CN112769367B - 永磁直线电机数据驱动离散迭代积分滑模控制方法及系统 - Google Patents

永磁直线电机数据驱动离散迭代积分滑模控制方法及系统 Download PDF

Info

Publication number
CN112769367B
CN112769367B CN202110018284.7A CN202110018284A CN112769367B CN 112769367 B CN112769367 B CN 112769367B CN 202110018284 A CN202110018284 A CN 202110018284A CN 112769367 B CN112769367 B CN 112769367B
Authority
CN
China
Prior art keywords
iteration
permanent magnet
control
linear motor
magnet linear
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
Application number
CN202110018284.7A
Other languages
English (en)
Other versions
CN112769367A (zh
Inventor
侯明冬
韩耀振
潘为刚
杨仁明
胡冠山
李光叶
张允刚
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.)
Shandong Jiaotong University
Original Assignee
Shandong Jiaotong University
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 Shandong Jiaotong University filed Critical Shandong Jiaotong University
Priority to CN202110018284.7A priority Critical patent/CN112769367B/zh
Publication of CN112769367A publication Critical patent/CN112769367A/zh
Application granted granted Critical
Publication of CN112769367B publication Critical patent/CN112769367B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P23/0009—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using sliding mode control
    • 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
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P23/0022—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
    • 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
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0077—Characterised by the use of a particular software algorithm
    • 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
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/14—Estimation or adaptation of motor parameters, e.g. rotor time constant, flux, speed, current or voltage
    • 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
    • H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
    • H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
    • H02P25/06—Linear motors

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了永磁直线电机数据驱动离散迭代积分滑模控制方法及系统，包括：在存在外部扰动的情况下，基于所获取的目标永磁直线电机滑台的输出位移和控制电流，建立目标永磁直线电机的初始迭代数学模型；基于伪偏导数估计，计算对初始迭代数学模型进行改进，得到改进后的迭代数学模型；基于改进后的迭代数学模型，构建离散时间积分滑模控制器；构建离散时间积分滑模控制器对应的控制律；对所述控制律进行改进得到改进后的控制律；基于改进后的控制律，对目标永磁直线电机进行运行控制。

Description

永磁直线电机数据驱动离散迭代积分滑模控制方法及系统
技术领域
本申请涉及自动控制技术领域，特别是涉及永磁直线电机数据驱动离散迭代积分滑模控制方法及系统。
背景技术
本部分的陈述仅仅是提到了与本申请相关的背景技术，并不必然构成现有技术。
永磁直线电机具有大推力，高速和高精度等诸多优点，由电能向线性运动的转换过程不需要任何中间转换机构，已成功应用于工业领域。但是，永磁直线电机的控制性能可受到各种非线性因素的影响，非线性不确定性干扰的存在严重影响控制系统的性能。例如，永磁线性电动机会受到参数不确定、负载和摩擦的影响，这会导致其控制性能变差。因此，如何提高永磁直线电机的控制性能引起了国内外学者的关注。
近年来，为了解决永磁直线电机的控制问题，自适应控制、神经网络控制、滑模控制等方法被应用于永磁直线电机轨迹跟踪控制。滑模控制作为非线性鲁棒控制策略,在存在干扰的情况下，其控制器易于实现且鲁棒性强，已被广泛研究并成功应用于实际系统中。为了在采样数据系统上实现滑模控制，更优选离散滑模控制。而且，具有积分滑模面的离散滑模控制能够提供比传统比例滑模面更好的控制性能。目前大部分永磁直线电机的滑模控制方法都需要已知系统数学模型，然而，建立永磁直线电机可靠模型的过程非常繁重且难度大。
数据驱动建模是一种基于伪偏导数概念的离散非线性系统建模方法，伪偏导数的获取仅依赖于系统的输入输出实时数据，相应的控制器的设计也是仅依赖于系统的输入输出数据。数据驱动迭代学习控制与滑模控制相结合能够加快受控系统的收敛速度，并且不需要在线估计不确定性即可抵御不确定性和干扰的影响。目前，大部分的滑模迭代学习控制方案，均是利用迭代学习控制处理结构性不确定性，滑模控制用于处理非结构性不确定性。而且，滑模函数都是在时域中设计的，无法在迭代域中反映系统的动态行为。因此，基于数据驱动的永磁直线电机离散积分迭代滑模方案更具有实际的意义。
发明内容
为了解决现有技术的不足，本申请提供了永磁直线电机数据驱动离散迭代积分滑模控制方法及系统；解决了迭代动态线性化数据模型与迭代积分滑模控制的融合问题，并且使得永磁直线电机轨迹跟踪控制系统获得更高的控制精度。
第一方面，本申请提供了永磁直线电机数据驱动离散迭代积分滑模控制方法；
永磁直线电机数据驱动离散迭代积分滑模控制方法，包括：
在存在外部扰动的情况下，基于所获取的目标永磁直线电机滑台的输出位移和控制电流，建立目标永磁直线电机的初始迭代数学模型；
基于伪偏导数估计，计算对初始迭代数学模型进行改进，得到改进后的迭代数学模型；
基于改进后的迭代数学模型，构建离散时间积分滑模控制器；构建离散时间积分滑模控制器对应的控制律；
对所述控制律进行改进得到改进后的控制律；
基于改进后的控制律，对目标永磁直线电机进行运行控制。
第二方面，本申请提供了永磁直线电机数据驱动离散迭代积分滑模控制系统；
永磁直线电机数据驱动离散迭代积分滑模控制系统，包括：
模型建立模块，其被配置为：在存在外部扰动的情况下，基于所获取的目标永磁直线电机滑台的输出位移和控制电流，建立目标永磁直线电机的初始迭代数学模型；
模型改进模块，其被配置为：基于伪偏导数估计，计算对初始迭代数学模型进行改进，得到改进后的迭代数学模型；
控制器及控制律构建模块，其被配置为：基于改进后的迭代数学模型，构建离散时间积分滑模控制器；构建离散时间积分滑模控制器对应的控制律；
控制律改进模块，其被配置为：对所述控制律进行改进得到改进后的控制律；
运行控制模块，其被配置为：基于改进后的控制律，对目标永磁直线电机进行运行控制。
第三方面，本申请还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述第一方面所述的方法。
第四方面，本申请还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
第五方面，本申请还提供了一种计算机程序(产品)，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现前述第一方面任意一项的方法。
与现有技术相比，本申请的有益效果是：
考虑到永磁直线电机迭代数据模型的重要性和迭代积分滑模控制的优越性，本发明旨在设计一种新型数据驱动离散时间迭代积分滑模控制方法，用于永磁直线电机的位置控制。具体来说，首先基于迭代动态线性化技术获得永磁直线电机的迭代数据驱动模型。然后，基于永磁直线电机的迭代数据模型，设计参数自适应算法和离散迭代积分滑模控制律，并最终给出了闭环系统的稳定性证明。采用该方法大大简化了控制器设计过程，并具有很好的抗干扰能力。能够为滑模运动和闭环系统的稳态提供更高的控制精度。另外，所提出方法沿迭代方向设计离散积分滑动面，使得整个有限时间间隔内的跟踪精度更高。
本发明是一种永磁直线电机的数据驱动离散积分迭代滑模控制方法，其具体优点包括三个方面：其一，控制器设计仅取决于系统的输入和输出数据，是数据驱动控制方法；其二，实现了永磁直线电机的迭代数据模型与离散积分迭代滑模控制方法的有效融合；其三，所提出方法沿迭代方向设计离散积分滑动面，使得永磁直线电机控制系统在有限时间间隔内的跟踪精度更高。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为第一个实施例的方法流程图；
图2为第一个实施例的随机初始输出值；
图3为第一个实施例的三种相比较方法的跟踪性能曲线；
图4为第一个实施例的三种相比较方法的学习误差曲线。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例提供了永磁直线电机数据驱动离散迭代积分滑模控制方法；
如图1所示，永磁直线电机数据驱动离散迭代积分滑模控制方法，包括：
S101：在存在外部扰动的情况下，基于所获取的目标永磁直线电机滑台的输出位移和控制电流，建立目标永磁直线电机的初始迭代数学模型；
S102：基于伪偏导数估计，计算对初始迭代数学模型进行改进，得到改进后的迭代数学模型；
S103：基于改进后的迭代数学模型，构建离散时间积分滑模控制器；构建离散时间积分滑模控制器对应的控制律；
S104：对所述控制律进行改进得到改进后的控制律；
S105：基于改进后的控制律，对目标永磁直线电机进行运行控制。
作为一个或多个实施例，所述S101：在存在外部扰动的情况下，基于所获取的目标永磁直线电机滑台的输出位移和控制电流，建立目标永磁直线电机的初始迭代数学模型；具体包括：
Figure GDA0003701005860000061
其中，
Figure GDA0003701005860000062
表示第k次迭代的伪偏导数；yk(t+1)表示在t+1时刻，第k次输出位移迭代值；yk-1(t+1)表示在t+1时刻，第k-1次输出位移迭代值；Δuk(t)表示在t时刻，第k次控制电流迭代值与第k-1次控制电流迭代值的差。
应理解的，所述外部扰动，具体是指：参数不确定、负载和摩擦的情况。
作为一个或多个实施例，所述S102：基于伪偏导数估计，计算对初始迭代数学模型进行改进，得到改进后的迭代数学模型；具体包括：
Figure GDA0003701005860000063
当
Figure GDA0003701005860000064
或|Δuk-1(t)|≤ε时，
Figure GDA0003701005860000065
其中，η∈(0,1]，ε为正常数，
Figure GDA0003701005860000066
是
Figure GDA0003701005860000067
的迭代初始值，
Figure GDA0003701005860000068
是
Figure GDA0003701005860000069
的估计值，
Figure GDA00037010058600000610
是
Figure GDA00037010058600000611
的估计值，
Figure GDA00037010058600000612
表示第k-1次迭代的伪偏导数；Δuk-1(t)表示在t时刻，第k-1次控制电流迭代值与第k-2次控制电流迭代值的差；Δyk-1(t+1)表示在t+1时刻，第k-1次输出位移迭代值与第k-2次输出位移迭代值的差；Δuk-1(t)表示在t时刻，第k-1次控制电流迭代值与第k-2次控制电流迭代值的差；μ＞0为步长参数。
作为一个或多个实施例，所述S103：基于改进后的迭代数学模型，构建离散时间积分滑模控制器；
Figure GDA0003701005860000071
其中，sk(t+1)表示离散时间积分滑模控制器；ek(t+1)表示系统位移输出误差；Ek(t)表示t时刻沿迭代轴的误差积分项；yr(t+1)表示在t+1时刻输出位移期望值；yk-1(t+1)表示在t+1时刻，第k-1次输出位移迭代值；λ1表示权重；λ2表示权重。
作为一个或多个实施例，所述S103：构建离散时间积分滑模控制器对应的控制律；具体包括：
Figure GDA0003701005860000072
其中，
Figure GDA0003701005860000073
表示滑模控制的等效控制项，sk(t)表示t时刻离散时间积分滑模控制器。
作为一个或多个实施例，所述S104：对所述控制律进行改进得到改进后的控制律；具体包括：
采用式(18)所示的饱和函数取代离散时间积分滑模控制器对应的控制律中的符号函数：
Figure GDA0003701005860000074
其中sat(·)表示饱和函数。
基于迭代动态线性化数据模型的离散积分滑模控制方法，其方法步骤如下：
步骤一：建立永磁直线电机迭代数据模型
对于永磁直线电机，数学模型通常描述为如下二阶系统：
Figure GDA0003701005860000075
Figure GDA0003701005860000081
y(t)＝x1(t) (1-3)
其中x1(t)和y(t)是动子线性位移，x2(t)是动子线速度，
Figure GDA0003701005860000082
是动子线位移的导数，
Figure GDA0003701005860000083
是动子线速度的导数，u(t)是电流控制信号，R是电阻，m是电机质量，kf是力常数,ke是反电动势。d(t)是外部扰动，包括摩擦力和波纹力。
为简洁起见，令
Figure GDA0003701005860000084
则公式(1-1)、(1-2)和(1-3)被重写为：
Figure GDA0003701005860000085
Figure GDA0003701005860000086
y(t)＝x1(t)； (2-3)
公式(2-1)、(2-2)和(2-3)被重写为:
Figure GDA0003701005860000087
为了使系统离散化，x1k(t)，uk(t)和Dk(t)用于表示时间为t且迭代次数为k时的动子线性位移、控制电流输入和外部不确定扰动。因此，永磁直线电机动力学可以转换为以下形式:
Figure GDA0003701005860000088
定义系统输出位移为
Figure GDA0003701005860000089
则式(4)描述为：
Figure GDA00037010058600000810
其中
Figure GDA00037010058600000811
表示输出位移yk(t)的导数，当离散系统的采样时间T足够小时，存在
Figure GDA00037010058600000812
时刻为t的第k次迭代时的永磁直线电机离散系统可以表示为
Figure GDA0003701005860000091
其中f(·)表示永磁直线电机系统函数表达式。
在式(7)中注意到，永磁直线电机的动力学被转换成关于输入的输出方程，式(7)是具有迭代轴的离散时间方程。因此，为方便进一步线性化。对于以上系统，提出以下两个假设。
假设1:f(·)关于uk(t)的偏导数是连续的。
假设2:系统(7)满足广义Lipschitz条件，即对任意的k和t，如果|Δuk(t)|≠0有
|Δyk(t+1)|≤H|Δuk(t)| (8)
其中Δuk(t)＝uk(t)-uk-1(t)表示在t时刻，第k次控制电流迭代值与第k-1次控制电流迭代值的差，Δyk(t+1)＝yk(t+1)-yk-1(t+1)表示在t+1时刻，第k次输出位移迭代值与第k-1次输出位移迭代值的差，H是一个正常数。
由式(7)可得
Figure GDA0003701005860000092
根据假设1和微分中值定理，式(9)重写为：
Figure GDA0003701005860000093
其中
Figure GDA0003701005860000094
表示f(·)关于uk(t)的偏导数在uk(t)和uk-1(t)之间某一点处的值；
ζk(t)表示为：
ζk(t)＝[(1-Ta)yk(t)+Tbuk-1(t)-TDk(t)]-[(1-Ta)yk-1(t)+Tbuk-1(t)-TDk-1(t)]
由于Δuk(t)≠0，可知ζk(t)＝ηk(t)Δuk(t)，一定存在解
Figure GDA0003701005860000095
令
Figure GDA0003701005860000101
因此，式(10)可写为
Figure GDA0003701005860000102
Figure GDA0003701005860000103
被称为第k次迭代的伪偏导数。
步骤二：拟伪偏导数估计
由于式(12)中的伪偏导数
Figure GDA0003701005860000104
未知且迭代变化，因此，构造了一种改进的投影算法来对其进行估计，如下所示：
Figure GDA0003701005860000105
其中
Figure GDA0003701005860000106
表示最优化指标函数，
Figure GDA0003701005860000107
是
Figure GDA0003701005860000108
的估计值，μ＞0为步长参数。
由式(12)和式(13)，根据最优条件可得伪偏导数的估计算法：
Figure GDA0003701005860000109
当
Figure GDA00037010058600001010
或|Δuk-1(t)|≤ε时，
Figure GDA00037010058600001011
其中η∈(0,1]，ε为正常数，
Figure GDA00037010058600001012
是
Figure GDA00037010058600001013
的迭代初始值。
式(15)为
Figure GDA00037010058600001014
的重置算法，引入式(15)的目的是为了使得估计算法式(14)具有更强的对时变参数的跟踪能力。
步骤三：控制器设计
设计一种离散时间迭代积分滑模控制律，以提高系统输出跟踪误差的准确性。定义输出跟踪误差如下：
ek(t)＝yr(t)-yk(t) (16)
其中yr(t)是期望输出，ek(t)是系统位移输出误差。
比例积分(PI)类型的离散滑模函数定义如下：
sk(t)＝λ1ek(t)+λ2Ek(t-1) (17)
其中λ1＞0，λ2＞0，sk(t)表示滑模函数，Ek(t-1)表示t-1时刻沿迭代轴的误差积分项，且表示为：
Figure GDA0003701005860000111
由式(14)、(16)、(17)及(18)可知
Figure GDA0003701005860000112
基于以下趋近律设计DISMC控制策略：
sk(t+1)-sk(t)＝0 (20)
由式(19)和式(20)，可得：
Figure GDA0003701005860000113
因此，得出了基于等效控制的离散时间SMC律，如下所示：
Figure GDA0003701005860000114
其中
Figure GDA0003701005860000115
表示滑模控制的等效控制项。
如果系统的初始状态不在滑模面上，或者在滑动相位运动期间出现外部干扰，则独立的等效控制不能驱动系统的轨迹到滑模面。因此，为了提高控制器的鲁棒性，设计鲁棒控制器，具体地说，等效控制用不连续的切换控制动作增强，通过克服干扰来确保控制系统的鲁棒性。切换控制设计如下：
Figure GDA0003701005860000116
其中
Figure GDA0003701005860000117
滑模控制的切换控制项，λs是切换控制增益，且应满足1＞λs＞0，sgn(·)表示符号函数。
将等效控制
Figure GDA0003701005860000118
与切换控制
Figure GDA0003701005860000119
组合给出总控制律：
Figure GDA00037010058600001110
即
Figure GDA00037010058600001111
由于符号函数sgn(·)的不连续性，控制动作中可能会发生抖动。为了减轻抖振现象，采用式(26)所示的饱和函数取代式(25)中的符号函数。
Figure GDA0003701005860000121
其中sat(·)表示饱和函数，σ＞0，然而，当|sk(t)|＜σ时，控制方案的鲁棒性将会丢失。因此，在实际中，参数σ的调整应该在抑制抖动效应和鲁棒性之间做出折中选择。
步骤四：稳定性分析
这一步证明所设计控制系统的稳定性。
定理1满足假设1-2的非线性系统如式(1)所示，如果期望信号yr(t+1)有界，时变参数φk(t)采用算法(14)和(15)估计，采用控制律(25)，则离散滑模运动将在有限数量的步骤内达到准滑动模态。
选择Lyapunov候选函数如下：
Figure GDA0003701005860000122
由Vk(t)的定义有Vk(t)＞0成立，当
Figure GDA0003701005860000123
时，任何初始状态都趋向于切换面sk(t)，即收敛的条件为|sk+1(t)|＜|sk(t)|，由以下公式可知
Figure GDA0003701005860000124
因此，当sk(t)＞0时，由式(28)得
Figure GDA0003701005860000125
其中λsmax表示λs的最大值。
同理，当sk(t)＜0时，可知
Figure GDA0003701005860000131
考虑式(29)和式(30),可得
|sk+1(t)|＜|sk(t)| (31)
因此，离散滑模运动将在有限数量的步骤内达到准滑动模态。也就意味着在式(17)作用下，系统的跟踪误差能够收敛到零的邻域内，即ek(t)是有界的。
步骤五：轨迹跟踪分析与参数调节
这一步检验系统跟踪性能是否满足设计要求，借助于常用的数值计算和控制系统仿真工具Matlab R2016b进行。
针对实际永磁直线电机模型,将所提出方法与数据驱动优化迭代学习控制(DataDriven Optimal Iterative Learning Control,DDOILC)方法和增强型DDOILC(EnhanceDDOILC,EDDOILC)方法进行对比实验研究，验证所提出方法的实际应用性能.仿真研究中,所给出的仿真系统模型仅用于产生I/O数据，并未参与控制器设计。
对于永磁直线电机模型，数学模型通常描述为如下二阶系统：
Figure GDA0003701005860000132
其中x1(t)和y(t)是动子线性位移，x2(t)是动子线速度，u(t)是控制电流信号，R是电阻，m是电机质量，kf是力常数,ke是反电动势。d(t)是外部扰动，包括摩擦力和波纹力。
表I中列出了仿真中考虑的永磁直线电机系统参数。扰动由摩擦力和推力波动两部分组成。具体来说，令
d＝Ffric+Fripple (33)
其中Ffric是摩擦力，Fripple是推力波动，摩擦力Ffric定义为
Figure GDA0003701005860000141
其中fc＝10N是库仑摩擦系数,fs＝20N是库仑摩擦系数,
Figure GDA0003701005860000142
润滑剂参数。推力波动Fripple为:
Ffipple＝A1sin(ωx)+A2sin(3ωx)+A3sin(5ωx) (35)
其中A1＝8.5,A2＝4.25,A3＝2.0,ω＝314rad/s。
表I
Figure GDA0003701005860000143
为了实现永磁直线电机位置跟踪控制，采样周期T选择为0.005s。期望的位置选择幅值为5mm的正弦信号yd(t)＝5sin(πt/10)。每次迭代的初始位置在[0,0.5]范围内取随机值，如图2所示。为了相对公平的进行比较验证，反复测试了所提出算法,DDOILC算法及eDDOILC算法的控制参数，以期获得最佳的控制性能。应用三种相比较方法的永磁直线电机模型位移响应曲线及跟踪误差曲线分别如图3和图4所示。
所提出算法的仿真参数为η＝1，μ＝1，λ1＝10，λ2＝1，λs＝0.0001。DDOILC算法如式(36)所示，仿真参数设置为λ＝0.5×10-4，ρ＝2，η＝1.6，μ＝1。
Figure GDA0003701005860000144
eDDOILC的仿真参数选择为λ＝8，β＝1，η＝1，μ＝1，迭代更新控制算法如式(37)所示，
Figure GDA0003701005860000145
由图3可以看出,三种相比较方法均能较好的跟踪期望轨迹，图中局部放大曲线表明所提出方法的跟踪精度更高。图4给出了三种方法的学习误差曲线，由图4中局部放大曲线可见，所提出方法的学习误差收敛速度优于DDOILC方法和eDDOILC方法，且跟踪误差精度优于DDOILC方法。
整个设计过程重点考虑了控制器设计的简便性、稳定性和位置跟踪的快速精确性。针对所考虑问题，首先在上述第一步给出了迭代动态线性化数据模型；第二步重点给出了拟伪偏导数的估计算法；第三步设计了基于迭代动态线性化数据模型的离散积分滑模控制方法；第四步介绍了闭环系统轨迹跟踪稳定性分析；经上述步骤后，设计结束。
实施例二
本实施例提供了永磁直线电机数据驱动离散迭代积分滑模控制系统；
永磁直线电机数据驱动离散迭代积分滑模控制系统，包括：
模型建立模块，其被配置为：在存在外部扰动的情况下，基于所获取的目标永磁直线电机滑台的输出位移和控制电流，建立目标永磁直线电机的初始迭代数学模型；
模型改进模块，其被配置为：基于伪偏导数估计，计算对初始迭代数学模型进行改进，得到改进后的迭代数学模型；
控制器及控制律构建模块，其被配置为：基于改进后的迭代数学模型，构建离散时间积分滑模控制器；构建离散时间积分滑模控制器对应的控制律；
控制律改进模块，其被配置为：对所述控制律进行改进得到改进后的控制律；
运行控制模块，其被配置为：基于改进后的控制律，对目标永磁直线电机进行运行控制。
此处需要说明的是，上述模型建立模块、模型改进模块、控制器及控制律构建模块、控制律改进模块和运行控制模块对应于实施例一中的步骤S101至步骤S105；上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
上述实施例中对各个实施例的描述各有侧重，某个实施例中没有详述的部分可以参见其他实施例的相关描述。
所提出的系统，可以通过其他的方式实现。例如以上所描述的系统实施例仅仅是示意性的，例如上述模块的划分，仅仅为一种逻辑功能划分，实际实现时，可以有另外的划分方式，例如多个模块可以结合或者可以集成到另外一个系统，或一些特征可以忽略，或不执行。
实施例三
本实施例还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述实施例一所述的方法。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元及算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
实施例四
本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一所述的方法。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (9)

1.永磁直线电机数据驱动离散迭代积分滑模控制方法，其特征是，包括：
在存在外部扰动的情况下，基于所获取的目标永磁直线电机滑台的输出位移和控制电流，建立目标永磁直线电机的初始迭代数学模型；
基于伪偏导数估计，计算对初始迭代数学模型进行改进，得到改进后的迭代数学模型；基于改进后的迭代数学模型，构建离散时间积分滑模控制器；
Figure FDA0003753091400000011
其中，sk(t+1)表示离散时间积分滑模控制器；ek(t+1)表示系统位移输出误差；Ek(t)表示t时刻沿迭代轴的误差积分项；yr(t+1)表示在t+1时刻输出位移期望值；yk-1(t+1)表示在t+1时刻，第k-1次输出位移迭代值；λ1表示权重；λ2表示权重；构建离散时间积分滑模控制器对应的控制律；
对所述控制律进行改进得到改进后的控制律；
基于改进后的控制律，对目标永磁直线电机进行运行控制。
2.如权利要求1所述的永磁直线电机数据驱动离散迭代积分滑模控制方法，其特征是，在存在外部扰动的情况下，基于所获取的目标永磁直线电机滑台的输出位移和控制电流，建立目标永磁直线电机的初始迭代数学模型；具体包括：
Figure FDA0003753091400000012
其中，
Figure FDA0003753091400000013
表示第k次迭代的伪偏导数；yk(t+1)表示在t+1时刻，第k次输出位移迭代值；yk-1(t+1)表示在t+1时刻，第k-1次输出位移迭代值；Δuk(t)表示在t时刻，第k次控制电流迭代值与第k-1次控制电流迭代值的差。
3.如权利要求1所述的永磁直线电机数据驱动离散迭代积分滑模控制方法，其特征是，基于伪偏导数估计，计算对初始迭代数学模型进行改进，得到改进后的迭代数学模型；具体包括：
Figure FDA0003753091400000021
当
Figure FDA0003753091400000022
或|Δuk-1(t)|≤ε时，
Figure FDA0003753091400000023
其中，η∈(0,1]，ε为正常数，
Figure FDA0003753091400000024
是
Figure FDA0003753091400000025
的迭代初始值，
Figure FDA0003753091400000026
是
Figure FDA0003753091400000027
的估计值，
Figure FDA0003753091400000028
是
Figure FDA0003753091400000029
的估计值，
Figure FDA00037530914000000210
表示第k-1次迭代的伪偏导数；Δuk-1(t)表示在t时刻，第k-1次控制电流迭代值与第k-2次控制电流迭代值的差；Δyk-1(t+1)表示在t+1时刻，第k-1次输出位移迭代值与第k-2次输出位移迭代值的差；Δuk-1(t)表示在t时刻，第k-1次控制电流迭代值与第k-2次控制电流迭代值的差；μ＞0为步长参数。
4.如权利要求1所述的永磁直线电机数据驱动离散迭代积分滑模控制方法，其特征是，构建离散时间积分滑模控制器对应的控制律；具体包括：
Figure FDA00037530914000000211
其中，
Figure FDA00037530914000000212
表示滑模控制的等效控制项，sk(t)表示t时刻离散时间积分滑模控制器。
5.如权利要求1所述的永磁直线电机数据驱动离散迭代积分滑模控制方法，其特征是，对所述控制律进行改进得到改进后的控制律；具体包括：
采用饱和函数取代离散时间积分滑模控制器对应的控制律中的符号函数：
Figure FDA00037530914000000213
其中sat(·)表示饱和函数；将等效控制
Figure FDA00037530914000000214
与切换控制
Figure FDA00037530914000000215
组合给出总控制律：
Figure FDA00037530914000000216
即
Figure FDA00037530914000000217
6.永磁直线电机数据驱动离散迭代积分滑模控制系统，其特征是，包括：
模型建立模块，其被配置为：在存在外部扰动的情况下，基于所获取的目标永磁直线电机滑台的输出位移和控制电流，建立目标永磁直线电机的初始迭代数学模型；
模型改进模块，其被配置为：基于伪偏导数估计，计算对初始迭代数学模型进行改进，得到改进后的迭代数学模型；
控制器及控制律构建模块，其被配置为：基于改进后的迭代数学模型，构建离散时间积分滑模控制器；
Figure FDA0003753091400000031
其中，sk(t+1)表示离散时间积分滑模控制器；ek(t+1)表示系统位移输出误差；Ek(t)表示t时刻沿迭代轴的误差积分项；yr(t+1)表示在t+1时刻输出位移期望值，yk-1(t+1)表示在t+1时刻；第k-1次输出位移迭代值，λ1表示权重；λ2表示权重；构建离散时间积分滑模控制器对应的控制律；
控制律改进模块，其被配置为：对所述控制律进行改进得到改进后的控制律；
运行控制模块，其被配置为：基于改进后的控制律，对目标永磁直线电机进行运行控制。
7.如权利要求6所述的永磁直线电机数据驱动离散迭代积分滑模控制系统，其特征是，在存在外部扰动的情况下，基于所获取的目标永磁直线电机滑台的输出位移和控制电流，建立目标永磁直线电机的初始迭代数学模型；具体包括：
Figure FDA0003753091400000032
其中，
Figure FDA0003753091400000033
表示第k次迭代的伪偏导数；yk(t+1)表示在t+1时刻，第k次输出位移迭代值；yk-1(t+1)表示在t+1时刻，第k-1次输出位移迭代值；Δuk(t)表示在t时刻，第k次控制电流迭代值与第k-1次控制电流迭代值的差。
8.一种电子设备，其特征是，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述权利要求1-5任一项所述的方法。
9.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-5任一项所述的方法。
CN202110018284.7A 2021-01-07 2021-01-07 永磁直线电机数据驱动离散迭代积分滑模控制方法及系统 Active CN112769367B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110018284.7A CN112769367B (zh) 2021-01-07 2021-01-07 永磁直线电机数据驱动离散迭代积分滑模控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110018284.7A CN112769367B (zh) 2021-01-07 2021-01-07 永磁直线电机数据驱动离散迭代积分滑模控制方法及系统

Publications (2)

Publication Number Publication Date
CN112769367A CN112769367A (zh) 2021-05-07
CN112769367B true CN112769367B (zh) 2022-08-26

Family

ID=75700658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110018284.7A Active CN112769367B (zh) 2021-01-07 2021-01-07 永磁直线电机数据驱动离散迭代积分滑模控制方法及系统

Country Status (1)

Country Link
CN (1) CN112769367B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114077197B (zh) * 2022-01-05 2022-04-22 季华实验室 基于全形式动态线性化的数据驱动积分滑模约束控制方法
CN114859729A (zh) * 2022-05-13 2022-08-05 中国第一汽车股份有限公司 一种控制方法、装置、设备以及存储介质
CN116339155B (zh) * 2023-05-25 2023-08-15 华东交通大学 高速动车组数据驱动积分滑模控制方法、系统及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106597851A (zh) * 2016-12-15 2017-04-26 南京航空航天大学 一种小型无人机飞控系统的鲁棒容错控制方法
CN107070341A (zh) * 2017-03-24 2017-08-18 中国科学院长春光学精密机械与物理研究所 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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102710212A (zh) * 2012-06-11 2012-10-03 桂林电子科技大学 永磁同步直线电机改进的迭代学习控制方法与控制系统
CN103699131B (zh) * 2013-12-26 2016-05-04 北京控制工程研究所 一种卫星控制系统离散积分滑模容错控制方法
US11403554B2 (en) * 2018-01-31 2022-08-02 The Johns Hopkins University Method and apparatus for providing efficient testing of systems by using artificial intelligence tools
CN110083059B (zh) * 2019-04-01 2022-04-22 河海大学常州校区 一种离散时间滑模的非完整机器人镇定控制方法
WO2020258202A1 (zh) * 2019-06-28 2020-12-30 瑞声声学科技(深圳)有限公司 马达参数追踪方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106597851A (zh) * 2016-12-15 2017-04-26 南京航空航天大学 一种小型无人机飞控系统的鲁棒容错控制方法
CN107070341A (zh) * 2017-03-24 2017-08-18 中国科学院长春光学精密机械与物理研究所 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

Also Published As

Publication number Publication date
CN112769367A (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
CN112769367B (zh) 永磁直线电机数据驱动离散迭代积分滑模控制方法及系统
Wang et al. Parameter estimation and adaptive control for servo mechanisms with friction compensation
Huang et al. Adaptive iterative learning control for high-speed train: A multi-agent approach
Shahnazi et al. Position control of induction and DC servomotors: a novel adaptive fuzzy PI sliding mode control
Na et al. Unknown dynamics estimator-based output-feedback control for nonlinear pure-feedback systems
Castaneda et al. Discrete-time neural sliding-mode block control for a DC motor with controlled flux
Liu et al. Adaptive neural network control for a DC motor system with dead-zone
Jon et al. Adaptive robust speed control based on recurrent elman neural network for sensorless PMSM servo drives
Huang et al. Control of rotary inverted pendulum using model-free backstepping technique
Salgado et al. Control of discrete time systems based on recurrent super-twisting-like algorithm
Li et al. Position tracking control for permanent magnet linear motor via fast nonsingular terminal sliding mode control
Lin et al. Intelligent sliding-mode position control using recurrent wavelet fuzzy neural network for electrical power steering system
Chen et al. Self-adaptive interval type-2 neural fuzzy network control for PMLSM drives
CN112769368B (zh) 基于分数阶滑模控制器的永磁直流电机控制方法及系统
CN104199294A (zh) 电机伺服系统双神经网络摩擦补偿和有限时间协同控制方法
Li et al. Adaptive tracking control for networked control systems of intelligent vehicle
Pezeshki et al. Control of overhead crane system using adaptive model-free and adaptive fuzzy sliding mode controllers
Ali et al. Adaptive FIT-SMC approach for an anthropomorphic manipulator with robust exact differentiator and neural network-based friction compensation
Hsu et al. Intelligent nonsingular terminal sliding-mode control via perturbed fuzzy neural network
Xie et al. Sliding-mode disturbance observer-based control for fractional-order system with unknown disturbances
Crassidis et al. A model-free control algorithm derived using the sliding mode control method
CN117193001B (zh) 一种基于积分强化学习的双曲趋近律滑模控制方法
Wu et al. Characteristic modeling and control of servo systems with backlash and friction
CN113067504B (zh) 一种永磁线性马达的数据驱动快速终端滑模控制方法
Zhang et al. Integral terminal sliding mode control for a class of nonaffine nonlinear systems with uncertainty

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