CN114172428A - 一种多电机伺服系统的时间最优控制方法和系统 - Google Patents
一种多电机伺服系统的时间最优控制方法和系统 Download PDFInfo
- Publication number
- CN114172428A CN114172428A CN202111488907.3A CN202111488907A CN114172428A CN 114172428 A CN114172428 A CN 114172428A CN 202111488907 A CN202111488907 A CN 202111488907A CN 114172428 A CN114172428 A CN 114172428A
- Authority
- CN
- China
- Prior art keywords
- motor
- servo system
- load
- motor servo
- disturbance
- 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.)
- Pending
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
- 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
- H02P21/0007—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
- 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
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开了一种多电机伺服系统的时间最优控制方法和系统,一种多电机伺服系统的时间最优控制方法,具有控制效率高和控制精确的特点,能够使多电机伺服系统快速达到稳定状态。首先获取多电机伺服系统的状态参数。然后将电机的位置和速度以及负载的位置和速度输入一阶扰动观测器,利用辅助变量更新并确定系统扰动估计值。根据系统扰动估计值,构建多电机伺服系统的时间最优控制器。采用时间最优控制器,完成对多电机伺服系统的控制。
Description
技术领域
本发明涉及机电控制技术领域,具体涉及一种多电机伺服系统的时间最优控制方法和系统。
背景技术
多电机联动系统是由一些分享负载扭矩的电机组成。这样的配置比一组单电机驱动器的成本要低,因为一些资源是在各单元之间共享的。此外,与单个驱动器相比,它很容易通过增加新的单元来扩展,此外,内在的冗余可以用来减轻某些种类的转换器和电机故障的影响。
多电机驱动是高惯量和高功率驱动的最佳解决方案,如皮带输送机,以及长的连续生产线。近年来,多电机驱动在电动汽车和机器人机械手中的应用越来越多。根据驱动应用,控制目标被定义。显然,控制目标会因驱动应用的不同而大相径庭。例如,用于连续生产线的驱动控制的主要目标是对速度和张力进行解耦跟踪。另一方面,在电动汽车中,驱动控制的主要目标是速度控制与扭矩分配,以确保这种车辆的稳定性。多电机系统的驱动精度和驱动效率也是工业和运输应用中的一个重要需求。
多电机系统控制的发展首先是选择电机驱动单元之间的关系,确定反馈和控制器的数量和类型,即建立多电机控制策略。下一步是开发和实施控制算法,这将确保系统的稳定性和预期行为。多电机系统控制已经开发了多种控制算法,如经典的比例-积分-衍生(PID)控制、最优控制、基于人工智能的控制方法等。
单个电机的跟踪性能可以通过应用上述控制策略来改善,然而,每个电机的良好跟踪性能并不能保证减少多电机运动的同步误差。因此各电机之间的高同步精度对系统的可靠性和产品的质量至关重要,近年来发展了许多多电机系统的同步控制方法。在这些方法中,并发控制和主从或从属控制方法很难在干扰和驱动动力学不匹配的情况下保证理想的同步精度。相对而言,基于耦合的框架是学术界和工程界流行的方法,一些技术如偏差耦合、交叉耦合、相邻交叉耦合和环形耦合已经被提出并应用,并显示出比其他策略更好的同步精度。然而现有的控制算法并没有考虑达到控制所需的时间,仅重视驱动精度,对驱动效率有所忽视。
因此,设计一种能使多电机伺服系统快速达到稳定状态的控制器是现有技术中亟待解决的一个技术难题。
发明内容
有鉴于此,本发明提供了一种多电机伺服系统的时间最优控制方法和系统,具有控制效率高和控制精确的特点,能够使多电机伺服系统快速达到稳定状态。
为达到上述目的,本发明的技术方案为:一种多电机伺服系统的时间最优控制方法,其中多电机伺服系统中包含2台以上的电机和一台负载,时间最优控制方法包括如下步骤:
获取多电机伺服系统的状态参数。
将电机的位置和速度以及负载的位置和速度输入一阶扰动观测器,利用辅助变量更新并确定系统扰动估计值。
根据系统扰动估计值,构建多电机伺服系统的时间最优控制器。
采用时间最优控制器,完成对多电机伺服系统的控制。
进一步地,状态参数包括:电机的位置速度和负载的位置速度。
进一步地,在获取多电机伺服系统的状态参数,之后还包括如下步骤:
多电机伺服系统包括负载子系统和电机子系统。
根据状态参数构建多电机伺服系统的状态空间方程;状态空间方程为:
其中,为负载向量,其中x1,x2分别表示负载的位置和速度;zi为电机i对应向量,zi=[x3i,x4i]T,其中x3i,x4i分别表示电机i的位置和速度,状态方程中的六个系数矩阵分别为A1、A2、B1、B2、C1和C2,其中 C1=C2=[1 0]T;y1表示负载子系统的输出;y2i表示电机子系统的输出;为负载子系统的虚拟控制输入;d1为负载子系统非线性扰动,d2i为电机子系统非线性扰动,d2i=fmi(x4i)+γ1(x3i-x1)+γ2(x4i-x2)+(-1)iωi-ψi,γ1为扭矩系数,γ2为阻尼系数,fl为负载端的未知摩擦,fmi为第i个电机的未知摩擦,ωi为电机端的偏置力矩,ψi为传递力矩的非线性部分,ui为时间最优控制输入,Jm为电机的转动惯量,Jl为负载的转动惯量,l为负载,m为电机,i为电机序号,n为多电机伺服系统中电机的总个数。
进一步地,将电机的位置和速度以及负载的位置和速度输入一阶扰动观测器,利用辅助变量更新并确定系统扰动估计值,具体为:
所采用的一阶扰动观测器为:
其中为负载子系统非线性扰动d1的估计值;为电机子系统非线性扰动d2i的估计值;扰动观测器的两个权值矩阵分别为L1和L2,L1=[0,l1]T且L2=[0,l2]T,l1和l2是设置的可调节的正数,α1和α2i是引入的辅助变量,辅助变量α1和α2i的更新律为:
根据构建的一阶扰动观测器,利用辅助变量更新并确定系统扰动估计值。
进一步地,根据系统扰动估计值,构建多电机伺服系统的时间最优控制器,包括:
其中,yd是跟踪参考信号,s为积分滑模面,kp为设置的控制增益,k1和k2为两个设置常参数;
其中,ui为第i电机的时间最优控制输入,ei为第i个电机的同步误差,h(et)为分段函数,ei为同步误差,ε为线性控制区域的宽度,m1和m2均为设置的控制系数,ks为设置的系数,系数m1、m2和ks根据最终控制效果进行调节;um为控制输入的最大幅值。
有益效果:
1、本发明提供的多电机联动系统的时间最优控制方法,在获取多电机伺服系统的结构参数后,将其输入至一阶扰动观测器,根据辅助变量更新并确定系统扰动的估计值,然后根据扰动估计值,构建多电机伺服系统的时间最优控制器,进而采用时间最优控制器对多电机伺服系统进行精确控制,以使多电机伺服系统能够快速达到稳定状态。
2、多电机驱动伺服系统中存在的齿隙,摩擦等未知非线性会对系统的控制性能造成不利的影响,为了解决这一问题,本发明将系统非线性看作扰动,设计了一阶扰动观测器估计负载子系统和电机子系统的总扰动,有效地补偿了系统非线性。
3、本发明针对多电机驱动伺服系统中的电机同步问题,设计了近似时间最优同步控制器,实现了电机之间的快速同步,保证了系统响应时间最优,同时同步控制器中引入了线性环节,考虑同步误差小于阈值时,引入线性控制,减小了抖振且提高了系统鲁棒性。
4、本发明通过引入虚拟控制量,设计了针对多电机伺服系统的积分滑模跟踪控制器,同时设计了同步误差保证电机位置同步到虚拟跟踪信号,通过同步控制器同时实现负载跟踪与电机同步,消除了同步与跟踪的耦合效应。
附图说明
图1为本发明所基于的多电机伺服系统的结构示意图;
图2为本发明实施例所提供的多电机伺服系统时间最优控制方法的流程图;
图3为本发明实施例所提供的多电机联动系统的时间最优控制系统的结构示意图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明的目的是提供一种多电机联动系统的时间最优控制方法,具有控制效率高和控制精确的特点,能够使多电机伺服系统快速达到稳定状态。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
现有技术中存在的多电机伺服系统的具体结构如图1所示。本发明所公开的控制方法,正是基于上述结构的多电机伺服系统所构建的一种多电机联动系统的时间最优控制方法。如图2所示,该多电机联动系统的时间最优控制方法,包括:
S100、获取多电机伺服系统的状态参数;状态参数包括:电机的位置速度和负载的位置速度;
本发明实施例还根据状态参数构建多电机伺服系统的状态方程。
而根据状态参数构建多电机伺服系统的状态方程,具体包括:
根据多电机伺服系统的结构及物理特性,构建多电机伺服系统的数学模型。数学模型为:
其中,θmi表示第i个电机的角位置,θl表示负载的角位置,表示第i个电机的角速度,表示负载的角速度,表示第i个电机的角加速度,表示负载的角加速度,Jm表示第i个电机的转动惯量,Jl表示负载的转动惯量,fmi表示电机端的未知摩擦,fl表示负载端的未知摩擦,ωi表示施加在电机端的偏置力矩,δi表示第i个电机和负载之间的传递力矩,ui表示幅值受限的输入转矩且限幅函数表示如下:
其中,um为控制输入的最大幅值。
由于电机传动过程中齿隙的影响,传递力矩的表达式如下:
基于(4)可以得到系统的状态空间方程
其中,zi=[x3i,x4i]T,C1=C2=[1 0]T,y1和y2i分别表示负载子系统的输出和电机子系统的输出,为负载子系统的虚拟控制输入,d1为负载子系统非线性,d2i为电机子系统非线性,d2i=fmi(x4i)+γ1(x3i-x1)+γ2(x4i-x2)+(-1)iωi-ψi,γ1为扭矩系数,γ2为阻尼系数,fl为负载端的未知摩擦,fmi为第i个电机的未知摩擦,ui为时间最优控制输入,Jm为电机的转动惯量,Jl为负载的转动惯量,l为负载,m为电机。
由于多电机伺服系统中存在复杂的摩擦非线性以及死区非线性,会严重地影响系统性能,甚至造成系统的不稳定,尤其是低速时这种现象更为明显。因此,将多电机伺服系统的未知非线性看作有界扰动,设计一阶扰动观测器估计未知扰动,以消除未知非线性对系统性能的不利影响。
S101、将电机和负载的位置速度输入一阶扰动观测器,利用辅助变量更新并确定多电机系统扰动的估计值,估计值包括:电机扰动估计值和负载扰动估计值。
多电机驱动伺服系统中存在的齿隙,摩擦等未知非线性会对系统的控制性能造成不利的影响,为了解决这一问题,本发明将系统非线性看作扰动,设计了一阶扰动观测器估计负载子系统和电机子系统的总扰动,有效地补偿了系统非线性。
在S101中所采用的一阶扰动观测器,其结构设计如下:
S102、根据系统扰动的估计值,构建多电机伺服系统的时间最优控制器;具体包括:
根据电机和负载的不同,将多电机伺服系统分为负载子系统和电机子系统。
根据负载子系统扰动估计值,构建多电机伺服系统的积分滑模跟踪控制器。本发明通过引入虚拟控制量,设计了积分滑模跟踪控制器,同时设计了同步误差保证电机位置同步到虚拟跟踪信号,通过同步控制器同时实现负载跟踪与电机同步,消除了同步与跟踪的耦合效应。
根据电机子系统扰动估计值和虚拟跟踪控制输入,构建多电机伺服系统的时间最优同步控制器。
具体过程如下:
定义系统的跟踪误差以及积分滑模面为
ep=y1-yd (9)
结合扰动观测器和李雅普诺夫稳定性理论,设计虚拟跟踪控制器为
其中,kp是正常数。
其中aij和ι均为正常数。
根据最小值理论可以得到近似时间最优同步控制为
其中,m1、m2和ks均为正常数且0<ks≤1,ε表示线性控制区域的宽度。
本发明针对多电机驱动伺服系统中的电机同步问题,设计了近似时间最优同步控制器,实现了电机之间的快速同步,保证了系统响应时间最优,同时同步控制器中引入了线性环节,考虑同步误差小于阈值时,引入线性控制,减小了抖振且提高了系统鲁棒性。
S103、采用时间最优控制器,完成对多电机伺服系统的控制。
采用本发明所提供的多电机伺服系统时间最优控制方法对四电机伺服系统进行控制的过程中,yd=2sin(2πt/10)为跟踪参考信号,电机、负载、齿隙的参数如表1所示。
表1
本发明所公开的多电机伺服系统时间最优控制方法,可以快速并精确地跟踪目标。并且,基于近似时间最优策略设计的同步控制器,也保证多电机的快速同步,进而使得整个多电机伺服系统时间最优控制方法能够显著提高系统的跟踪精度和响应速度。
图3为本发明实施例所提供的多电机联动系统的时间最优控制系统的结构示意图。
针对上述多电机伺服系统的时间最优控制方法,构建如下系统:
包括状态参数获取模块、扰动估计值确定模块、时间最优控制器构建模块以及多电机伺服系统控制模块。
状态参数获取模块,用于获取多电机伺服系统的状态参数。
扰动估计值确定模块,用于将电机的位置和速度以及负载的位置和速度输入一阶扰动观测器,利用辅助变量更新并确定系统扰动估计值。
时间最优控制器构建模块,用于根据系统扰动估计值,构建多电机伺服系统的时间最优控制器。
多电机伺服系统控制模块,用于采用时间最优控制器,完成对多电机伺服系统的控制。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种多电机伺服系统的时间最优控制方法,其中多电机伺服系统中包含2台以上的电机和一台负载,其特征在于,所述时间最优控制方法包括如下步骤:
获取多电机伺服系统的状态参数;
将电机的位置和速度以及负载的位置和速度输入一阶扰动观测器,利用辅助变量更新并确定系统扰动估计值;
根据所述系统扰动估计值,构建所述多电机伺服系统的时间最优控制器;
采用所述时间最优控制器,完成对所述多电机伺服系统的控制。
2.根据权利要求1所述的一种多电机伺服系统的时间最优控制方法,其特征在于,所述状态参数包括:电机的位置速度和负载的位置速度。
3.根据权利要求2所述的一种多电机伺服系统的时间最优控制方法,其特征在于,在所述获取多电机伺服系统的状态参数,之后还包括如下步骤:
多电机伺服系统包括负载子系统和电机子系统;
根据所述状态参数构建所述多电机伺服系统的状态空间方程;所述状态空间方程为:
其中,为负载向量,其中x1,x2分别表示负载的位置和速度;zi为电机i对应向量,zi=[x3i,x4i]T,其中x3i,x4i分别表示电机i的位置和速度,状态方程中的六个系数矩阵分别为A1、A2、B1、B2、C1和C2,其中 C1=C2=[1 0]T;y1表示负载子系统的输出;y2i表示电机子系统的输出;为负载子系统的虚拟控制输入;d1为负载子系统非线性扰动,d2i为电机子系统非线性扰动,d2i=fmi(x4i)+γ1(x3i-x1)+γ2(x4i-x2)+(-1)iωi-ψi,γ1为扭矩系数,γ2为阻尼系数,fl为负载端的未知摩擦,fmi为第i个电机的未知摩擦,ωi为电机端的偏置力矩,ψi为传递力矩的非线性部分,ui为时间最优控制输入,Jm为电机的转动惯量,Jl为负载的转动惯量,l为负载,m为电机,i为电机序号,n为多电机伺服系统中电机的总个数。
6.根据权利要求4所述的一种多电机伺服系统的时间最优控制方法,其特征在于,所述根据所述系统扰动估计值,构建所述多电机伺服系统的时间最优控制器,包括:
其中,yd是跟踪参考信号,s为积分滑模面,kp为设置的控制增益,k1和k2为两个设置常参数;
7.一种多电机伺服系统的时间最优控制系统,其特征在于,针对如权利要求1~6任一所述的多电机伺服系统的时间最优控制方法,构建如下系统:
包括状态参数获取模块、扰动估计值确定模块、时间最优控制器构建模块以及多电机伺服系统控制模块;
所述状态参数获取模块,用于获取多电机伺服系统的状态参数;
所述扰动估计值确定模块,用于将电机的位置和速度以及负载的位置和速度输入一阶扰动观测器,利用辅助变量更新并确定系统扰动估计值;
所述时间最优控制器构建模块,用于根据所述系统扰动估计值,构建所述多电机伺服系统的时间最优控制器;
所述多电机伺服系统控制模块,用于采用所述时间最优控制器,完成对所述多电机伺服系统的控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111488907.3A CN114172428A (zh) | 2021-12-08 | 2021-12-08 | 一种多电机伺服系统的时间最优控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111488907.3A CN114172428A (zh) | 2021-12-08 | 2021-12-08 | 一种多电机伺服系统的时间最优控制方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114172428A true CN114172428A (zh) | 2022-03-11 |
Family
ID=80484160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111488907.3A Pending CN114172428A (zh) | 2021-12-08 | 2021-12-08 | 一种多电机伺服系统的时间最优控制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114172428A (zh) |
-
2021
- 2021-12-08 CN CN202111488907.3A patent/CN114172428A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5285377A (en) | Control apparatus structuring system | |
CN110673472B (zh) | 基于神经网络补偿死区反演误差的自适应鲁棒控制方法 | |
JPH0740204B2 (ja) | 多自由度非線形機械システムの制御装置 | |
CN112558468B (zh) | 基于双观测器的发射平台自适应鲁棒输出反馈控制方法 | |
CN111273544B (zh) | 基于预测rbf前馈补偿型模糊pid的雷达俯仰运动控制方法 | |
CN109828468B (zh) | 一种针对磁滞非线性机器人系统的控制方法 | |
KR101813615B1 (ko) | 액추에이터 제어 장치 및 방법 | |
CN111428317A (zh) | 一种基于5g和循环神经网络的关节摩擦力矩补偿方法 | |
WO2024041042A1 (zh) | 一种直线电机运动控制方法、装置、设备及存储介质 | |
CN110829933B (zh) | 基于发射平台的神经网络输出反馈自适应鲁棒控制方法 | |
CN112701975A (zh) | 一种双惯量伺服系统的自适应齿隙振荡抑制方法 | |
CN112643670A (zh) | 一种基于滑模观测器的柔性关节控制方法 | |
CN1265057A (zh) | 机器人的控制方法和控制装置 | |
CN113283090B (zh) | 基于蜂群算法的飞机舵机电动伺服系统摩擦补偿方法 | |
Khodamipour et al. | Adaptive formation control of leader–follower mobile robots using reinforcement learning and the Fourier series expansion | |
CN114952835A (zh) | 一种基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器设计方法 | |
CN114172428A (zh) | 一种多电机伺服系统的时间最优控制方法和系统 | |
CN109995278B (zh) | 一种考虑输入受限的电机伺服系统自调节控制方法 | |
CN110888320B (zh) | 基于双电动缸同步运动误差建模的自适应鲁棒控制方法 | |
CN110119085B (zh) | 一种Manutec R3型工业机器人动态优化系统 | |
CN110932609B (zh) | 一种多电机伺服系统自适应递推控制方法和系统 | |
CN109116727B (zh) | 一种基于低通滤波器的pid型一阶全格式无模型自适应航速控制算法 | |
US20030173928A1 (en) | Servo control method | |
CN116088299A (zh) | 卫星天线混联运动机构神经网络反步控制方法 | |
CN112477880B (zh) | 一种无人驾驶汽车纵向控制方法 |
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 |