CN113965108A - 一种水下机器人多电机协同推进系统及控制方法 - Google Patents
一种水下机器人多电机协同推进系统及控制方法 Download PDFInfo
- Publication number
- CN113965108A CN113965108A CN202111398244.6A CN202111398244A CN113965108A CN 113965108 A CN113965108 A CN 113965108A CN 202111398244 A CN202111398244 A CN 202111398244A CN 113965108 A CN113965108 A CN 113965108A
- Authority
- CN
- China
- Prior art keywords
- motor
- speed
- rotating speed
- compensator
- given
- 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
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
- H02P5/00—Arrangements specially adapted for regulating or controlling the speed or torque of two or more electric motors
- H02P5/46—Arrangements specially adapted for regulating or controlling the speed or torque of two or more electric motors for speed regulation of two or more dynamo-electric motors in relation to one another
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63H—MARINE PROPULSION OR STEERING
- B63H21/00—Use of propulsion power plant or units on vessels
- B63H21/12—Use of propulsion power plant or units on vessels the vessels being motor-driven
- B63H21/17—Use of propulsion power plant or units on vessels the vessels being motor-driven by electric motor
-
- 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
- H02P23/0013—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
- 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
- H02P25/022—Synchronous motors
-
- 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
- H02P2207/05—Synchronous machines, e.g. with permanent magnets or DC excitation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Ocean & Marine Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种水下机器人多电机协同推进系统及控制方法,针对水下机器人本体结构,提出一种基于虚拟主轴的偏差耦合控制结构,以提高水下机器人运动的灵活性和多电机推进系统的鲁棒性。又因为永磁同步电机作为一个结构复杂、参数众多的非线性控制系统,传统的PID控制算法难以取得满意的控制效果,本发明提出一种基于模糊PID型代价函数的预测电流控制算法,以解决系统参数失配、响应缓慢和抖振较严重的问题。最终以实现水下机器人在水下复杂环境灵活、高精度和平稳控制。
Description
技术领域
本发明涉及一种水下机器人系统以及控制方法,尤其涉及一种水下机器人多电机协同推进系统及控制方法。属于电机控制和水下机器人控制技术领域。
背景技术
水下机器人的工作环境与陆地差异很大,这也导致水下机器人的运动控制特性较为特殊。具体表现在:流体的密度和粘性影响着水下机器人在水下的运动;水下机器人航速较慢;海流对水下机器人的运动也存在不确定性的干扰。这些都增加了水下机器人的控制难度,所以其控制系统的设计需具备较强的自适应能力以及抗干扰能力等。本发明旨在提出一种水下机器人动力定位控制系统,并将多电机协同控制技术应用到水下机器人的动力推进系统中,实现水下机器人精准、稳定的运动。
保持多电机的协同运转常有两种方法:一种是机械方式;另一种是电方式。机械协调传动方式牢固可靠,但传动范围及距离一般很有限,而对一些要求动态定位对接的控制,使用机械传动控制难以取得较好的效果。与此相反,电方式多电机协同控制使用范围基本上不受限制,使用方式十分灵活,该控制一般可分为非耦合控制策略和耦合控制策略。非耦合的协同控制方式结构简单、容易实现,但其缺陷在于当某一电机的负载、速度或位置等发生变化时,其他电机就不能作相应调整,从而影响到协调性能。因此在对协同控制性能要求较高的生产工艺中无法应用。针对这一现象,耦合控制策略应运而生。耦合控制常用的为三种:交叉耦合控制、相邻耦合控制、偏差耦合控制。由于以上3种传统控制策略在实现多电机比例同步运行的同时会不可避免的降低电机转速跟踪速度,在水下机器人移动过程中反应较慢,因此以上耦合控制结构不能完全适合水下机器人。
作为多电机协同运作的组成元件,永磁同步电机具有体积小、效率高、转动惯量低、电磁转矩大等优点。在电机实际运行过程中,电机所带的负载转矩或者转动惯量变化都会形成扰动对系统期望的伺服性能造成不良的影响。为了解决永磁同步电机的抗扰动问题,自抗扰控制、滑模控制、模型参考自适应控制、智能控制等控制方法均被应用至水下机器人动力定位控制中,但均有各自的优缺点。如离散模型参考自适应控制可以在线辨识机械参数,并能自调整速度控制,但误差较大,收敛时间长;加入扰动观测器的自抗扰控制能够提高系统的抗扰动性能,但该算法对硬件要求较高,实现起来较困难。
发明内容
本发明的目的在于提供一种水下机器人多电机协同推进系统及控制方法。为了增强水下机器人灵活性、操作性和鲁棒性,在多电机推进系统方面,本发明提出一种基于虚拟主轴的偏差耦合控制结构;在多电机控制算法方面,本发明提出一种基于模糊PID型代价函数的预测电流控制算法,以实现水下机器人在广阔而复杂的海洋环境中实现高精度的动力定位,从而对采油树进行安全、平稳、有效、准确的安装。
本发明的目的通过以下技术方案予以实现:
一种水下机器人多电机协同推进系统,该系统包括:在水下机器人本体的水平方向,对4台永磁同步电机搭建基于虚拟主轴的偏差耦合控制结构,该结构由4台永磁同步电机系统组成,系统给定转速通过一个跟踪误差补偿器的负反馈组成一个虚拟主轴输出各电机的给定转速,同步调节各电机给定转速,每台电机之间通过速度补偿器关联;每台永磁同步电机系统包括速度控制器、速度补偿器、各电机的转速比例模块ki、逆变器、永磁同步电机和转速检测器;每台电机控制信号传递关系为给定的转速、跟踪误差补偿器转速、自身电机反馈转速和速度补偿器输出转速作为速度控制器输入,速度控制器输出电流给逆变器,逆变器控制电机运转,转速检测器采集转速进行反馈,速度补偿器获取各个电机反馈转速输出同步误差,跟踪误差补偿器获取各个电机反馈转速和系统给定转速输出跟踪误差;其中速度补偿器输入为各电机反馈转速和各电机的转速比例模块ki;其中跟踪误差补偿器输入为各电机反馈转速和各电机的转速比例模块1/ki;其中各电机的转速比例模块ki是以各电机相对于系统给定转速的比值。
前述水下机器人多电机协同推进系统,各电机的转速比例模块Ki具体为,各电机的转速比例模块k1:以系统给定转速ω*为参考,计算出电机1的给定转速ω1 *与系统给定转速ω*的比例系数k1;各电机的转速比例模块k2:以系统给定转速ω*为参考,计算出电机2的给定转速ω2 *与系统给定转速ω*的比例系数k2;各电机的转速比例模块k3:以系统给定转速ω*为参考,计算出电机3的给定转速ω3 *与系统给定转速ω*的比例系数k3;各电机的转速比例模块k4:以系统给定转速ω*为参考,计算出电机4的给定转速ω4 *与系统给定转速ω*的比例系数k4;
式中:ωi *、ω*分别为单台电机的给定转速和系统的给定转速。
前述水下机器人多电机协同推进系统,跟踪误差补偿器具体为,各电机的跟踪误差补偿器:跟踪误差补偿器以系统给定转速ω*、电机1、2、3、4的反馈转速ωi和比例模块Kt为参考,计算出补偿转速ωb;
前述水下机器人多电机协同推进系统,速度补偿器具体为,速度补偿器结构中,Kp为比例增益,Ki为积分增益。速度补偿器的输出为
β1为速度补偿器1输出的误差补偿信号,β2为速度补偿器2输出的误差补偿信号,β3为速度补偿器3输出的误差补偿信号,β4为速度补偿器4输出的误差补偿信号,T为采样周期,t为积分时间。
本发明还提供了一种水下机器人多电机协同推进系统的控制方法,对永磁同步电机系统采用双闭环进行控制:外环是速度环,采用PI控制器;内环是电流环,电流环采用基于模糊PID型代价函数的预测电流控制器。
前述水下机器人多电机协同推进系统的控制方法,基于模糊PID型代价函数的预测电流控制器设计包括以下步骤:
步骤1:建立永磁同步电机系统模型,获取电机的预测模型
取第i台电机在dq坐标系下的定子电压方程状态为
式中:id、iq分别d、q轴定子电流,R为定子电阻,ψf为转子永磁体磁链,ωe为转子电角速度,Ld、Lq分别d、q轴电感,ud、uq分别d、q轴定子电压;
用欧拉法对式子(4)在第k时刻离散化,这时预测模型为
式中:上标P为预测值,Ts为采样周期。
对式子(5)采样两步法来补偿程序执行延时,得出最终预测模型为
步骤2:设计PID型代价函数
设计比例项为传统代价函数中的电流误差项,公式为
式中:上标*为给定值,Pd和Pq分别为d、q轴电流比例误差代价;
设计积分项对电流控制误差进行积分,公式为
式中:Id和Iq分别为d、q轴电流积分误差代价,由每个采样时刻的电流控制误差积分得到,kI为积分项系数;
设计微分项为将每周期单位变化电流引起的预测误差作为系数D’乘以预测电流变化量,D’公式为
式中:ɑ和kD分别为滤波器系数和微分项系数;
根据式子(9),微分项为
由式(7)(8)(10)可得最终PID型代价函数为
J=(Pd(k)+Id(k)+Dd(k))2+(Pq(k)+Iq(k)+Dq(k))2 (11)
步骤3:设计模糊控制
将输入量进行模糊化,设计给定转速与实际转速的偏差为e,偏差率为ec,其中e的变化范围为[-2500,2500],ec的变化范围为[-2500,2500]。PID型代价函数的三个主要的参数变化量ΔkP、ΔkI、ΔkD的基本论域为[0,1],设置五个变量的量化等级为[0,0.25,0.35,0.5,0.65,0.75,1],对应的模糊子集为[NB,NM,NS,ZO,PS,PM,PB],子集中元素分别表示负大、负中、负小、0、正小、正正大;设置输入和输出的隶属度函数为三角函数;
设计模糊规则与模糊推理,根据调试经验,增大kP会提高响应速度,但会造成超调;增大kI可以降低电流稳态误差消除的响应时间,但过大的kI会造成积分项的不稳定;kD为1时能完全补偿微分误差,但由于采样噪声存在,完全补偿反而会造成更大的电流波动,所以一般在0到1之间调节到合适值。根据上述经验制定ΔkP、ΔkI、ΔkD的模糊控制规则表;
选择重心法进行解模糊,最终可以确定清晰的模糊控制量输出:
式中:xi为输出模糊集合中的元素,uc(xi)为模糊子集的隶属度函数;
将模糊控制输出进行量化,求出能直接应用的三个参数值:
式中:u为实际的控制量输出。
与现有技术相比,本发明的有益效果是:
1、水下机器人在运动控制中具有更好的抗干扰能力。使用PI型速度补偿器的偏差耦合控制结构能够调节暗流和波浪对电机干扰,使机器人按照原先设计姿态运动。
2、水下机器人在运动控制中具有更灵活的控制能力。融合了虚拟主轴的偏差耦合控制结构使水下机器人在运动过程中兼具灵活性与准确性。
3、水下机器人多电机推进系统具有更快速的响应速度和更平稳的运行状态。本发明提出的一种基于模糊PID型代价函数的电流预测控制算法解决了模型失配的问题,明显降低系统抖振,实现转速快速跟踪。这使水下机器人控制更加快速、精准。
附图说明
图1是基于虚拟主轴的偏差耦合控制系统结构图;
图2是模块ki各电机比例结构图;
图3是跟踪误差补偿器结构图;
图4是速度补偿器1结构图;
图5是基于模糊PID型代价函数的电流预测控制流程图。
具体实施措施
下面结合附图和具体实施例对本发明作进一步说明。
如图1所示,基于虚拟主轴的偏差耦合控制结构由4台永磁同步电机系统组成,系统给定转速通过一个跟踪误差补偿器的负反馈组成一个虚拟主轴输出到各电机,每台电机之间通过速度补偿器关联;每台永磁同步电机系统包括速度控制器、速度补偿器、各电机的转速比例模块ki、逆变器、永磁同步电机和转速检测器;每台电机控制信号传递关系为给定的转速、跟踪误差补偿器转速、自身电机反馈转速和速度补偿器输出转速作为速度控制器输入,速度控制器输出电流给逆变器,逆变器控制电机运转,转速检测器采集转速进行反馈,速度补偿器获取各个电机反馈转速输出同步误差,跟踪误差补偿器获取各个电机反馈转速和系统给定转速输出跟踪误差;其中速度补偿器输入为各电机反馈转速和各电机的转速比例模块ki;其中跟踪误差补偿器输入为各电机反馈转速和各电机的转速比例模块1/ki;其中各电机的转速比例模块ki是以各电机相对于系统给定转速的比值;其中各电机受到的扰动Ti是外界暗流、负载变化等带来的扰动。
如图2所示,各电机的转速比例模块ki是在线实时计算出各台电机之间的比例系数。模块k1的具体实现:以系统给定转速ω*为参考,计算出电机1的给定转速ω1 *与系统给定转速ω*的比例系数k1;模块k2的具体实现:以系统给定转速ω*为参考,计算出电机2的给定转速ω2 *与系统给定转速ω*的比例系数k2;模块k3的具体实现:以系统给定转速ω*为参考,计算出电机3的给定转速ω3 *与系统给定转速ω*的比例系数k3;比例模块k4的具体实现:以系统给定转速ω*为参考,计算出电机4的给定转速ω4 *与系统给定转速ω*的比例系数k4。电机间比例系数计算公式如下
式中:ωi *、ω*分别为单台电机的给定转速和系统的给定转速。
如图3所示,跟踪误差补偿器以系统给定转速ω*、电机1、2、3、4的反馈转速ωi和比例模块Kt为参考,计算出补偿转速ωb,补偿转速计算公式为
如图4所示,以速度补偿器1为例,Kp为比例增益,Ki为积分增益。速度补偿器1的输出为
β1为速度补偿器1输出的误差补偿信号,T为采样周期,t为积分时间。
如图5所示,基于模糊PID型代价函数的电流预测控制器设计步骤:
步骤1:获取永磁同步电机的给定转速ωi *
步骤2:获取永磁同步电机反馈的实际转速ωi和速度补偿误差βi
步骤3:计算系统的预测模型
取第i台电机在dq坐标系下的定子电压方程状态为
式中:id、iq分别d、q轴定子电流,R为定子电阻,ψf为转子永磁体磁链,ωe为转子电角速度,Ld、Lq分别d、q轴电感,ud、uq分别d、q轴定子电压;
用欧拉法对式子(4)在第k时刻离散化,这时预测模型为
式中:上标P为预测值,Ts为采样周期。
对式子(5)采样两步法来补偿程序执行延时,得出最终预测模型为
步骤4:设计PID型代价函数
设计比例项为传统代价函数中的电流误差项,公式为
式中:上标*为给定值,Pd和Pq分别为d、q轴电流比例误差代价;
设计积分项对电流控制误差进行积分,公式为
式中:Id和Iq分别为d、q轴电流积分误差代价,由每个采样时刻的电流控制误差积分得到,kI为积分项系数;
设计微分项为将每周期单位变化电流引起的预测误差作为系数D’乘以预测电流变化量,D’公式为
式中:ɑ和kD分别为滤波器系数和微分项系数;
根据式子(9),微分项为
由式(7)(8)(10)可得最终PID型代价函数为
J=(Pd(k)+Id(k)+Dd(k))2+(Pq(k)+Iq(k)+Dq(k))2 (11)
步骤5:设计模糊控制
将输入量进行模糊化,设计给定转速与实际转速的偏差为e,偏差率为ec,其中e的变化范围为[-2500,2500],ec的变化范围为[-2500,2500]。PID型代价函数的三个主要的参数变化量ΔkP、ΔkI、ΔkD的基本论域为[0,1],设置五个变量的量化等级为[0,0.25,0.35,0.5,0.65,0.75,1],对应的模糊子集为[NB,NM,NS,ZO,PS,PM,PB],子集中元素分别表示负大、负中、负小、0、正小、正正大;设置输入和输出的隶属度函数为三角函数;
设计模糊规则与模糊推理,根据调试经验,增大kP会提高响应速度,但会造成超调;增大kI可以降低电流稳态误差消除的响应时间,但过大的kI会造成积分项的不稳定;kD为1时能完全补偿微分误差,但由于采样噪声存在,完全补偿反而会造成更大的电流波动,所以一般在0到1之间调节到合适值。对各输出量制定如表1、2、3所示的模糊控制规则:
表1 ΔkP的模糊控制规则表
表2 ΔkI的模糊控制规则表
表3 ΔkD的模糊控制规则表
选择重心法进行解模糊,最终可以确定清晰的模糊控制量输出:
式中:xi为输出模糊集合中的元素,uc(xi)为模糊子集的隶属度函数;
将模糊控制输出进行量化,求出能直接应用的三个参数值:
式中:u为实际的控制量输出。
除上述实施例外,本发明还可以有其他实施方式,凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围内。
Claims (6)
1.一种水下机器人多电机协同推进系统,其特征在于,在水下机器人本体的水平方向,对4台永磁同步电机搭建基于虚拟主轴的偏差耦合控制结构,该结构由4台永磁同步电机系统组成,系统给定转速通过一个跟踪误差补偿器的负反馈组成一个虚拟主轴输出各电机的给定转速,同步调节各电机给定转速,每台电机之间通过速度补偿器关联;每台永磁同步电机系统包括速度控制器、速度补偿器、各电机的转速比例模块ki、逆变器、永磁同步电机和转速检测器;每台电机控制信号传递关系为给定的转速、跟踪误差补偿器转速、自身电机反馈转速和速度补偿器输出转速作为速度控制器输入,速度控制器输出电流给逆变器,逆变器控制电机运转,转速检测器采集转速进行反馈,速度补偿器获取各个电机反馈转速输出同步误差,跟踪误差补偿器获取各个电机反馈转速和系统给定转速输出跟踪误差;其中速度补偿器输入为各电机反馈转速和各电机的转速比例模块ki;其中跟踪误差补偿器输入为各电机反馈转速和各电机的转速比例模块1/ki;其中各电机的转速比例模块ki是以各电机相对于系统给定转速的比值。
2.根据权利要求1所述的水下机器人多电机协同推进系统,所述的各电机的转速比例模块ki,其特征在于,各电机的转速比例模块k1:以系统给定转速ω*为参考,计算出电机1的给定转速ω1 *与系统给定转速ω*的比例系数k1;各电机的转速比例模块k2:以系统给定转速ω*为参考,计算出电机2的给定转速ω2 *与系统给定转速ω*的比例系数k2;各电机的转速比例模块k3:以系统给定转速ω*为参考,计算出电机3的给定转速ω3 *与系统给定转速ω*的比例系数k3;各电机的转速比例模块k4:以系统给定转速ω*为参考,计算出电机4的给定转速ω4 *与系统给定转速ω*的比例系数k4;
式中:ωi *、ω*分别为单台电机的给定转速和系统的给定转速。
5.根据权利要求1所述的水下机器人多电机协同推进系统的控制方法,其特征在于,对永磁同步电机系统采用双闭环进行控制:外环是速度环,采用PI控制器;内环是电流环,电流环采用基于模糊PID型代价函数的预测电流控制器。
6.根据权利要求5所述的水下机器人多电机协同推进系统的控制方法,其特征在于,基于模糊PID型代价函数的预测电流控制器设计包括以下步骤:
步骤1:建立永磁同步电机系统模型,获取电机的预测模型
取第i台电机在dq坐标系下的定子电压方程状态为
式中:id、iq分别d、q轴定子电流,R为定子电阻,ψf为转子永磁体磁链,ωe为转子电角速度,Ld、Lq分别d、q轴电感,ud、uq分别d、q轴定子电压;
用欧拉法对式子(4)在第k时刻离散化,这时预测模型为
式中:上标P为预测值,Ts为采样周期,
对式子(5)采样两步法来补偿程序执行延时,得出最终预测模型为
步骤2:设计PID型代价函数
设计比例项为传统代价函数中的电流误差项,公式为
式中:上标*为给定值,Pd和Pq分别为d、q轴电流比例误差代价;
设计积分项对电流控制误差进行积分,公式为
式中:Id和Iq分别为d、q轴电流积分误差代价,由每个采样时刻的电流控制误差积分得到,kI为积分项系数;
设计微分项为将每周期单位变化电流引起的预测误差作为系数D’乘以预测电流变化量,D’公式为
式中:ɑ和kD分别为滤波器系数和微分项系数;
根据式子(9),微分项为
由式(7)(8)(10)可得最终PID型代价函数J为
J=(Pd(k)+Id(k)+Dd(k))2+(Pq(k)+Iq(k)+Dq(k))2 (11)
步骤3:设计模糊控制
将输入量进行模糊化,设计给定转速与实际转速的偏差为e,偏差率为ec,其中e的变化范围为[-2500,2500],ec的变化范围为[-2500,2500]。PID型代价函数的三个主要的参数变化量ΔkP、ΔkI、ΔkD的基本论域为[0,1],设置五个变量的量化等级[0,0.25,0.35,0.5,0.65,0.75,1],对应的模糊子集为[NB,NM,NS,ZO,PS,PM,PB],子集中元素分别表示负大、负中、负小、0、正小、正正大;设置输入和输出的隶属度函数为三角函数;
设计模糊规则与模糊推理,根据调试经验,增大kp会提高响应速度,但会造成超调;增大kI可以降低电流稳态误差消除的响应时间,但过大的kI会造成积分项的不稳定;kD为1时能完全补偿微分误差,但由于采样噪声存在,完全补偿反而会造成更大的电流波动,所以一般在0到1之间调节到合适值。根据上述经验制定ΔkP、ΔkI、ΔkD的模糊控制规则表;
规则表选择重心法进行解模糊,最终可以确定清晰的模糊控制量输出U:
式中:xi为输出模糊集合中的元素,uc(xi)为模糊子集的隶属度函数;
将模糊控制输出进行量化,求出能直接应用的三个参数值:
式中:u为实际的控制量输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111398244.6A CN113965108B (zh) | 2021-11-19 | 2021-11-19 | 一种水下机器人多电机协同推进系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111398244.6A CN113965108B (zh) | 2021-11-19 | 2021-11-19 | 一种水下机器人多电机协同推进系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113965108A true CN113965108A (zh) | 2022-01-21 |
CN113965108B CN113965108B (zh) | 2023-07-25 |
Family
ID=79471574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111398244.6A Active CN113965108B (zh) | 2021-11-19 | 2021-11-19 | 一种水下机器人多电机协同推进系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113965108B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5771805A (en) * | 1996-02-09 | 1998-06-30 | Bobat Sa | Rotating printing machine |
JP2006178832A (ja) * | 2004-12-24 | 2006-07-06 | Nippon Pulse Motor Co Ltd | モータ駆動用パルス出力ic、および電子カム制御システム |
CN107070315A (zh) * | 2017-05-31 | 2017-08-18 | 湖南科技大学 | 一种多开关磁阻电机转速同步控制装置及控制方法 |
CN110138297A (zh) * | 2019-05-31 | 2019-08-16 | 东南大学 | 一种永磁同步直线电机速度和电流双闭环控制系统和控制方法 |
CN111277175A (zh) * | 2020-03-12 | 2020-06-12 | 荣信汇科电气技术有限责任公司 | 一种基于混合交叉耦合的多电机同步控制方法 |
CN112234874A (zh) * | 2020-09-18 | 2021-01-15 | 江苏科技大学 | 一种水下机器人多电机推进系统及控制方法 |
CN113271042A (zh) * | 2021-05-18 | 2021-08-17 | 湖南工业大学 | 一种多电机固定时间优化协同控制方法 |
CN113612414A (zh) * | 2021-07-09 | 2021-11-05 | 江苏科技大学 | 一种水下航行器多电机协调控制方法及控制系统 |
-
2021
- 2021-11-19 CN CN202111398244.6A patent/CN113965108B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5771805A (en) * | 1996-02-09 | 1998-06-30 | Bobat Sa | Rotating printing machine |
JP2006178832A (ja) * | 2004-12-24 | 2006-07-06 | Nippon Pulse Motor Co Ltd | モータ駆動用パルス出力ic、および電子カム制御システム |
CN107070315A (zh) * | 2017-05-31 | 2017-08-18 | 湖南科技大学 | 一种多开关磁阻电机转速同步控制装置及控制方法 |
CN110138297A (zh) * | 2019-05-31 | 2019-08-16 | 东南大学 | 一种永磁同步直线电机速度和电流双闭环控制系统和控制方法 |
CN111277175A (zh) * | 2020-03-12 | 2020-06-12 | 荣信汇科电气技术有限责任公司 | 一种基于混合交叉耦合的多电机同步控制方法 |
CN112234874A (zh) * | 2020-09-18 | 2021-01-15 | 江苏科技大学 | 一种水下机器人多电机推进系统及控制方法 |
CN113271042A (zh) * | 2021-05-18 | 2021-08-17 | 湖南工业大学 | 一种多电机固定时间优化协同控制方法 |
CN113612414A (zh) * | 2021-07-09 | 2021-11-05 | 江苏科技大学 | 一种水下航行器多电机协调控制方法及控制系统 |
Non-Patent Citations (2)
Title |
---|
GAO CHUAN ET AL.: "Contour control of the full flexible nozzle in the wind tunnel based on virtual shaft", pages 3433 - 3437 * |
高振新: "多电机无轴传动同步控制系统的研究与设计", pages 140 - 288 * |
Also Published As
Publication number | Publication date |
---|---|
CN113965108B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103401501B (zh) | 一种基于模糊自抗扰的pmsm伺服系统控制方法 | |
CN112234874B (zh) | 一种水下机器人多电机推进系统及控制方法 | |
CN102969968B (zh) | 一种永磁同步电机控制方法 | |
CN112631315B (zh) | 一种多电机协同推进的水下机器人路径跟踪方法 | |
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 | |
CN110784149B (zh) | 交流伺服系统机械谐振抑制方法以及系统 | |
CN113612414B (zh) | 一种水下航行器多电机协调控制方法及控制系统 | |
CN108768232A (zh) | 一种半潜船动力定位系统推进电机控制方法及系统 | |
CN103095204A (zh) | 伺服电机抗干扰补偿控制系统及控制方法 | |
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 | |
CN112039394A (zh) | 一种基于模糊自抗扰的pmsm伺服控制系统 | |
CN110703591A (zh) | 一种转阀驱动电机自抗扰控制器的控制方法 | |
CN113799136A (zh) | 一种基于全状态反馈的机器人关节高精度控制系统及方法 | |
WO2023237018A1 (zh) | 一种适用于双轴永磁伺服系统的非线性预测位置控制方法 | |
CN113517832A (zh) | 一种低压伺服离散线性自抗扰控制方法 | |
CN102790580B (zh) | 无轴承异步电机支持向量机逆解耦控制器的构造方法 | |
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 | |
CN113346810B (zh) | 速度和电流双闭环模糊控制的pmsm无传感器控制方法 | |
CN117532606A (zh) | 基于改进自抗扰控制器的关节伺服系统控制方法 | |
CN113965108B (zh) | 一种水下机器人多电机协同推进系统及控制方法 | |
CN116638544A (zh) | 一种基于超局部模型的关节模组协同控制方法 | |
CN111880483A (zh) | 一种雷达天线四电机驱动伺服系统预定性能控制方法 | |
CN113037174B (zh) | 一种基于模糊切换策略的永磁同步电机复合变结构控制方法 | |
CN115857358A (zh) | 一种基于神经网络的滑模控制方法、设备、介质 | |
Chen et al. | Sliding mode control for manipulator based on fuzzy switching gain adjustment |
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 |