CN112242804B - 步进式电-机械转换器的自抗扰同步跟踪控制方法 - Google Patents
步进式电-机械转换器的自抗扰同步跟踪控制方法 Download PDFInfo
- Publication number
- CN112242804B CN112242804B CN202010969330.7A CN202010969330A CN112242804B CN 112242804 B CN112242804 B CN 112242804B CN 202010969330 A CN202010969330 A CN 202010969330A CN 112242804 B CN112242804 B CN 112242804B
- Authority
- CN
- China
- Prior art keywords
- controller
- signal
- angular displacement
- electro
- mechanical converter
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 14
- 238000006073 displacement reaction Methods 0.000 claims abstract description 40
- 230000002068 genetic effect Effects 0.000 claims abstract description 20
- 230000003044 adaptive effect Effects 0.000 claims abstract description 17
- 238000004804 winding Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 17
- 230000035772 mutation Effects 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000009402 cross-breeding Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 description 8
- 230000003321 amplification Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 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
- 238000005516 engineering process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 101710163391 ADP-ribosyl cyclase/cyclic ADP-ribose hydrolase Proteins 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008844 regulatory mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect 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
- H02P8/00—Arrangements for controlling dynamo-electric motors rotating step by step
- H02P8/12—Control or stabilisation of current
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
步进式电‑机械转换器的自抗扰同步跟踪控制方法，包括：(1)自适应遗传算法(AGA)对电‑机械转换器控制器参数进行评估并在线实时优化；(2)将信号发生器输出的电‑机械转换器转子角位移控制信号θi(t)和电‑机械转换器位置传感器检测到的实际角位移信号θ(t)输入到二阶自抗扰位置控制器，控制器运算并输出角位移控制信号u1(t)；(3)引入前馈控制，让电机转子与位置控制器的输出u1(t)共同确定所需要的理论控制磁场θm(t)，对θ(t)实时跟踪，并通过限制θm(t)使失调角在±π之间。(4)将两相绕组所需的理论控制电流ia(t)、ib(t)和实际电流iaf(t)、ibf(t)比较产生的误差信号输入到电流闭环PI控制器，控制器运算后产生SPWM占空比信号，该信号通过控制驱动模块来控制实际绕组电流和其产生的旋转磁场。
Description
技术领域
本发明涉及电液伺服控制领域，是2D伺服阀步进式电-机械转换器参数实时优化的自抗扰同步跟踪控制方法。
背景技术
电液伺服系统因功率-重量比大、响应速度快、控制精度高等优点，在工业自动化、航空航天、国防等众多领域得到了广泛的应用。电液伺服阀是电液伺服系统的关键元件，将系统的电气部分和液压部分连接起来，起着电液信号转换和功率放大的作用，它的性能直接影响系统性能及系统工作的可靠性和寿命。近年来，成为当前电液控制技术亮点之一的二维2D伺服阀，是浙江工业大学阮健教授团队提出的一种新型结构伺服阀，通过伺服螺旋机构来实现功率放大功能，相对其他伺服阀具有功率重量比高、结构简单、零位泄露小、抗污染能力强和动态性能好等优点。目前，2D伺服阀已经在许多工作场合得到应用，比如地震体验电液系统、电液伺服同步控制系统、液压弹射机构等。
对2D伺服阀进行控制时，电-机械转换器作为电液伺服阀的电-机械转换接口，将输入的位移信号通过传动机构作用于阀芯，从而控制阀芯的运动，其将系统输入的电信号转换成机械信号，实现信号的转换和放大，作为电液伺服阀的核心部件，其特性还将直接决定整个电液伺服阀的动静态性能，所以电液伺服阀能否进一步发展，扩宽其应用场合将与电-机械转换器的控制效果有着不可分割的关系。
随着电液控制技术的数字化，为了便于直接数字控制，2D伺服阀把步进电机作为电-机械转换器，其还具有结构简单、成本低、定位精度高且无累计误差等众多优点。综合上述特点，本文采用两相混合式步进电机作为2D伺服阀电-机械转换器。然而，传统上步进电机以步进的方式工作，使得阀的分辨率有限，工作精度不高，为了提高阀的分辨率，提出了同步跟踪控制算法，该算法通过控制步进电机绕组的电流来控制步进电机内部的旋转磁场从而控制了步进电机的转子位置，实现了转子在任意位置快速精确定位。在同步跟踪控制中，为了消除电-机械转换器转子跟踪误差，常采用结构简单的PID控制器，但PID仅针对系统参数不变的情况，在系统结构参数发生变化时，采用PID难以满足控制系统的性能要求，故将电-机械转换器位置闭环控制器改用二阶自抗扰控制器，又考虑到二阶自抗扰控制器参数数目较多，且参数之间又有耦合关系，整定过程繁复，故采用AGA来对自抗扰控制器参数在线优化，同时其还可以对绕组电流闭环PI控制器参数同步进行优化以获得更好的闭环反馈控制品质。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提出一种步进式电-机械转换器参数实时优化的自抗扰同步跟踪控制方法，其方法步骤简单，增强了电-机械转换器的动态控制效果，加强了其对电机内部电感、摩擦力参数变化，外部负载突变及工况变化等扰动的抑制能力。
本发明解决其技术问题所采用的技术方案是：
一种步进式电-机械转换器参数实时优化的自抗扰同步跟踪控制方法，所述控制方法包括以下步骤：
(1)自适应遗传算法在线优化电-机械转换器控制器参数时，使用工程中应用最广泛的时间乘绝对误差积分准则作为目标函数J，做求J最小值的运算，当J最小时即可得到最优的控制器参数。其中的误差为电-机械转换器输出的转子角位移θ(t)与输入控制信号θi(t)的误差e，其反应了电-机械转换器被控过程的动态特性，该值越小，系统的控制效果越好。J的表达式如下：
AGA算法优化步进电机式电-机械转换器的过程如下：先设定遗传代数Gen、种群数N以及种群搜索范围。AGA对二阶自抗扰位置控制器和电流闭环PI控制器中的主要参数β01、β02、β03、kp1、ki1、kp2、ki2进行实数编码(β01、β02、β03是自抗扰控制器的误差校正增益系数，kp1、kp2是PI控制器的比例增益，ki1、ki2是PI控制器的积分增益)，然后设定取值范围，得到初始种群。在遗传算法的进化机制中，往往以适应度值大的个体作为优秀基因的评定标准，而上式目标函数J的运算是求最小值，若把J放在分母中作为子项来构造一个适应度函数F，就可以求出最大适应度对应的个体，也是最小的J和e对应的个体，对应个体编码值即是参数最优解。F的表达式如下：
ε取一个较小的实数即可，目的是避免除零运算。
先用F求出种群每个个体的适应度值feve，然后可得其中最大适应度值fmax，当代种群中平均适应度值favg及要交叉的两个体之间更大的适应度值f，这些值将在后续求自适应交叉、变异概率中用到。
用轮盘赌算法(个体被选中的概率与其适应度大小成正比)选择出当代种群中优良的个体，再根据自适应交叉概率Pc从选出的优良父代个体中再选两个体进行单点交叉，接着根据自适应变异概率Pm对交叉后的个体进行变异操作既可得到新一代种群。在进化过程中种群的个体会不断被评估，交叉概率和变异概率会根据适应度值的大小实时调整以改变进化策略，当个体适应度较高时，使交叉概率pc、变异概率pm减小，反之增大，目的是为了让种群的进化方向能够朝着需要方向前进，使控制器参数得到优化进而获得更好的电-机械转换器的控制性能。
上述中的自适应交叉概率Pc为：
自适应变异概率Pm为：
式中，pc1、pc2为交叉概率的上下限；pm1、pm2为普通变异概率的上下限；f、favg、fmax的值在上步中已得到。
当遗传代数Gen达到设定值，或者遗传代数设置的较大，但是种群进化过程中发现适应度值不再发生剧烈的变化时，则可以结束AGA算法，全局收敛到一个最优解，即为电-机械转换器的控制器需要被优化的参数β01、β02、β03、kp1、ki1、kp2、ki2的最优值。
(2)将信号发生器输出步进电机式电-机械转换器的电机角位移信号θi(t)和位置传感器检测到的实际角位移信号θ(t)输入到位置闭环二阶自抗扰控制器中，控制器对它们的误差信号进行运算后输出角位移控制信号u1(t)。其表达式为：
其中，fhan＝(θ,ω,r,h0)为最速控制综合函数。
fal(e,α,δ)为非线性函数。
式中，α1、α2、α01、α02为位置闭环自抗扰控制器非线性因子；h0、h1、h2为位置自抗扰控制器滤波参数；θ11为输入的电机角位移信号θi(t)安排的过渡过程，ω是位置的微分信号既转速信号，
是电机转速信号安排的过渡过程，θ21、θ22、θ23分别是控制器对电-机械转换器转子位置、速度以及电机内外扰动总和的观测值；r为跟踪速度参数；β1、β2是非线性反馈系数，前者是步进电机位置跟踪误差的比例系数，后者是速度跟踪误差的反馈系数；β01、β02、β03是位置闭环自抗扰控制器对电机的位置信号、速度信号和扰动信号的观测值与实际值误差的校正增益系数；u是角位移控制信号，b0是位置补偿因子。
(3)位置闭环二阶自抗扰控制器输出的角位移控制信号u1(t)在输入的电机角位移信号θi(t)的前馈补偿下输出理论磁场角位移信号θm(t)，为防止步进电机失步，对理论磁场角位移信号加以限制以保证失调角在半个齿距角范围内。
(4)对磁场角位移进行电流分解，得到步进电机两相绕组的理论控制电流ia(t)、ib(t)，将其和电流传感器检测到的实际电流iaf(t)、ibf(t)比较产生的误差信号输入到PI控制器中，控制器运算后输出SPWM占空比信号，该信号通过控制驱动模块电路中的开关管和功率管的工作状态来控制绕组电流和其产生的旋转磁场，最终完成对电机转子转角位置的精确控制。
优选地，步骤1中pc1、pc2分别取为0.9和0.6；pm1、pm2分别取为0.1和0.01。
本发明以步进电机式电-机械转换器为例，提出了一种电-机械转换器控制器参数实时优化的自抗扰同步跟踪控制方法。在步进电机转子位置闭环用二阶自抗扰控制器替代了传统的PID控制器，考虑到二阶自抗扰控制器参数数目多，且参数之间又有耦合关系，整定过程繁复，故采用AGA来对自抗扰控制器参数在线优化，同时其还可以对绕组电流闭环PI控制器参数同步进行优化以获得更好的闭环反馈控制品质。
本发明不仅解决了传统PID控制的步进电机式电-机械转换器存在的分辨率和响应速度之间的矛盾，而且能有效抑制来自电-机械转换器内部电感、摩擦力以及外部负载突变带来的各种干扰，同时该算法根据自适应遗传算法的自动调节机制，能实时优化系统控制器参数，并且成功的提高了电-机械转换器的鲁棒性和抗扰动特性，使其控制效果得到较大的提升。
本发明与现有的技术相比具有以下几个优点：
1、本发明结合步进电机的控制原理、二阶自抗扰控制器的控制特性以及自适应遗传算法的优化机制，设计了步进电机式电-机械转换器参数实时优化自抗扰同步跟踪控制方法，对其设计步骤、设计方法做了详细描述，对跟踪微分器(TD)、扩张状态观测器(ESO)以及非线性状态反馈控制律(NLSEF)的各个参数作了详细描述，基于该算法的电-机械转换器控制器能够对电机系统的各状态变量和不确定性干扰进行实时的观测并进行反馈与补偿，极大的提高了电机控制系统的抗干扰能力，且应用AGA强大的全局优化能力，使ADRC控制器不局限于参数复杂而难以应用，极大提升了电机动态控制效果和鲁棒性。
2、本发明通过Matlab/Simulink环境结合大量仿真实验，将参数实时优化自抗扰同步跟踪控制算法和传统PID算法分别控制下的电--机械转换器的性能进行了对比研究，仿真及实验结果都表明该发明提出的方法在电机控制上的鲁棒性、动态性能和控制精度等方面都更为优异。
3、本发明方法简单，简化了电-机械转换器二阶自抗扰位置控制器参数整定的难度，还提高了电机系统的控制精度、鲁棒性、动态性能，且不需要系统精确的模型，具有很强的实用性和使用效果，便于推广。下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1是本发明的原理框图。
图2是本发明的自适应遗传算法工作原理图。
图3是本发明的二阶自抗扰位置控制器原理图。
具体实施方式
下面以二维伺服阀用两相混合式步进电机电-机械转换器为例，结合附图对本发明作进一步描述。
参照图1、图2、图3，一种基于遗传算法的步进电机式电-机械转换器的自抗扰控制方法，所述控制方法包括以下步骤：
(1)自适应遗传算法在线优化电-机械转换器控制器参数时，使用工程中应用最广泛的时间乘绝对误差积分准则作为目标函数J，做求J最小值的运算，当J最小时即可得到最优的控制器参数。其中的误差为电-机械转换器输出的转子角位移θ(t)与输入控制信号θi(t)的误差e，其反应了电-机械转换器被控过程的动态特性，该值越小，系统的控制效果越好。J的表达式如下：
AGA算法优化步进电机式电-机械转换器的过程如下：先设定遗传代数Gen、种群数N以及种群搜索范围。AGA对二阶自抗扰位置控制器和电流闭环PI控制器中的主要参数β01、β02、β03、kp1、ki1、kp2、ki2进行实数编码(β01、β02、β03是自抗扰控制器的误差校正增益系数，kp1、kp2是PI控制器的比例增益，ki1、ki2是PI控制器的积分增益)，然后设定取值范围，得到初始种群。在遗传算法的进化机制中，往往以适应度值大的个体作为优秀基因的评定标准，而上式目标函数J的运算是求最小值，若把J放在分母中作为子项来构造一个适应度函数F，就可以求出最大适应度对应的个体，也是最小的J和e对应的个体，对应个体编码值即是参数最优解。F的表达式如下：
ε取一个较小的实数即可，目的是避免除零运算。
先用F求出种群每个个体的适应度值feve，然后可得其中最大适应度值fmax，当代种群中平均适应度值favg及要交叉的两个体之间更大的适应度值f，这些值将在后续求自适应交叉、变异概率中用到。
用轮盘赌算法(个体被选中的概率与其适应度大小成正比)选择出当代种群中优良的个体，再根据自适应交叉概率Pc从选出的优良父代个体中再选两个体进行单点交叉，接着根据自适应变异概率Pm对交叉后的个体进行变异操作既可得到新一代种群。在进化过程中种群的个体会不断被评估，交叉概率和变异概率会根据适应度值的大小实时调整以改变进化策略，当个体适应度较高时，使交叉概率pc、变异概率pm减小，反之增大，目的是为了让种群的进化方向能够朝着需要方向前进，使控制器参数得到优化进而获得更好的电-机械转换器的控制性能。
上述中的自适应交叉概率Pc为：
自适应变异概率Pm为：
式中，pc1、pc2为交叉概率的上下限，一般取为0.9和0.6；pm1、pm2为普通变异概率的上下限，一般取为0.1和0.01；f、favg、fmax的值在上步中已得到。
当遗传代数Gen达到设定值，或者遗传代数设置的较大，但是种群进化过程中发现适应度值不再发生剧烈的变化时，则可以结束AGA算法，全局收敛到一个最优解，即为电-机械转换器的控制器需要被优化的参数β01、β02、β03、kp1、ki1、kp2、ki2的最优值。
(2)将信号发生器输出步进电机式电-机械转换器的电机角位移信号θi(t)和位置传感器检测到的实际角位移信号θ(t)输入到位置闭环二阶自抗扰控制器中，控制器对它们的误差信号进行运算后输出角位移控制信号u1(t)。其表达式为：
其中，fhan＝(θ,ω,r,h0)为最速控制综合函数。
fal(e,α,δ)为非线性函数。
式中，α1、α2、α01、α02为位置闭环自抗扰控制器非线性因子；h0、h1、h2为位置自抗扰控制器滤波参数；θ11为输入的电机角位移信号θi(t)安排的过渡过程，ω是位置的微分信号既转速信号，
是电机转速信号安排的过渡过程，θ21、θ22、θ23分别是控制器对电-机械转换器转子位置、速度以及电机内外扰动总和的观测值；r为跟踪速度参数；β1、β2是非线性反馈系数，前者是步进电机位置跟踪误差的比例系数，后者是速度跟踪误差的反馈系数；β01、β02、β03是位置闭环自抗扰控制器对电机的位置信号、速度信号和扰动信号的观测值与实际值误差的校正增益系数；u是角位移控制信号，b0是位置补偿因子。
(3)位置闭环二阶自抗扰控制器输出的角位移控制信号u1(t)在输入的电机角位移信号θi(t)的前馈补偿下输出理论磁场角位移信号θm(t)，为防止步进电机失步，对理论磁场角位移信号加以限制以保证失调角在半个齿距角范围内。
(4)对磁场角位移进行电流分解，得到步进电机两相绕组的理论控制电流ia(t)、ib(t)，将其和电流传感器检测到的实际电流iaf(t)、ibf(t)比较产生的误差信号输入到PI控制器中，控制器运算后输出SPWM占空比信号，该信号通过控制驱动模块电路中的开关管和功率管的工作状态来控制绕组电流和其产生的旋转磁场，最终完成对电机转子转角位置的精确控制。
在该发明提出的控制方法的控制下，步进电机电-机械转换器可以快速无失步地连续跟踪输入信号运动，阀芯可以在任意位置快速定位。同时，自抗扰控制器可对内外扰动实时估计并精确补偿，也提高了系统的抗扰能力和鲁棒性。
上述具体实施方式用来解释本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。
Claims (2)
1.电-机械转换器控制器的自抗扰同步跟踪控制方法，包括以下步骤：
(1)自适应遗传算法在线优化电-机械转换器控制器参数，其使用工程中应用最广泛的时间乘绝对误差积分准则作为目标函数J，做求J最小值的运算，当J最小时即可得到最优的控制器参数；其中的误差为电-机械转换器输出的转子角位移θ(t)与输入控制信号θi(t)的误差e，误差e能反应电-机械转换器被控过程的动态特性，该值越小，系统的控制效果越好；J的表达式如下：
AGA算法优化步进电机式电-机械转换器的过程如下：先设定遗传代数Gen、种群数N以及种群搜索范围；AGA对二阶自抗扰位置控制器和电流闭环PI控制器中的主要参数β01、β02、β03、kp1、kp2、ki1、ki2进行实数编码，β01、β02、β03是自抗扰控制器的误差校正增益系数，kp1、kp2是PI控制器的比例增益，ki1、ki2是PI控制器的积分增益，然后设定取值范围，得到初始种群；在遗传算法的进化机制中，往往以适应度值大的个体作为优秀基因的评定标准，而上式目标函数J的运算是求最小值，若把J放在分母中作为子项来构造一个适应度函数F，就可以求出最大适应度对应的个体，也是最小的J和e对应的个体，对应个体编码值即是参数最优解；F的表达式如下：
ε取一个较小的实数即可，目的是避免除零运算；
先用F求出种群每个个体的适应度值feve，然后可得其中最大适应度值fmax，当代种群中平均适应度值favg及要交叉的两个体之间更大的适应度值f，这些值将在后续求自适应交叉、变异概率中用到；
用轮盘赌算法选择出当代种群中优良的个体，再根据自适应交叉概率Pc从选出的优良父代个体中再选两个体进行单点交叉，接着根据自适应变异概率Pm对交叉后的个体进行变异操作既可得到新一代种群；在进化过程中种群的个体会不断被评估，交叉概率和变异概率会根据适应度值的大小实时调整以改变进化策略，当个体适应度较高时，使交叉概率pc、变异概率pm减小，反之增大，目的是为了让种群的进化方向能够朝着需要方向前进，使控制器参数得到优化进而获得更好的电-机械转换器的控制性能；
上述中的自适应交叉概率Pc为：
自适应变异概率Pm为：
式中，pc1、pc2为交叉概率的上下限；pm1、pm2为普通变异概率的上下限；
当遗传代数Gen达到设定值，或者遗传代数设置的较大，但是种群进化过程中发现适应度值不再发生剧烈的变化时，则可以结束AGA算法，全局收敛到一个最优解，即为电-机械转换器的控制器需要被优化的参数β01、β02、β03、kp1、ki1、kp2、ki2的最优值；
(2)将信号发生器输出步进电机式电-机械转换器的电机角位移信号θi(t)和位置传感器检测到的实际角位移信号θ(t)输入到位置闭环二阶自抗扰控制器中，控制器对它们的误差信号进行运算后输出角位移控制信号u1(t)；其表达式为：
其中，fhan＝(θ,ω,r,h0)为最速控制综合函数；
fal(e,α,δ)为非线性函数；
式中，α1、α2、α01、α02为位置闭环自抗扰控制器非线性因子；h0、h1、h2为位置自抗扰控制器滤波参数；θ11为输入的电机角位移信号θi(t)安排的过渡过程，ω是位置的微分信号既转速信号，
是电机转速信号安排的过渡过程，θ21、θ22、θ23分别是控制器对电-机械转换器转子位置、速度以及电机内外扰动总和的观测值；r为跟踪速度参数；β1、β2是非线性反馈系数，前者是步进电机位置跟踪误差的比例系数，后者是速度跟踪误差的反馈系数；β01、β02、β03是位置闭环自抗扰控制器对电机的位置信号、速度信号和扰动信号的观测值与实际值误差的校正增益系数；u是角位移控制信号，b0是位置补偿因子；
(3)位置闭环二阶自抗扰控制器输出的角位移控制信号u1(t)在输入的电机角位移信号θi(t)的前馈补偿下输出理论磁场角位移信号θm(t)，为防止步进电机失步，对理论磁场角位移信号加以限制以保证失调角在半个齿距角范围内；
(4)对磁场角位移进行电流分解，得到步进电机两相绕组的理论控制电流ia(t)、ib(t)，将其和电流传感器检测到的实际电流iaf(t)、ibf(t)比较产生的误差信号输入到PI控制器中，控制器运算后输出SPWM占空比信号，该信号通过控制驱动模块电路中的开关管和功率管的工作状态来控制绕组电流和其产生的旋转磁场，最终完成对电机转子转角位置的精确控制。
2.如权利要求1所述的电-机械转换器控制器的自抗扰同步跟踪控制方法，其特征在于：步骤1中pc1、pc2分别取为0.9和0.6；pm1、pm2分别取为0.1和0.01。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010969330.7A CN112242804B (zh) | 2020-09-15 | 2020-09-15 | 步进式电-机械转换器的自抗扰同步跟踪控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010969330.7A CN112242804B (zh) | 2020-09-15 | 2020-09-15 | 步进式电-机械转换器的自抗扰同步跟踪控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112242804A CN112242804A (zh) | 2021-01-19 |
| CN112242804B true CN112242804B (zh) | 2022-03-18 |
Family
ID=74170880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010969330.7A Active CN112242804B (zh) | 2020-09-15 | 2020-09-15 | 步进式电-机械转换器的自抗扰同步跟踪控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112242804B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113280107A (zh) * | 2021-05-21 | 2021-08-20 | 重庆军工产业集团有限公司 | 一种纯电动商用车电控机械式自动变速器换挡控制方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3787911B2 (ja) * | 1995-08-21 | 2006-06-21 | ソニー株式会社 | 画像信号の符号化／復号化装置 |
| CN102208891B (zh) * | 2010-11-18 | 2013-04-24 | 东南大学 | 基于摩擦和扰动补偿的pmsm伺服系统控制方法 |
| CN103970137A (zh) * | 2014-05-08 | 2014-08-06 | 北京理工大学 | 基于自抗扰的alv横向位移跟踪系统控制方法 |
| CN104376369B (zh) * | 2014-09-17 | 2017-10-10 | 广东工业大学 | 一种基于混合遗传算法的轮胎硫化车间能耗优化调度方法 |
| CN110429878B (zh) * | 2019-07-23 | 2021-07-27 | 浙江工业大学 | 一种步进电机式电-机械转换器的双自抗扰控制方法 |
-
2020
- 2020-09-15 CN CN202010969330.7A patent/CN112242804B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112242804A (zh) | 2021-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fei et al. | Fractional-order finite-time super-twisting sliding mode control of micro gyroscope based on double-loop fuzzy neural network | |
| CN109787531B (zh) | 一种开关磁阻轮毂电机预测控制方法 | |
| CN102208891A (zh) | 基于摩擦和扰动补偿的pmsm伺服系统控制方法 | |
| Li et al. | Active disturbance rejection position servo control of PMSLM based on reduced-order extended state observer | |
| CN112242804B (zh) | 步进式电-机械转换器的自抗扰同步跟踪控制方法 | |
| CN113904598B (zh) | 一种用于交流永磁同步电机的预测控制方法 | |
| CN113193809A (zh) | 一种改进二阶线性自抗扰的永磁同步电机控制方法 | |
| CN112187127B (zh) | 一种永磁同步电机控制方法 | |
| CN113364377A (zh) | 一种永磁同步电机自抗扰位置伺服控制方法 | |
| 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 | |
| CN110429878B (zh) | 一种步进电机式电-机械转换器的双自抗扰控制方法 | |
| 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 | |
| Zhan et al. | Model predictive and compensated ADRC for permanent magnet synchronous linear motors | |
| CN112737435A (zh) | 一种基于t-s模糊滑模控制的步进电机抗干扰系统 | |
| CN112039391A (zh) | 高压断路器电机驱动控制系统 | |
| CN114294461B (zh) | 一种智能阀门电动执行机构的控制系统构建方法 | |
| CN115085609B (zh) | 一种单绕组磁悬浮电机滑模系统控制方法 | |
| CN112737442B (zh) | 一种电动汽车eps用永磁电机复合控制器的构造方法 | |
| CN113691179B (zh) | 基于固定时间变幂次指数趋近律的永磁同步电机控制方法 | |
| Zhao et al. | Disturbance rejection enhancement of vector controlled PMSM using second-order nonlinear ADRC | |
| Ahmed et al. | New approach for position control of induction motor | |
| CN112821840A (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 | |
| Guo et al. | Optimization of fuzzy sliding mode controller with improved genetic algorithm | |
| Wu et al. | Research on multi-motor speed synchronous control based on mean coupling control | |
| Li et al. | Thrust Pulsation Control Strategy of Linear Switched Reluctance Motor Based on Fuzzy Control |
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 |