CN114520610A - 伺服驱动器的电机参数自学习模糊控制方法 - Google Patents
伺服驱动器的电机参数自学习模糊控制方法 Download PDFInfo
- Publication number
- CN114520610A CN114520610A CN202111632289.5A CN202111632289A CN114520610A CN 114520610 A CN114520610 A CN 114520610A CN 202111632289 A CN202111632289 A CN 202111632289A CN 114520610 A CN114520610 A CN 114520610A
- Authority
- CN
- China
- Prior art keywords
- servo driver
- fuzzy control
- motor
- fuzzy
- output
- 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
- H02P21/001—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
- H02P21/13—Observer control, e.g. using Luenberger observers or Kalman filters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明公开了伺服驱动器的电机参数自学习模糊控制方法,涉及伺服驱动器技术领域。本发明采用二维模糊控制算法对电机模型进行仿真,并在模糊控制规则的观测器内,详细地查找每个模糊变量隶属函数所对应的温度控制系统输出的结果,并推算出E和EC这两者输入的PID相关参数的变化量,大大提高了伺服驱动器的电机速度和精度,使伺服驱动器的电机能长时间的维持在可控情况下,提高了系统的稳定性;通过结合上位机的姿态角信号的动态控制强和模糊控制算法优良的鲁棒性,使用模糊控制规则对PID控制算法的参数进行实时调整,进一步地提高了伺服驱动器的电机速度和精度,以及伺服驱动器的电机使用寿命。
Description
技术领域
本发明属于伺服驱动器技术领域,特别是涉及伺服驱动器的电机参数自学习模糊控制方法。
背景技术
目前主流的交流同步伺服驱动器均采用数字信号处理器(DSP, DigitalSignalProcessing)作为控制核心,可以实现比较复杂的算法,而交流同步伺服驱动器控制软件的性能亦主要体现在核心算法上,一个优秀的核心算法对于提高交流同步伺服驱动器的性能非常重要,通常好的核心算法应该具有可靠性、准确性和高效性。而具体体现驱动器及同步电机上就是响应速度快、电流的平滑度好、电磁噪声低等。
传统伺服驱动器驱动拓扑为单级桥式结构,这种拓扑特点是伺服驱动器每相绕组各自独立,互不影响,冗余性得到有效体现,且可靠性高,适用于低压大功率应用场合。但是这种拓扑结构中每个功率开关管承受全部直流母线电压,对器件本身性能要求较高,增加了系统的硬件成本,功率器件的价格随着电压的升高呈指数形增长,这无疑给用户带来沉重的经济负担。
现有公开的专利CN201210176944.5公开了一种交流同步伺服驱动器及其控制算法,该算法包括:获取输入的三相电流信号、伺服电机的编码器输出的转子位置信号、以及电流环指令信号;对三相电流信号进行极性判定,同时将转子位置信号转换成对应的转速信号;根据经过极性判定处理后获得的电流信号以及转子位置信号进行Park 变换,同时根据转速信号和电流环指令信号生成电压补偿信号;将经过Park变换处理后获得的电流信号进行PI调节,生成对应的电压信号;将电压信号与电压补偿信号叠加成第二电压信号;将第二电压信号进行超限处理;将经过超限处理后的第二电压信号合成对应的PWM信号。
但是,上述公开的技术在不能解决伺服驱动器的电机速度慢和精度差的问题。
发明内容
本发明的目的在于提供伺服驱动器的电机参数自学习模糊控制方法,通过采用二维模糊控制算法对电机模型进行仿真,并在模糊控制规则的观测器内,详细地查找每个模糊变量隶属函数所对应的温度控制系统输出的结果,以解决上述提出的问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为伺服驱动器的电机参数自学习模糊控制方法,所述模糊控制算法包括以下步骤:
步骤一:确定伺服驱动器控制过程中的输入输出模糊化变量;
给定上位机的姿态角信号,与伺服驱动器的输出端的反馈信号进行比较后,得到误差信号,经过模糊控制算法调整输出到驱动模块,驱动电机运行,最后通过减速器带动末端的天线转动;
步骤二:确定隶属度函数;
给定电机的参数,确定伺服驱动器的电枢回路的电压、转矩、运动方程式:
Ed=KeΩ;
Md=Kmi;
式中,Ke表示电机速度系数,Km表示电磁转矩常数,Ω表示转子的角速度;
步骤三:制定模糊控制规则;
采用二维模糊控制算法对电机模型进行仿真,二维模糊控制的输入量为位置误差E和位置误差变化量EC;
步骤四:通过模糊控制规则实时调节电机的PID参数的大小;
模糊控制器的输入变量E和EC的论域离散化为 {-N,…,-1,0,1,…,N},输出变量ΔUPI(UPD)的论域离散化为 {-M,…,-1,0,1,…,M},其中N,M分别是不同模糊变量的语言值数,根据增量式PI算法和PD算法可得:
UPD(k)=ΔUPI(k)=γ[αE+(1-α)EC]
作为本发明的一种优选技术方案,所述步骤一中通过结合上位机的姿态角信号的动态控制强和模糊控制算法优良的鲁棒性,使用模糊控制规则对PID控制算法的参数进行实时调整。
作为本发明的一种优选技术方案,所述步骤二中伺服驱动器的电枢回路的电压相对大的区域来确定曲线平滑的高斯形隶属杉树即高斯滤波,而在伺服驱动器的电枢回路的电压较小的区域内挑选出曲线呈现峰形的三角形隶属函数。
作为本发明的一种优选技术方案,所述步骤三中参考实际操作经验,研究、归纳出在模型中电机参数的误差值和误差变化率分别对系统输出参数的影响,然后获得模糊控制规则表。
作为本发明的一种优选技术方案,所述步骤四中,加权因子a在 a1和a2之间随误差绝对值的大小变化,N为量化等级。
作为本发明的一种优选技术方案,所述步骤四中,在模糊控制规则的观测器内,详细地查找每个模糊变量隶属函数所对应的温度控制系统输出的结果,并推算出E和EC这两者输入的PID相关参数的变化量。
作为本发明的一种优选技术方案,所述步骤四中,E大则α大,控制的主要作用是消除误差;E小则减小α可消除系统误差的变化,使伺服驱动器的电机控制系统趋于稳定。
本发明具有以下有益效果:
1、本发明通过采用二维模糊控制算法对电机模型进行仿真,并在模糊控制规则的观测器内,详细地查找每个模糊变量隶属函数所对应的温度控制系统输出的结果,并推算出E和EC这两者输入的PID 相关参数的变化量,大大提高了伺服驱动器的电机速度和精度,使伺服驱动器的电机能长时间的维持在可控情况下,提高了系统的稳定性。
2、本发明通过结合上位机的姿态角信号的动态控制强和模糊控制算法优良的鲁棒性,使用模糊控制规则对PID控制算法的参数进行实时调整,进一步地提高了伺服驱动器的电机速度和精度,以及伺服驱动器的电机使用寿命。
当然,实施本发明的任一产品并不一定需要同时达到以上的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的伺服驱动器的电机参数自学习模糊控制方法的系统图;
图2为本发明中的模糊PID控制算法和PID算法抗干扰对比曲线图;
图3为本发明中的伺服驱动器的电机参数模型时间常数提高 30%的仿真对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
请参阅图1-3所示,本发明为伺服驱动器的电机参数自学习模糊控制方法,伺服驱动器的电机参数自学习模糊控制方法,所述模糊控制算法包括以下步骤:
步骤一:确定伺服驱动器控制过程中的输入输出模糊化变量;
给定上位机的姿态角信号,与伺服驱动器的输出端的反馈信号进行比较后,得到误差信号,经过模糊控制算法调整输出到驱动模块,驱动电机运行,最后通过减速器带动末端的天线转动;
步骤二:确定隶属度函数;
给定电机的参数,确定伺服驱动器的电枢回路的电压、转矩、运动方程式:
Ed=KeΩ;
Md=Kmi;
式中,Ke表示电机速度系数,Km表示电磁转矩常数,Ω表示转子的角速度;
步骤三:制定模糊控制规则;
采用二维模糊控制算法对电机模型进行仿真,二维模糊控制的输入量为位置误差E和位置误差变化量EC;
步骤四:通过模糊控制规则实时调节电机的PID参数的大小;
模糊控制器的输入变量E和EC的论域离散化为{-N,…,-1,0,1,…,N},输出变量ΔUPI(UPD)的论域离散化为 {-M,…,-1,0,1,…,M},其中N,M分别是不同模糊变量的语言值数,根据增量式PI算法和PD算法可得:
UPD(k)=ΔUPI(k)=γ[αE+(1-α)EC]
步骤一中通过结合上位机的姿态角信号的动态控制强和模糊控制算法优良的鲁棒性,使用模糊控制规则对PID控制算法的参数进行实时调整。
步骤二中伺服驱动器的电枢回路的电压相对大的区域来确定曲线平滑的高斯形隶属杉树即高斯滤波,而在伺服驱动器的电枢回路的电压较小的区域内挑选出曲线呈现峰形的三角形隶属函数。
步骤三中参考实际操作经验,研究、归纳出在模型中电机参数的误差值和误差变化率分别对系统输出参数的影响,然后获得模糊控制规则表。
实施例三
基于上述实施例一所述的技术方案。步骤四中,加权因子a在a1和 a2之间随误差绝对值的大小变化,N为量化等级。E大则α大,控制的主要作用是消除误差;E小则减小α可消除系统误差的变化,使伺服驱动器的电机控制系统趋于稳定。
实施例三
基于上述实施例一所述的技术方案。步骤四中,在模糊控制规则的观测器内,详细地查找每个模糊变量隶属函数所对应的温度控制系统输出的结果,并推算出E和EC这两者输入的PID相关参数的变化量,具体包括:
通过电流检测模块实时采集全桥变换模块的输出电流并发送该输出电流至子控制模块;通过子控制模块接收全桥变换模块的输出电流,并将该输出电流发送至主控模块;通过子控制模块根据全桥变换模块的输出电流调节脉宽调制驱动模块的输出占空比,并将输出占空比发送至脉宽调制驱动模块;通过脉宽调制驱动模块根据输出占空比调节全桥变换模块的输出电流和输出电压,以控制每输入变量E和 EC的论域离散化同步输出相同的恒定电流;
根据输出电流控制每个输入变量E和EC的论域离散化同步输出相同的恒定电压,并根据输出电流对输入变量E和EC的论域离散化实时进行负载电流均分,以供每个输入变量E和EC的论域离散化的输出电流基本相同,具体包括:
通过电流检测模块实时采集全桥变换模块的输出电流并发送该输出电流至子控制模块;通过子控制模块接收全桥变换模块的输出电流,并将该输出电流发送至主控模块;通过子控制模块根据全桥变换模块的输出电流调节脉宽调制驱动模块的输出占空比,并将输出占空比发送至脉宽调制驱动模块;通过脉宽调制驱动模块根据输出占空比调节全桥变换模块的输出电流和输出电压,以控制每输入变量E和 EC的论域离散化同步输出相同的恒定电压;以及
计算各个输入变量E和EC的论域离散化均流母线电流值;
计算每个输出变量ΔUPI(UPD)的论域离散化的输出电流;
对各个输出变量ΔUPI(UPD)的论域离散化实时进行负载电流均分,输出变量ΔUPI(UPD)的论域离散化的输出电流数基本相同。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.伺服驱动器的电机参数自学习模糊控制方法,所述模糊控制算法包括以下步骤:
步骤一:确定伺服驱动器控制过程中的输入输出模糊化变量;
给定上位机的姿态角信号,与伺服驱动器的输出端的反馈信号进行比较后,得到误差信号,经过模糊控制算法调整输出到驱动模块,驱动电机运行,最后通过减速器带动末端的天线转动;
步骤二:确定隶属度函数;
给定电机的参数,确定伺服驱动器的电枢回路的电压、转矩、运动方程式:
Ed=KeΩ;
Md=Kmi;
式中,Ke表示电机速度系数,Km表示电磁转矩常数,Ω表示转子的角速度;
步骤三:制定模糊控制规则;
采用二维模糊控制算法对电机模型进行仿真,二维模糊控制的输入量为位置误差E和位置误差变化量EC;
步骤四:通过模糊控制规则实时调节电机的PID参数的大小;
模糊控制器的输入变量E和EC的论域离散化为{-N,…,-1,0,1,…,N},输出变量ΔUPI(UPD)的论域离散化为{-M,…,-1,0,1,…,M},其中N,M分别是不同模糊变量的语言值数,根据增量式PI算法和PD算法可得:
UPD(k)=ΔUPI(k)=γ[αE+(1-α)EC]
2.根据权利要求1所述的伺服驱动器的电机参数自学习模糊控制方法,其特征在于:所述步骤一中通过结合上位机的姿态角信号的动态控制强和模糊控制算法优良的鲁棒性,使用模糊控制规则对PID控制算法的参数进行实时调整。
3.根据权利要求1所述的伺服驱动器的电机参数自学习模糊控制方法,其特征在于:所述步骤二中伺服驱动器的电枢回路的电压相对大的区域来确定曲线平滑的高斯形隶属杉树即高斯滤波,而在伺服驱动器的电枢回路的电压较小的区域内挑选出曲线呈现峰形的三角形隶属函数。
4.根据权利要求1所述的伺服驱动器的电机参数自学习模糊控制方法,其特征在于:所述步骤三中参考实际操作经验,研究、归纳出在模型中电机参数的误差值和误差变化率分别对系统输出参数的影响,然后获得模糊控制规则表。
5.根据权利要求1所述的伺服驱动器的电机参数自学习模糊控制方法,其特征在于:所述步骤四中,加权因子a在a1和a2之间随误差绝对值的大小变化,N为量化等级。
6.根据权利要求1所述的伺服驱动器的电机参数自学习模糊控制方法,其特征在于:所述步骤四中,在模糊控制规则的观测器内,详细地查找每个模糊变量隶属函数所对应的温度控制系统输出的结果,并推算出E和EC这两者输入的PID相关参数的变化量。
7.根据权利要求1所述的伺服驱动器的电机参数自学习模糊控制方法,其特征在于:所述步骤四中,E大则α大,控制的主要作用是消除误差;E小则减小α可消除系统误差的变化,使伺服驱动器的电机控制系统趋于稳定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111632289.5A CN114520610A (zh) | 2021-12-28 | 2021-12-28 | 伺服驱动器的电机参数自学习模糊控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111632289.5A CN114520610A (zh) | 2021-12-28 | 2021-12-28 | 伺服驱动器的电机参数自学习模糊控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114520610A true CN114520610A (zh) | 2022-05-20 |
Family
ID=81596488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111632289.5A Pending CN114520610A (zh) | 2021-12-28 | 2021-12-28 | 伺服驱动器的电机参数自学习模糊控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114520610A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115995291A (zh) * | 2023-03-22 | 2023-04-21 | 安徽通灵仿生科技有限公司 | 一种介入式心室导管泵的控制系统及方法 |
-
2021
- 2021-12-28 CN CN202111632289.5A patent/CN114520610A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115995291A (zh) * | 2023-03-22 | 2023-04-21 | 安徽通灵仿生科技有限公司 | 一种介入式心室导管泵的控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110572091B (zh) | 一种优化永磁同步电机无传感器控制方法 | |
CN110022109B (zh) | 转矩-电流神经网络模型srm转矩脉动控制方法与系统 | |
CN108418487B (zh) | 一种用于电动汽车的速度脉动抑制方法 | |
CN109343351B (zh) | 一种改进pid控制的开关磁阻电机转矩控制系统 | |
CN105048896B (zh) | 一种无刷直流电机直接转矩自适应模糊控制方法 | |
Kumar et al. | Adaptive control schemes for improving dynamic performance of efficiency-optimized induction motor drives | |
CN110829932A (zh) | 一种横向磁通开关磁阻电机的直接转矩控制系统及其方法 | |
CN110466597B (zh) | 一种电动汽车eps用交流永磁电机能量优化控制系统 | |
CN103895832A (zh) | 一种船舶电伺服鳍、翼鳍减横摇智能矢量控制方法 | |
CN111711396A (zh) | 基于分数阶滑模控制器的永磁同步电机速度环控制参数的整定方法 | |
CN114520610A (zh) | 伺服驱动器的电机参数自学习模糊控制方法 | |
CN110474576B (zh) | 一种无刷直流电机仿人智能转速控制方法 | |
CN104167968A (zh) | 一种异步电机矢量控制方法 | |
Kalaivani et al. | Intelligent control for torque-ripple minimization in switched reluctance motor | |
El Mahfoud et al. | Three Speed Controllers of Direct Torque Control for a Doubly Fed Induction Motor Drive-A Comparison. | |
CN102522948A (zh) | Dtc系统中转矩滞环宽度的混合智能调节方法 | |
CN112532132A (zh) | 一种永磁同步电机电流快速响应控制方法 | |
CN116317748B (zh) | 基于神经元比例积分-模糊积分算法的双闭环bldc控制器 | |
CN110096077B (zh) | 开关磁阻电机非奇异快速终端滑模转速控制方法及系统 | |
CN108155836B (zh) | 基于全局在线启发式动态规划永磁同步电机矢量控制方法 | |
CN112928965B (zh) | 基于磁链的开关磁阻电机转矩脉动抑制控制系统和方法 | |
Sun et al. | A single neuron PID controller based PMSM DTC drive system fed by fault tolerant 4-switch 3-phase inverter | |
CN107294460A (zh) | 一种电动自行车控制器软硬启动调整的控制方法 | |
CN110504879B (zh) | 一种电磁式主动悬架作动器节能抗干扰控制系统 | |
Hasan et al. | Neural network control of induction motor drives for energy efficiency and high dynamic performance |
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 |