CN113659894B - 基于指令滤波的异步电动机随机有限时间模糊自适应控制方法 - Google Patents
基于指令滤波的异步电动机随机有限时间模糊自适应控制方法 Download PDFInfo
- Publication number
- CN113659894B CN113659894B CN202110848851.1A CN202110848851A CN113659894B CN 113659894 B CN113659894 B CN 113659894B CN 202110848851 A CN202110848851 A CN 202110848851A CN 113659894 B CN113659894 B CN 113659894B
- Authority
- CN
- China
- Prior art keywords
- function
- random
- asynchronous motor
- error
- inequality
- 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 73
- 238000001914 filtration Methods 0.000 title claims abstract description 54
- 238000013461 design Methods 0.000 claims abstract description 25
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 30
- 230000004907 flux Effects 0.000 claims description 17
- 238000013178 mathematical model Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 238000004088 simulation Methods 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000009795 derivation Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004880 explosion Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000004804 winding Methods 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
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/001—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using fuzzy 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
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0017—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
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/05—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation specially adapted for damping motor oscillations, e.g. for reducing hunting
-
- 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
-
- 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
- H02P27/00—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage
- H02P27/04—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage
- H02P27/06—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters
- H02P27/08—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters with pulse width modulation
-
- 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
- H02P2207/00—Indexing scheme relating to controlling arrangements characterised by the type of motor
- H02P2207/01—Asynchronous machines
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于指令滤波的异步电动机随机有限时间模糊自适应控制方法。该方法针对异步电动机随机系统的控制精度要求以及存在的随机扰动和非线性问题,设计模糊自适应反步控制器实现对目标位置的跟踪,利用模糊自适应技术逼近模型中的随机非线性函数,采用指令滤波技术解决传统反步法中由于对虚拟控制函数反复求导产生的计算复杂问题,将有限时间控制方法与指令滤波技术相结合,提高了异步电动机随机系统的收敛速度以及抗干扰能力。通过仿真实验,证实了本发明方法能够使异步电动机随机系统快速跟踪期望信号,同时克服随机扰动的影响。
Description
技术领域
本发明属于异步电动机位置跟踪控制技术领域,涉及一种基于指令滤波的异步电动机随 机有限时间模糊自适应控制方法。
背景技术
近年来,异步电动机凭借其结构简单、效率高、使用寿命长和实际运用性强等特点,在 农业和工业等领域有着极为广泛的运用。然而,异步电动机系统是一个高度非线性、强耦合、 多变量的系统,并且在实际运用中异步电动机系统会被一些不确定的因素所干扰,例如参数 不确定以及负载扰动等。为了解决这些问题,相关科技工作者提出了一些非线性控制方法并 取得了较好的成效,例如反步控制、滑模控制、鲁棒控制等先进的控制技术。
然而,上述控制方法很少考虑异步电动机实际运行中存在的随机扰动问题。在工业实际 应用中,异步电动机系统存在随机扰动,例如电压随机浪涌、电动机温度变化等;并且阻尼 转矩、扭转弹性转矩以及磁路饱和等会使电动机转矩、自感互感以及绕组电阻等参数发生变 化,这些随机问题的存在会对异步电动机系统的各项控制性能产生不利影响。因此,考虑异 步电动机运行过程中的随机扰动问题对于提高异步电动机系统的性能是非常有必要的。
在另一个前端研究领域,作为先进控制方法的自适应反步法已成功运用到了异步电动机 驱动系统中,并取得了较好的控制效果,但反步法存在的缺点主要体现在某些驱动系统的某 些函数必须是线性的以及复杂的计算爆炸问题。上述问题的存在对异步电动机驱动系统的使 用具有较大的局限性。其中,针对某些驱动系统的功能必须是线性的的问题,现有技术已经 提出近似理论来解决,例如模糊逻辑系统(FLS)或神经网络(NN);针对复杂的计算爆炸 问题,现有技术已经提出动态面控制(DSC)方法来解决,并取得了显著成效。然而,在使 用动态面控制方法时会存在滤波误差,并且此误差无法消除,这将影响控制效果。
发明内容
本发明的目的在于提出一种基于指令滤波的异步电动机随机有限时间模糊自适应控制方 法,该方法在充分考虑随机扰动的情况下,能够使异步电动机系统快速跟踪期望信号。
本发明为了实现上述目的,采用如下技术方案:
基于指令滤波的异步电动机随机有限时间模糊自适应控制方法,包括如下步骤:
步骤1.建立异步电动机的d-q坐标轴动态数学模型,如公式(1)所示:
其中,θ为转子角位置,ω为转子角速度,J为转动惯量,Lm为互感,TL为负载转矩,/>为转子磁链,np为极对数,Ls为定子漏感,Lr为转子漏感,id为d轴定子电 流,iq为q轴定子电流,Rs为定子等效电阻,Rr为转子等效电阻,ud为d轴定子电压,uq为 q轴定子电压;为了简化上述动态数学模型,将各变量重新定义如下:
异步电动机的随机系统表示为:dx=f(x)dt+h(x)dw;
其中,x∈Rn是系统状态变量,w为独立增量随机过程;f(·):Rn→Rn和h(·):Rn→Rn ×r是在x上的局部Lipschitz函数,且f(·)的初始值f(0)=0和h(·)的初始值h(0)=0;Rn、Rn×r表示实数向量集,上标n、n×r均为实数向量集的维数;
考虑到系统的随机扰动问题,则异步电动机随机系统的模型表示如下:
其中,ψ1、ψ2、ψ3、ψ4、ψ5均表示未知的光滑非线性函数;
步骤2.根据指令滤波技术和自适应反步法原理,设计一种基于指令滤波的异步电动机随 机有限时间模糊自适应控制方法,其控制目标是:
设计q轴定子电压uq和d轴定子电压ud为真实控制律,使得异步电动机的位置信号x1和 磁链信号x4分别跟踪期望的位置信号x1d和期望的磁链信号x4d;
假设f(Z)在紧集Ωz中是一个连续的函数,对于任意的常数ε>0,总是有一个模糊逻辑 系统WTS(Z)满足:输入向量/>q是模糊输入维数,Rq为实数向量集;W∈Rn是模糊权向量,模糊节点数n为正整数,且n>1;
S(Z)=[s1(Z),...,sn(Z)]T∈Rn为基函数向量,sm(Z)为高斯函数,sm(Z)的表达式为:
其中,μm是高斯函数分布曲线的中心位置,ηm为高斯函数的宽度;
其中,均为指令滤波器的输出信号,ωn为滤波器系数,虚拟控制函数 α1为指令滤波器的输入信号。如果α1满足/>和/>其中,ρ1和ρ2均为正数,且其中/>为/>的初始值,/>为/>的初始值,α1(0)为α1的初始值,则对于任意的μ>0,存在ωn>0,ζ∈(0,1],从而使/>
其中,R+表示正实数,|x|表示x的绝对值,n11和n22为k∞类函数,a0>0,b0>0且0<β<1;
构造紧集Ωx={x|E[Vβ(x)]≤b0/(1-φ3)a0};其中,E[Vβ(x)]表示期望值,0<φ3<1;
当时间大于收敛时间Tr=(1/φ3a0(1-β))[E[V1-β(x0)]-(b0/(1-φ3)a0)(1-β)/β]时,其中,初 始状态x0=[x1(0),x2(0),...,x5(0)],紧集Ωx是有界的,则随机非线性系统满足半全局实际有 限时间稳定;
其中,Tr表示收敛时间,x0表示系统的初始状态,x1(0),x2(0),...,x5(0)表示x1,x2,x3,x4,x5的初始值,E[V1-β(x0)]表示期望值;
步骤2.1.基于异步电动机随机系统模型,设计如下的基于指令滤波的有限时间模糊自适 应反步控制器:根据反步法原理,定义系统误差变量如下:
其中,zi表示跟踪误差变量,vi表示补偿误差变量,x1d和x4d分别为给定的期望位置信 号和期望磁链信号,虚拟控制函数αi(i=1,2,...,5)为滤波器的输入信号,ξi(i=1,2,...,5) 为补偿信号,xj,c(j=1,2,3)为滤波器的输出信号;
基于指令滤波的有限时间模糊自适应反步控制器设计的每一步都会选取一个Lyapunov 函数来构建一个虚拟控制律或者真实控制律,模糊自适应反步控制器的设计包括以下步骤:
由万能逼近定理,对于任意小的正数ε1>0,存在模糊逻辑系统W1 TS1(Z)使得:
f1(Z)=W1 TS1(Z)+δ1,其中,δ1表示逼近误差,并满足不等式|δ1|≤ε1,从而
其中,h1为正数,||W1||为向量W1的范数;
构造虚拟控制函数α1和滤波误差补偿信号ξ1,即:
定义参数d,其中d>0,满足0≤|TL|≤d,由杨氏不等式得:
由万能逼近定理,对于任意小的正数ε2>0,存在模糊逻辑系统W2 TS2(Z)使得:
f2(Z)=W2 TS2(Z)+δ2,其中δ2表示逼近误差,并满足不等式|δ2|≤ε2,从而
其中,h2为正数,||W2||为向量W2的范数;
构造虚拟控制函数α2和滤波误差补偿信号ξ2,即:
其中,k2为常数,k2>0,将公式(12)、(13)和(14)代入公式(11)得到:
由万能逼近定理,对于任意小的正数ε3>0,存在模糊逻辑系统W3 TS3(Z)使得:
f3(Z)=W3 TS3(Z)+δ3,其中δ3表示逼近误差,并满足不等式|δ3|≤ε3,从而
其中,h3为正数,||W3||为向量W3的范数;
构造真实控制律uq和滤波误差补偿信号ξ3,即:
其中,k3为常数,k3>0,将公式(17)、(18)和(19)代入公式(16)得到:
由万能逼近定理,对于任意小的正数ε4>0,存在模糊逻辑系统W4 TS4(Z)使得:
f4(Z)=W4 TS4(Z)+δ4,其中δ4表示逼近误差,并满足不等式|δ4|≤ε4,从而
其中,h4为正数,||W4||为向量W4的范数;
构造虚拟控制函数α3和滤波误差补偿信号ξ4,即:
其中,k4为常数,k4>0,将公式(22)、(23)和(24)代入公式(21)得到:
由万能逼近定理,对于任意小的正数ε5>0,存在模糊逻辑系统W5 TS5(Z)使得:
f5(Z)=W5 TS5(Z)+δ5,其中δ5表示逼近误差,并满足不等式|δ5|≤ε5,从而
其中,h5为正数,||W5||为向量W5的范数;
构造真实控制律ud和滤波误差补偿信号ξ5,即:
其中,k5为常数,k5>0,定义θ=max{||W1||2,||W2||2,||W3||2,||W4||2,||W5||2},并定义其估计误 差将公式(27)、(28)和(29)代入公式(26)得到:
其中,m1为正数,将公式(32)代入公式(31)得到:
将公式(34)、(35)代入公式(33)得到:
根据公式(4)下方的收敛时间表达式,可知Tr=1/φ3a0(1-β)[E[V1-β(v(0))]-(b0/(1-φ3) a0)(1-β)/β],其中,v(0)=[v1(0),v2(0),...,v5(0)]T;
其中,v(0)表示补偿误差变量的初始状态,v1(0),v2(0),...,v5(0)表示v1,v2,...,v5的初始值;
则闭环系统的所有信号满足半全局实际有限时间稳定,其中,t表示时间。
即补偿误差变量v1会在有限时间Tr内收敛到原点的很小邻域内;
对Vξ求导得:
对于任意的σ>0,有|xj,c-αj|≤σ,其中j=1,2,3,由杨氏不等式得:
将公式(40)代入公式(39)得到:
其中,Q=min{(2κ1)β,(2κ2)β,(2κ3)β,(2κ4)β,(2κ5)β};
将公式(42)代入公式(41)得到:
由式vi=zi-ξi得出,由于vi和ξi的有界性,则跟踪误差变量zi是有界的;
以上结果表明,在有限的时间内,跟踪误差zi在原点附近的小范围内,且闭环变量vi,ξi都有界。
本发明具有如下优点:
(1)本发明方法在设计模糊自适应反步控制器控制器时,考虑了异步电动机随机系统运 行过程中存在的随机扰动问题,使得模型更接近于实际系统,满足实际工程需要。
(2)本发明采用模糊逻辑系统逼近的方法来处理异步电动机驱动系统中的未知随机非线 性函数,简化了模糊自适应反步控制器的结构,有效地解决了在参数不确定和有负载转矩扰 动的情况下异步电动机的位置跟踪控制的问题。
(3)本发明采用指令滤波技术,在解决了传统反步控制中的“计算爆炸”问题的同时, 通过误差补偿技术减小了滤波误差,提高了异步电动机驱动系统的控制精度;
(4)本发明采用有限时间控制方法,能够以更快的速度实现位置信号的跟踪且具有更强 的抗干扰能力。
附图说明
图1为本发明中基于指令滤波的异步电动机随机有限时间模糊自适应反步控制器、坐标 变换、SVPWM逆变器组成的复合被控对象的示意图。
图2为采用本发明控制方法后转子角度和转子角度设定值跟踪仿真图。
图3为采用本发明控制方法后转子角度和转子角度设定值跟踪误差仿真图。
图4为采用本发明控制方法后转子磁链和转子磁链设定值跟踪仿真图。
图5为采用本发明控制方法后异步电动机d轴定子电压仿真图。
图6为采用本发明控制方法后异步电动机q轴定子电压仿真图。
具体实施方式
本发明的基本思想为:通过将自适应反步法与指令滤波技术相结合应用在异步电动机的 位置跟踪控制上,以解决异步电动机驱动系统中存在的参数不确定、外界负载变化问题和传 统反步法中存在的计算爆炸问题;本发明方法考虑了随机扰动对异步电动机带来的不利影响, 引入了有限时间控制技术,使得跟踪误差能够在有限时间内收敛到原点非常小的领域内,使 本发明控制方法具有更高的工程实践价值,并获得了理想的跟踪效果。
如图1示出了本发明中基于指令滤波的异步电动机随机有限时间模糊自适应反步控制 器、坐标变换、SVPWM逆变器组成的复合被控对象的示意图。
图1中涉及的部件主要包括基于指令滤波的异步电动机随机有限时间模糊自适应反步控 制器1、坐标变换单元2、SVPWM逆变器3、转速检测单元4和电流检测单元5。
在图1中U、V、W表示三相电压,uα和uβ为两相静止坐标系下的电压,ω为转子角速度。转速检测单元4和电流检测单元5主要用于检测异步电动机的转速相关变量和电流值,通过实际测量的电流和转速变量作为模糊自适应反步控制器输入,通过基于指令滤波的异步 电动机随机有限时间模糊自适应反步控制器1进行电压控制,最终转换为三相电控制异步电 动机的转子位置。
下面结合附图以及具体实施方式对本发明作进一步详细说明:
基于指令滤波的异步电动机随机有限时间模糊自适应控制方法,包括如下步骤:
步骤1.建立异步电动机的d-q坐标轴动态数学模型,如公式(1)所示:
其中,θ为转子角位置,ω为转子角速度,J为转动惯量,Lm为互感,TL为负载转矩,/>为转子磁链,np为极对数,Ls为定子漏感,Lr为转子漏感,id为d轴定子电 流,iq为q轴定子电流,Rs为定子等效电阻,Rr为转子等效电阻,ud为d轴定子电压,uq为 q轴定子电压。为了简化上述动态数学模型,将各变量重新定义如下:
异步电动机的随机系统表示为:dx=f(x)dt+h(x)dw。
其中,x∈Rn是系统状态变量,w为独立增量随机过程;f(·):Rn→Rn和h(·):Rn→Rn ×r是在x上的局部Lipschitz函数,且f(·)的初始值f(0)=0和h(·)的初始值h(0)=0;Rn、Rn×r表示实数向量集,上标n、n×r均为实数向量集的维数;
考虑到系统的随机扰动问题,则异步电动机随机系统的模型表示如下:
其中,ψ1、ψ2、ψ3、ψ4、ψ5均表示未知的光滑非线性函数。
步骤2.根据指令滤波技术和自适应反步法原理,设计一种基于指令滤波的异步电动机随 机有限时间模糊自适应控制方法,其控制目标是:
设计q轴定子电压uq和d轴定子电压ud为真实控制律,使得异步电动机的位置信号x1和 磁链信号x4分别跟踪期望的位置信号x1d和期望的磁链信号x4d。
假设f(Z)在紧集Ωz中是一个连续的函数,对于任意的常数ε>0,总是有一个模糊逻辑 系统WTS(Z)满足:输入向量/>q是模糊输入维数,Rq为实数向量集;W∈Rn是模糊权向量,模糊节点数n为正整数,且n>1。
S(Z)=[s1(Z),...,sn(Z)]T∈Rn为基函数向量,sm(Z)为高斯函数,sm(Z)的表达式为:
其中,μm是高斯函数分布曲线的中心位置,ηm为高斯函数的宽度。
其中,均为指令滤波器的输出信号,ωn为滤波器系数,虚拟控制函数 α1为指令滤波器的输入信号。如果α1满足/>和/>其中,ρ1和ρ2均为正数,且其中/>为/>的初始值,/>为/>的初始值,α1(0)为α1的初始值,则对于任意的μ>0,存在ωn>0,ζ∈(0,1],从而使/>
其中,R+表示正实数,|x|表示x的绝对值,n11和n22为k∞类函数,a0>0,b0>0且0<β<1;
构造紧集Ωx={x|E[Vβ(x)]≤b0/(1-φ3)a0};其中,E[Vβ(x)]表示期望值,0<φ3<1;
当时间大于收敛时间Tr=(1/φ3a0(1-β))[E[V1-β(x0)]-(b0/(1-φ3)a0)(1-β)/β]时,其中,初 始状态x0=[x1(0),x2(0),...,x5(0)],Ωx是有界的,则随机非线性系统满足半全局实际有限时 间稳定;
其中,Tr表示收敛时间,x0表示系统的初始状态,x1(0),x2(0),...,x5(0)表示x1,x2,x3,x4,x5的初始值,E[V1-β(x0)]表示期望值;
步骤2.1.基于异步电动机随机系统模型,设计如下的基于指令滤波的有限时间模糊自适 应反步控制器:根据反步法原理,定义系统误差变量如下:
其中,zi表示跟踪误差变量,vi表示补偿误差变量,x1d和x4d分别为给定的期望位置信 号和期望磁链信号,虚拟控制函数αi(i=1,2,...,5)为滤波器的输入信号,ξi(i=1,2,...,5) 为补偿信号,xj,c(j=1,2,3)为滤波器的输出信号。
基于指令滤波的有限时间模糊自适应反步控制器设计的每一步都会选取一个Lyapunov 函数来构建一个虚拟控制律或者真实控制律,模糊自适应反步控制器的设计包括以下步骤:
由万能逼近定理,对于任意小的正数ε1>0,存在模糊逻辑系统W1 TS1(Z)使得:
f1(Z)=W1 TS1(Z)+δ1,其中,δ1表示逼近误差,并满足不等式|δ1|≤ε1,从而
其中,h1为正数,||W1||为向量W1的范数。
构造虚拟控制函数α1和滤波误差补偿信号ξ1,即:
定义参数d,其中d>0,满足0≤|TL|≤d,由杨氏不等式得:
由万能逼近定理,对于任意小的正数ε2>0,存在模糊逻辑系统W2 TS2(Z)使得:
f2(Z)=W2 TS2(Z)+δ2,其中δ2表示逼近误差,并满足不等式|δ2|≤ε2,从而
其中,h2为正数,||W2||为向量W2的范数。
构造虚拟控制函数α2和滤波误差补偿信号ξ2,即:
其中,k2为常数,k2>0,将公式(12)、(13)和(14)代入公式(11)得到:
由万能逼近定理,对于任意小的正数ε3>0,存在模糊逻辑系统W3 TS3(Z)使得:
f3(Z)=W3 TS3(Z)+δ3,其中δ3表示逼近误差,并满足不等式|δ3|≤ε3,从而
其中,h3为正数,||W3||为向量W3的范数。
构造真实控制律uq和滤波误差补偿信号ξ3,即:
其中,k3为常数,k3>0,将公式(17)、(18)和(19)代入公式(16)得到:
由万能逼近定理,对于任意小的正数ε4>0,存在模糊逻辑系统W4 TS4(Z)使得:
f4(Z)=W4 TS4(Z)+δ4,其中δ4表示逼近误差,并满足不等式|δ4|≤ε4,从而
其中,h4为正数,||W4||为向量W4的范数。
构造虚拟控制函数α3和滤波误差补偿信号ξ4,即:
其中,k4为常数,k4>0,将公式(22)、(23)和(24)代入公式(21)得到:
由万能逼近定理,对于任意小的正数ε5>0,存在模糊逻辑系统W5 TS5(Z)使得:
f5(Z)=W5 TS5(Z)+δ5,其中δ5表示逼近误差,并满足不等式|δ5|≤ε5,从而
其中,h5为正数,||W5||为向量W5的范数。
构造真实控制律ud和滤波误差补偿信号ξ5,即:
其中,k5为常数,k5>0,定义θ=max{||W1||2,||W2||2,||W3||2,||W4||2,||W5||2},并定义其估计误 差将公式(27)、(28)和(29)代入公式(26)得到:
其中,m1为正数,将公式(32)代入公式(31)得到:
将公式(34)、(35)代入公式(33)得到:
根据公式(4)下方的收敛时间表达式,可知Tr=1/φ3a0(1-β)[E[V1-β(v(0))]-(b0/(1-φ3) a0)(1-β)/β],其中,v(0)=[v1(0),v2(0),...,v5(0)]T;
其中,v(0)表示补偿误差变量的初始状态,v1(0),v2(0),...,v5(0)表示v1,v2,...,v5的初始值;
则闭环系统的所有信号满足半全局实际有限时间稳定,其中,t表示时间。
即补偿误差变量v1会在有限时间Tr内收敛到原点的很小邻域内。
对Vξ求导得:
对于任意的σ>0,有|xj,c-αj|≤σ,其中j=1,2,3,由杨氏不等式得:
将公式(40)代入公式(39)得到:
其中,Q=min{(2κ1)β,(2κ2)β,(2κ3)β,(2κ4)β,(2κ5)β};
将公式(42)代入公式(41)得到:
由式vi=zi-ξi得出,由于vi和ξi的有界性,则跟踪误差变量zi是有界的;
以上结果表明,在有限的时间内,跟踪误差zi在原点附近的小范围内,且闭环变量vi,ξi都有界。
本发明方法中指令滤波控制技术通过引入补偿信号来消除滤波误差的影响,解决了上述 问题。此外,将有限时间控制方法运用到非线性系统中,能够加快异步电动机系统的响应速 度和收敛速度,获得更好的鲁棒性能和抗干扰性能,保证系统时间最优化。
下面在虚拟环境下对所提出的基于指令滤波的异步电动机随机有限时间模糊自适应控制 方法进行仿真,验证本发明所提出的控制方法的可行性:
电动机参数为:np=1,J=0.0586kg·m2,Lm=0.068H,Ls=0.0699H,Lr=0.0699H,Rr=0.15Ω,Rs=0.1Ω。
选取异步电动机仿真初始状态为[0.1,0,0,1,0]。
选取模糊自适应反步控制器参数:
k1=4,k2=2,k3=60,k4=54,k5=38,h1=h2=h3=h4=h5=0.5,m1=0.005,r1=0.02, β=0.9。
负载转矩为:TL=1.0N·m,期望的位置信号为:x1d=sin(t),期望的磁链信号为:x4d=1。
基于指令滤波的异步电动机随机有限时间模糊自适应控制方法的仿真结果如图2-6所示。
其中,转子位置信号x1和期望位置信号x1d如图2所示,转子位置跟踪误差x1-x1d如图3 所示,磁链信号x4和期望磁链信号x4d如图4所示。
由图2和图4能够看出系统的输出能够以更快的速度跟踪期望信号,由图3能够看出系 统的跟踪误差收敛到原点附近的小范围内,系统的跟踪效果好且跟踪精度高。
q轴定子电压和d轴定子电压如图5和图6所示。由图5和图6能够看出,经过本发明控制方法后,真实控制律uq和ud都稳定在一个有界区域内。
以上仿真结果表明,本发明中基于指令滤波的异步电动机随机有限时间模糊自适应控制 方法能够高效地跟踪参考信号,因此,具有实际的实施意义。
当然,以上说明仅仅为本发明的较佳实施例,本发明并不限于列举上述实施例,应当说 明的是,任何熟悉本领域的技术人员在本说明书的教导下,所做出的所有等同替代、明显变 形形式,均落在本说明书的实质范围之内,理应受到本发明的保护。
Claims (1)
1.基于指令滤波的异步电动机随机有限时间模糊自适应控制方法,其特征在于,
包括如下步骤:
步骤1.建立异步电动机的d-q坐标轴动态数学模型,如公式(1)所示:
其中,θ为转子角位置,ω为转子角速度,J为转动惯量,Lm为互感,TL为负载转矩,/>为转子磁链,np为极对数,Ls为定子漏感,Lr为转子漏感,id为d轴定子电流,iq为q轴定子电流,Rs为定子等效电阻,Rr为转子等效电阻,ud为d轴定子电压,uq为q轴定子电压;为了简化上述动态数学模型,将各变量重新定义如下:
异步电动机的随机系统表示为:dx=f(x)dt+h(x)dw;
其中,x∈Rn是系统状态变量,w为独立增量随机过程;f(·):Rn→Rn和h(·):Rn→Rn×r是在x上的局部Lipschitz函数,且f(·)的初始值f(0)=0和h(·)的初始值h(0)=0;Rn、Rn×r表示实数向量集,上标n、n×r均为实数向量集的维数;
考虑到系统的随机扰动问题,则异步电动机随机系统的模型表示如下:
其中,ψ1、ψ2、ψ3、ψ4、ψ5均表示未知的光滑非线性函数;
步骤2.根据指令滤波技术和自适应反步法原理,设计一种基于指令滤波的异步电动机随机有限时间模糊自适应控制方法,其控制目标是:
设计q轴定子电压uq和d轴定子电压ud为真实控制律,使得异步电动机的位置信号x1和磁链信号x4分别跟踪期望的位置信号x1d和期望的磁链信号x4d;
假设f(Z)在紧集Ωz中是一个连续的函数,对于任意的常数ε>0,总是有一个模糊逻辑系统WTS(Z)满足:输入向量/>q是模糊输入维数,Rq为实数向量集;W∈Rn是模糊权向量,模糊节点数n为正整数,且n>1;
S(Z)=[s1(Z),...,sn(Z)]T∈Rn为基函数向量,sm(Z)为高斯函数,sm(Z)的表达式为:
其中,μm是高斯函数分布曲线的中心位置,ηm为高斯函数的宽度;
其中,均为指令滤波器的输出信号,ωn为滤波器系数,虚拟控制函数α1为指令滤波器的输入信号;如果α1满足/>和/>其中,ρ1和ρ2均为正数,且其中/>为/>的初始值,/>为/>的初始值,α1(0)为α1的初始值,则对于任意的μ>0,存在ωn>0,ζ∈(0,1],从而使/>
其中,R+表示正实数,|x|表示x的绝对值,n11和n22为k∞类函数,a0>0,b0>0且0<β<1;
构造紧集Ωx={x|E[Vβ(x)]≤b0/(1-φ3)a0};其中,E[Vβ(x)]表示期望值,0<φ3<1;
当时间大于收敛时间Tr=(1/φ3a0(1-β))[E[V1-β(x0)]-(b0/(1-φ3)a0)(1-β)/β]时,其中,初始状态x0=[x1(0),x2(0),...,x5(0)],紧集Ωx是有界的,则随机非线性系统满足半全局实际有限时间稳定;
其中,Tr表示收敛时间,x0表示初始状态,x1(0),x2(0),...,x5(0)表示x1,x2,x3,x4,x5的初始值,E[V1-β(x0)]表示期望值;
步骤2.1.基于异步电动机随机系统模型,设计如下的基于指令滤波的有限时间模糊自适应反步控制器:根据反步法原理,定义跟踪误差变量和补偿误差变量如下:
其中,zi表示跟踪误差变量,vi表示补偿误差变量,x1d和x4d分别为给定的期望位置信号和期望磁链信号,虚拟控制函数αi为滤波器的输入信号,ξi为补偿信号,xj,c为滤波器的输出信号,i=1,2,...,5,j=1,2,3;
基于指令滤波的有限时间模糊自适应反步控制器设计的每一步都会选取一个Lyapunov函数来构建一个虚拟控制律或者真实控制律,模糊自适应反步控制器的设计包括以下步骤:
由杨氏不等式得:
其中,h1为正数,||W1||为向量W1的范数;
构造虚拟控制函数α1和滤波误差补偿信号ξ1,即:
定义参数d,其中d>0,满足0≤|TL|≤d,由杨氏不等式得:
其中,h2为正数,||W2||为向量W2的范数;
构造虚拟控制函数α2和滤波误差补偿信号ξ2,即:
其中,k2为常数,k2>0,将公式(12)、(13)和(14)代入公式(11)得到:
其中,h3为正数,||W3||为向量W3的范数;
构造真实控制律uq和滤波误差补偿信号ξ3,即:
其中,k3为常数,k3>0,将公式(17)、(18)和(19)代入公式(16)得到:
其中,h4为正数,||W4||为向量W4的范数;
构造虚拟控制函数α3和滤波误差补偿信号ξ4,即:
其中,k4为常数,k4>0,将公式(22)、(23)和(24)代入公式(21)得到:
其中,h5为正数,||W5||为向量W5的范数;
构造真实控制律ud和滤波误差补偿信号ξ5,即:
其中,m1为正数,将公式(32)代入公式(31)得到:
将公式(34)、(35)代入公式(33)得到:
根据公式(4)下方的收敛时间表达式,可知Tr=1/φ3a0(1-β)[E[V1-β(v(0))]-(b0/(1-φ3)a0)(1-β)/β],其中,v(0)=[v1(0),v2(0),...,v5(0)]T;
其中,v(0)表示补偿误差变量的初始状态,v1(0),v2(0),...,v5(0)表示v1,v2,...,v5的初始值;
则闭环系统的所有信号满足半全局实际有限时间稳定,其中,t表示时间;
即补偿误差变量v1会在有限时间Tr内收敛到原点的很小邻域内;
对Vξ求导得:
对于任意的σ>0,有|xj,c-αj|≤σ,其中j=1,2,3,由杨氏不等式得:
将公式(40)代入公式(39)得到:
其中,Q=min{(2κ1)β,(2κ2)β,(2κ3)β,(2κ4)β,(2κ5)β};
将公式(42)代入公式(41)得到:
由式vi=zi-ξi得出,由于vi和ξi的有界性,则跟踪误差变量zi是有界的;
以上结果表明,在有限的时间内,跟踪误差zi在原点附近的小范围内,且闭环变量vi,ξi都有界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110848851.1A CN113659894B (zh) | 2021-07-27 | 2021-07-27 | 基于指令滤波的异步电动机随机有限时间模糊自适应控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110848851.1A CN113659894B (zh) | 2021-07-27 | 2021-07-27 | 基于指令滤波的异步电动机随机有限时间模糊自适应控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113659894A CN113659894A (zh) | 2021-11-16 |
CN113659894B true CN113659894B (zh) | 2023-06-23 |
Family
ID=78490697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110848851.1A Active CN113659894B (zh) | 2021-07-27 | 2021-07-27 | 基于指令滤波的异步电动机随机有限时间模糊自适应控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113659894B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106788046A (zh) * | 2017-02-20 | 2017-05-31 | 青岛大学 | 永磁同步电机命令滤波有限时间模糊控制方法 |
CN106788052A (zh) * | 2016-11-30 | 2017-05-31 | 青岛大学 | 基于观测器的异步电机命令滤波误差补偿模糊控制方法 |
GB2572458A (en) * | 2018-03-28 | 2019-10-02 | Huaiyin Inst Technology | An adaptive sliding-mode control method of the permanent magnet synchronous motor based on dynamic surface technology |
CN110336505A (zh) * | 2019-07-10 | 2019-10-15 | 青岛大学 | 基于状态约束的异步电动机命令滤波模糊控制方法 |
CN110401391A (zh) * | 2019-07-31 | 2019-11-01 | 青岛大学 | 异步电动机随机系统模糊自适应动态面控制方法 |
-
2021
- 2021-07-27 CN CN202110848851.1A patent/CN113659894B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106788052A (zh) * | 2016-11-30 | 2017-05-31 | 青岛大学 | 基于观测器的异步电机命令滤波误差补偿模糊控制方法 |
CN106788046A (zh) * | 2017-02-20 | 2017-05-31 | 青岛大学 | 永磁同步电机命令滤波有限时间模糊控制方法 |
GB2572458A (en) * | 2018-03-28 | 2019-10-02 | Huaiyin Inst Technology | An adaptive sliding-mode control method of the permanent magnet synchronous motor based on dynamic surface technology |
CN110336505A (zh) * | 2019-07-10 | 2019-10-15 | 青岛大学 | 基于状态约束的异步电动机命令滤波模糊控制方法 |
CN110401391A (zh) * | 2019-07-31 | 2019-11-01 | 青岛大学 | 异步电动机随机系统模糊自适应动态面控制方法 |
Non-Patent Citations (1)
Title |
---|
基于观测器的异步电动机命令滤波反步技术;牛浩;马玉梅;于金鹏;史发涛;孙凤龙;;青岛大学学报(工程技术版)(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113659894A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mao et al. | Design and implementation of continuous finite-time sliding mode control for 2-DOF inertially stabilized platform subject to multiple disturbances | |
CN110401391B (zh) | 异步电动机随机系统模糊自适应动态面控制方法 | |
JP6485644B2 (ja) | 誘導モーターの角速度を制御する方法およびモータードライブ | |
El-Sousy et al. | Intelligent adaptive dynamic surface control system with recurrent wavelet Elman neural networks for DSP-based induction motor servo drives | |
CN111716360A (zh) | 一种基于模糊逻辑的柔性关节机械臂采样控制方法及装置 | |
CN112532133B (zh) | 一种适用于永磁同步电机滤波补偿滑模自抗扰控制方法 | |
CN113659895B (zh) | 基于指令滤波的永磁同步电动机全状态约束有限时间控制方法 | |
Zerikat et al. | High-performance sensorless vector control of induction motor drives using artificial intelligent technique | |
CN114726278A (zh) | 基于机械参数辨识的永磁同步电机自适应控制方法 | |
Kılıç et al. | Adaptive controller with RBF neural network for induction motor drive | |
CN114706300B (zh) | 具有扰动及输出约束的永磁同步电机系统有限时间控制法 | |
CN116317794A (zh) | 航空发动机电动执行机构高精度控制方法 | |
Meng et al. | An EPCH control strategy for complex nonlinear systems with actuator saturation and disturbances | |
CN113659894B (zh) | 基于指令滤波的异步电动机随机有限时间模糊自适应控制方法 | |
CN116079741B (zh) | 一种电机驱动单连杆机械臂的自适应控制方法 | |
CN114003002B (zh) | 一种六自由度液压机械手有限时间跟踪控制方法 | |
Regaya et al. | Adaptive proportional-integral fuzzy logic controller of electric motor drive | |
CN115313939A (zh) | 永磁同步电机随机系统指令滤波模糊自适应控制方法 | |
CN112019111B (zh) | 基于状态约束的永磁同步电动机随机系统模糊自适应控制方法 | |
CN115963819A (zh) | 一种非完整移动机器人编队控制方法 | |
Wang et al. | Robust smooth-trajectory control of nonlinear servo systems based on neural networks | |
CN110492809B (zh) | 基于神经网络逼近的异步电动机动态面离散容错控制方法 | |
CN112039374B (zh) | 考虑输入饱和的永磁同步电动机命令滤波离散控制方法 | |
CN114172436B (zh) | 基于观测器的异步电动机指令滤波离散控制方法 | |
Ge et al. | A novel terminal sliding mode control based on RBF neural network for the permanent magnet synchronous motor |
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 |