uq,ud、uq再经Park反变换输出uα、uβ,最后通过空间矢量脉宽调制模块输出六路PWM信号供给逆变器工作,逆变器将直流母线电压Udc以PWM波的形式施加到永磁同步直线电机上。
步骤1具体为:
步骤1.1在α-β坐标系下,永磁同步直线电机状态方程为:
将式(2)带入式(1)中可得定子电压方程表达式为:
步骤1.2将上述永磁同步直线电机状态方程用如下状态空间进行描述:
步骤2具体为:
步骤2.1定义电流的跟踪误差:
引入状态误差矢量:
步骤2.2可以得到龙贝格观测器的状态方程为:
由此可得龙贝格观测器的数学模型:
对引入的估计电流(iα、iβ)的反馈值进行离散化处理,其中T为采样时间,K1、K2为龙贝格观测器的反馈系数。
步骤3具体为:
任意两个目标点i、j之间的距离设为dij,在t时刻下目标点路径的信息素浓度设为τij(0);同时蚂蚁k已经访问过的目标点代码将被记录在禁忌表tabuk中;allowedk表示蚂蚁k下一次转移时允许到达目标点的集合。信息素浓度τij(t)随着蚂蚁目标点的不断深入而呈现衰减趋势,其衰减程度用(1-ρ)来表示,启发式信息ηij(t),该物理量反映了蚂蚁由目标点i、到目标点j之间的期望程度,根据算法来进行设定。
步骤3.2在此基础上,在经过n个时刻,蚂蚁k可以遍历所有的目标点,即完成一次循环。此时需要对路径上的信息素浓度进行更新,更新表达式如下所示:
其中:Q为正值常量;Lk为蚂蚁k在一次循环中所走的路径总长度。
在寻优过程中信号素的释放有着严格的要求,会对于局部的信息素进行更新,到从目标点i移动到目标点j后,减少该路径上一定量的信息素,目的是增加后续探索其余路径的可能性,局部信息素的更新表达式如下所示:
τij(t+1)=(1-ξ)τij(t)+ξτ0 (20),
式中,τ0是初始化时路径上的信息素浓度;ξ(0<ξ<1)为信息素减少数量相关的实数,一般情况下ξ取值为0.1。
步骤3.3具体为:由上述步骤得到的更新转移概率律和信息素更新律进行蚂蚁构造,判断其是否达到最大迭代次数,从而得到在外界工况变化的情况下的最优参数K1、K2。
设置迭代步数或者搜索次数nc=0;每条边上的初始信息素τij(0)为常数C,并且Δτij=0;随机放置m只蚂蚁到n个目标点。将所有的蚂蚁的初始位置置于当前解集中tabuk作为其第一个元素;对每只蚂蚁k,按照概率确定其下一个访问的目标点;将目标点置于tabuk中。经过n个时刻,蚂蚁k遍历完所有的目标点后,即实现一次循环。对每个蚂蚁走的所走的路径进行计算,比较得到最短路径。并根据式(18)对信息素含量τij(t+n)进行更新。对每条边Δτij=0,是否达到最大迭代次数,达到后终止搜索,找出最短路径。如果没有达到最大迭代次数,再对其进行搜索。
本发明一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法,代替了机械式传感器控制,解决了机械式传感器控制受安装环境限制等弊端,提高了系统的稳定性,减小了系统的成本。即使在运行过程中直线电机会产生动态边端效应,电机的参数在不同的运行工况发生显著变化,仍可以快速准确的跟踪速度,有效提高电机位置估算的精度;
本发明实现高性能、高精度的性能要求,传感器的精度将直接影响到系统的控制精度,因而本文提出的蚁群龙贝格观测器主要作用是确保准确观测位置信息,减小外界干扰所造成的测量误差。
Claims (6)
1.一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法,其特征在于,具体按照以下步骤实施:
步骤1:在α-β坐标系下,得到永磁同步直线电机状态方程,然后对其用状态空间进行描述,得到描述后的永磁同步直线电机状态方程;
步骤2:基于描述后的永磁同步直线电机状态方程,定义电流的跟踪误差和引入状态误差矢量,结合给出的永磁同步直线电机状态空间方程写出龙贝格观测器的数学模型;
步骤3基于永磁同步直线电机观测器的数学模型,在观测器的反馈增益矩阵K中的参数K1、K2引入优化算法,将待优化的参数简化为由节点构成的优化图,对优化图中的更新转移概率律和信息素更新律进行蚂蚁构造,并对其求解,判断其是否达到最大迭代次数,达到最大迭代次数,得到在外界工况变化的情况下的最优参数K1、K2,然后通过蚁群算法得到参数优化的龙贝格观测器。
4.如权利要求1所述的一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法,其特征在于,在步骤3中,所述永磁同步直线电机观测器中引入优化算法,得到优化参数K1、K2,将其带入永磁同步直线电机观测器中,具体包括如下步骤:
dij为任意两个目标点i、j之间的距离,t为时刻,τij(0)目标点路径的信息素浓度,k为蚂蚁,k已经访问过的目标点代码将被记录在禁忌表tabuk中,allowedk为k下一次转移时允许到达目标点的集合,τij(t)为信息素浓度,(1-ρ)为τij(t)随蚂蚁目标点的不断深入的衰减程度,ηij(t)为启发式信息。
5.如权利要求4所述的一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法,其特征在于,步骤3中,所述信息素浓度更新步骤如下公式(4)所示,在经过n个时刻,蚂蚁k可以遍历所有的目标点,即完成一次循环,此时需要对路径上的信息素浓度进行更新,更新表达式如下所示:
其计算方式由计算模型确定,用的Ant Cycle System模型中其表达式为:
其中,Q为正值常量;Lk为蚂蚁k在一次循环中所走的路径总长度;
对于局部的信息素进行更新,到从目标点i移动到目标点j后,减少改路径上一定量的信息素,局部信息素的更新表达式如下公式(6)所示:
τij(t+1)=(1-ξ)τij(t)+ξτ0(6),
其中,τ0为初始化时路径上的信息素浓度;ξ(0<ξ<1)为信息素减少数量相关的实数。
6.如权利要求3所述的一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法,其特征在于,步骤3中,观测器参数寻优步骤如下所示,设置迭代步数或者搜索次数nc=0;每条边上的初始信息素τij(0)为常数C,并且Δτij=0;随机放置m只蚂蚁到n个目标点,将所有的蚂蚁的初始位置置于当前解集中tabuk作为其第一个元素;对每只蚂蚁k,按照概率确定其下一个访问的目标点;将目标点置于tabuk中,经过n个时刻,蚂蚁k遍历完所有的目标点后,即实现一次循环,对每个蚂蚁走的所走的路径进行计算,比较得到最短路径,并根据式(4)对信息素含量τij(t+n)进行更新,对每条边Δτij=0,是否达到最大迭代次数,达到后终止搜索,找出最短路径,寻优出最佳参数,如果没有达到最大迭代次数,再对其进行搜索。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010718173.2A CN112003503B (zh) | 2020-07-23 | 2020-07-23 | 一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010718173.2A CN112003503B (zh) | 2020-07-23 | 2020-07-23 | 一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112003503A true CN112003503A (zh) | 2020-11-27 |
CN112003503B CN112003503B (zh) | 2023-04-28 |
Family
ID=73468151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010718173.2A Active CN112003503B (zh) | 2020-07-23 | 2020-07-23 | 一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112003503B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115979312A (zh) * | 2022-11-24 | 2023-04-18 | 哈尔滨理工大学 | 基于蚁群算法的磁电编码器角度值跳点抑制方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101222142A (zh) * | 2008-01-30 | 2008-07-16 | 湖南大学 | 一种静止无功补偿器的不平衡补偿和蚁群优化方法 |
CN103560723A (zh) * | 2013-11-08 | 2014-02-05 | 天津工业大学 | 蚁群优化降阶模糊控制器 |
CN103762925A (zh) * | 2014-01-10 | 2014-04-30 | 西安理工大学 | 采用免疫算法的永磁同步电机的h∞转速估计方法 |
CN104993765A (zh) * | 2015-08-04 | 2015-10-21 | 重庆大学 | 一种无刷直流电机的转速估计方法 |
CN105717926A (zh) * | 2015-11-09 | 2016-06-29 | 江苏理工学院 | 基于改进蚁群算法的移动机器人旅行商优化方法 |
CN106602952A (zh) * | 2016-06-29 | 2017-04-26 | 河南工程学院 | 一种pmsm永磁体磁链满秩辨识方法 |
CN107104620A (zh) * | 2017-04-24 | 2017-08-29 | 湖北汽车工业学院 | 一种永磁同步电机无传感器控制系统 |
CN108608628A (zh) * | 2018-03-16 | 2018-10-02 | 黄力 | 遗传算法修正蚁群算法优化的pid控制器及其应用 |
CN108647442A (zh) * | 2018-05-11 | 2018-10-12 | 北京航空航天大学 | 一种基于辅助输出的六旋翼无人机故障估计方法 |
CN111130408A (zh) * | 2020-01-07 | 2020-05-08 | 华中科技大学 | 一种改进的Luenberger速度观测方法和系统 |
-
2020
- 2020-07-23 CN CN202010718173.2A patent/CN112003503B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101222142A (zh) * | 2008-01-30 | 2008-07-16 | 湖南大学 | 一种静止无功补偿器的不平衡补偿和蚁群优化方法 |
CN103560723A (zh) * | 2013-11-08 | 2014-02-05 | 天津工业大学 | 蚁群优化降阶模糊控制器 |
CN103762925A (zh) * | 2014-01-10 | 2014-04-30 | 西安理工大学 | 采用免疫算法的永磁同步电机的h∞转速估计方法 |
CN104993765A (zh) * | 2015-08-04 | 2015-10-21 | 重庆大学 | 一种无刷直流电机的转速估计方法 |
CN105717926A (zh) * | 2015-11-09 | 2016-06-29 | 江苏理工学院 | 基于改进蚁群算法的移动机器人旅行商优化方法 |
CN106602952A (zh) * | 2016-06-29 | 2017-04-26 | 河南工程学院 | 一种pmsm永磁体磁链满秩辨识方法 |
CN107104620A (zh) * | 2017-04-24 | 2017-08-29 | 湖北汽车工业学院 | 一种永磁同步电机无传感器控制系统 |
CN108608628A (zh) * | 2018-03-16 | 2018-10-02 | 黄力 | 遗传算法修正蚁群算法优化的pid控制器及其应用 |
CN108647442A (zh) * | 2018-05-11 | 2018-10-12 | 北京航空航天大学 | 一种基于辅助输出的六旋翼无人机故障估计方法 |
CN111130408A (zh) * | 2020-01-07 | 2020-05-08 | 华中科技大学 | 一种改进的Luenberger速度观测方法和系统 |
Non-Patent Citations (7)
Title |
---|
余佩琼,等: "基于奇异摄动和Luenberger观测器的PMLSM无传感器控制", 《仪器仪表学报》 * |
尚荣华,焦李成,等: "《人工智能前沿技术丛书 计算智能导论》", 30 September 2019 * |
尹忠刚,等: "基于粒子群优化的感应电机模糊扩展卡尔曼滤波器转速估计方法", 《电工技术学报》 * |
李净净,等: "基于自适应Luenberger观测器的永磁同步直线电机无位置传感器控制", 《电机与控制应用》 * |
程凤伟,任晶晶: "《人工智能实现技术及发展研究》", 31 July 2019 * |
辛斌,陈杰: "《面向复杂优化问题求解的智能优化方法》", 30 September 2017 * |
陈卫兵,等: "基于龙伯格观测器的内埋式永磁同步电机无位置控制算法", 《湖南工业大学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115979312A (zh) * | 2022-11-24 | 2023-04-18 | 哈尔滨理工大学 | 基于蚁群算法的磁电编码器角度值跳点抑制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112003503B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107070341B (zh) | 基于鲁棒迭代学习控制的永磁同步电机转矩脉动抑制方法 | |
Hoseinnezhad et al. | Calibration of resolver sensors in electromechanical braking systems: A modified recursive weighted least-squares approach | |
CN103124158B (zh) | 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 | |
CN109921707B (zh) | 一种开关磁阻轮毂电机无位置预测控制方法 | |
CN102208891A (zh) | 基于摩擦和扰动补偿的pmsm伺服系统控制方法 | |
Lin et al. | An adaptive recurrent-neural-network motion controller for XY table in CNC machine | |
CN113364377B (zh) | 一种永磁同步电机自抗扰位置伺服控制方法 | |
CN109067274A (zh) | 基于干扰补偿的永磁同步电机调速的积分滑模控制方法 | |
CN113078861A (zh) | 一种永磁同步电机滑模控制方法、系统、介质及应用 | |
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 | |
CN111106772A (zh) | 一种包含参数跟踪的感应电机状态强跟踪滤波估计方法 | |
CN112910359A (zh) | 一种改进型永磁同步直线电机模型预测电流控制方法 | |
CN112003503B (zh) | 一种基于蚁群龙贝格观测器的永磁同步直线电机控制方法 | |
CN112701975A (zh) | 一种双惯量伺服系统的自适应齿隙振荡抑制方法 | |
CN112149274A (zh) | 一种带有死区输入非线性的多轴雕刻机系统在线建模方法 | |
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 | |
CN108448983B (zh) | 一种抑制伺服系统极低速时非线性干扰的方法 | |
CN111835251B (zh) | 一种基于无速度传感的永磁同步电机高性能控制方法 | |
CN116638544A (zh) | 一种基于超局部模型的关节模组协同控制方法 | |
CN105871277A (zh) | 一种基于最小方差的永磁伺服系统非线性模型预测控制器设计方法 | |
CN113890424B (zh) | 基于参数辨识的永磁同步电机速度环pi控制器调谐方法 | |
CN114977928A (zh) | 一种永磁同步伺服系统速度环和位置环参数自整定方法 | |
CN110995098B (zh) | 一种永磁同步电机的反演控制方法 | |
Chen et al. | The simulation research of PMSM control based on MPC | |
Ke et al. | Tangential velocity tracking-based task coordinate frame approach for contouring control of biaxial motion systems |
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 |