CN114706300B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN114706300B CN114706300B CN202210096210.XA CN202210096210A CN114706300B CN 114706300 B CN114706300 B CN 114706300B CN 202210096210 A CN202210096210 A CN 202210096210A CN 114706300 B CN114706300 B CN 114706300B
- Authority
- CN
- China
- Prior art keywords
- function
- steps
- method comprises
- following
- substituting
- 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 96
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 33
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 238000013461 design Methods 0.000 claims description 64
- 230000003044 adaptive effect Effects 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 abstract description 66
- 238000011217 control strategy Methods 0.000 abstract description 5
- 238000004880 explosion Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 abstract description 3
- 230000001537 neural effect Effects 0.000 description 11
- 230000004044 response Effects 0.000 description 11
- 238000004088 simulation Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了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,采用非线性变换函数将输出约束动态模型转换为无约束的动态模型;提出一种基于扰动观测器的有限时间控制策略估计不匹配的外界扰动,然后,通过结合神经网络来估计非线性函数和一阶滤波器来处理“复杂性爆炸”,构思出一种对永磁同步电机具有自适应学习能力的动态面控制方法。本发明有效解决有限时间反步框架下系统具有时变特性和不匹配的外部扰动的非对称输出约束的问题。
Description
技术领域
本发明属于具有时滞和非对称时变输出约束的PMSM系统控制技术领域,涉及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。
背景技术
与传统步进电机相比,由于永磁同步电机具有明显的优点,例如更高的运行效率,更好的功率密度,它们通常用于车辆,飞机,石油和化学工业。尽管如此,永磁同步电机是具有多变量耦合的非线性系统,并且容易受到某些不稳定性的影响,包括参数扰动和外在干扰。因此,设计一种有效的控制器来克服系统中存在的非线性,对于永磁同步电机的应用具有更深远的意义。在过去的几十年中,研究人员提出了许多关键的控制方法,例如滑模控制、自适应控制、反步控制等,以满足永磁同步电机控制系统的更高要求。
上述方法中,能够很好地将自适应神经网络和模糊逻辑系统控制结合的反步控制方法,对于具有任意不确定扰动的永磁同步电机构建高性能控制器十分有效。因此,在传统的反步方案中产生的虚拟控制律的多重微分导致“复杂性爆炸”,这增加了控制系统的计算负担。为了应对这一挑战,通过将卡尔曼滤波器、跟踪微分器、命令滤波器和一阶滤波器集成到经典的反步框架中,提出了许多关键方案。例如,提出扩展卡尔曼滤波器来评估周期性扰动及其导数。张钧星(张钧星等,具有外部扰动和约束输出的混沌永磁同步电机系统自适应神经动态表面控制[J].电气与电子工程的最新进展(以前称为电气与电子工程的最新专利),2020年)将从动态面控制方法衍生的命令扩展到永磁同步电机系统,以解决繁重的计算负担。尽管上文所提出的方法在一定程度上提高了系统的稳定性和鲁棒性,但它们仍然没有考虑到当前研究的前沿,如有限时间稳定性理论、扰动观测器和约束控制来加强系统性能。
由于有限时间控制方法能够从时间优化控制方案的角度提供出色的收敛性和优异的鲁棒性,因此设计了许多基于有限稳定性理论的有效策略来获得永磁同步电机的高收敛速度和响应。例如,有限时间控制方法被用来在有限时间内实现跟踪所需的电机位置。为了实现动态相应和抗干扰能力,一个有限时间控制器被设计以便系统输出在有限的时间内跟踪所需的速度信号。一种自适应有限时间控制方法被提出来保证复杂系统中的信号和所有状态误差都能有限时间收敛到有界区域。上述工作表明,通过有限时间方法可以实现更快速的有限时间跟踪误差收敛,这是在这项工作中构建针对永磁同步电机系统的有限时间控制方案的动机之一。
关于研究受约束的永磁同步电机控制系统,已经采用了许多有效的方法来处理它们,其中障碍Lyapunov函数通常被认为是将跟踪误差收敛到预设的起始紧集的有效的方法。利用两种类型的非对称和对称障碍Lyapunov函数来确保跟踪误差可以在有限的时间内被约束在起始点的小邻域内。一个积分型障碍Lyapunov函数被提出来处理基于输出约束的保守可行性条件。为了消除利用障碍Lyapunov函数引起的分段不对称性,提出一种非线性坐标转换函数,将具有状态约束的模型转换为无约束模型。利用非线性转换函数将全状态约束系统转变为无约束系统。针对永磁同步电机中的物理约束,提出一种有限时间H无穷大控制方法,以消除约束限制并得到出H无穷大性能。虽然前面的文献对约束系统做出了巨大贡献,但并没有考虑到损害受控系统稳定运行的外部干扰。
为了增强电机系统的抗干扰能力,许多研究人员已经考虑为增加扰动观测器。例如,集成了滑模扰动观测器来估计外部负载扭矩,以增强永磁同步电机的抗干扰和动态响应能力。一种基于跟踪微分器的扰动观测器被设计来增加开关增益,这可以抑制突然变化的干扰。为了增强对扰动的抵抗力,可以通过分数阶来估计不匹配的扰动。为了实现静止和动态跟踪性能,设计了一种扰动观测器来观测永磁同步电机的负载扰动和负载变化。基于扰动观测器的补偿方法被用来解决标称系统的外部干扰。最重要的是,基于扰动观测器的方法可以有效地消除未知干扰,从而在一定程度上获得抗干扰能力和鲁棒性。
发明内容
本发明要解决的技术问题是:提供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,以解决现有技术中存在的技术问题。
本发明采取的技术方案为: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,该方法包括以下步骤:
(1)定义变量x1=θ,x2=ω,x3=iq,x4=id,对(d-q)坐标系下永磁同步电机的动力学模型重新构建,得到如下式:
其中x1受限于:
其中已知边界约束条件是时变函数和/>x1(t)表示输出变量,xd为参考信号,Δd为外部干扰,x=(x1,...,x4)T∈R4为状态向量,/>a2=3np(Ld-Lq)/2,b1=-Rs/Lq,b2=-npLd/Lq,/>b4=1/Lq,c1=-Rs/Ld,c2=npLq/Ld,c3=1/Ld;ω为转子角速度,θ为转子角度,iq为q-轴电流,id为d-轴电流,uq为q-轴电压,ud为d-轴电压,J为转动惯量,B为摩擦系数,/>为永磁通量,Rs为定子线圈电阻,np为极对数,Lq为q-轴线圈电感,Ld为d-轴线圈电感,TL为负载力矩;
设1:期望轨迹xd(t)及其i阶导数是光滑有界的,状态约束函数及其j阶导数/>是连续有界的;
引理1:对于任意实变量p和q,以及常量ki>0,i=1,2,3,满足如下条件:
引理2:对于任意变量和实数/>得到:
定义1:对于状态向量Λ∈Rn,将非线性正定系统定义为其中f(Λ)表示正定函数;对任意初始条件Λ(t0)=Λ0,存在实数ρ>0和稳定时间T(ρ,Λ0)<∞满足||Λ(t)||<ρ;对任意的t≥t0+T,存在一个平衡点λ=0满足/>那么非线性系统在有限时间内是半全局稳定的;
引理3:对于非线性系统如果存在实数/>和光滑函数V(Λ)>0满足:
那么复杂系统能够实现有限时间稳定性,并且稳定时间通过以下公式进行估计:
如果t≥T,则如下公式成立:
引理4:对于每个变量其中φ1<φ2,且φ1和φ2为奇数,如下不等式成立如下:
其中实数β1>0,β2>0,
引理5:引入以下系统:
其中Δi,(i=1,…,n)是第i个状态变量,为设计常量,并且扰动项f(t)满足|f(t)|≤L0;然后系统将在有限的时间内收敛到原点,从而非线性系统实现有限时间稳定性;
(2)A、使用径向基神经网络估计未知的非线性函数,对未知非线性函数在具有任意精度的闭合集合中估计,因此,得:
其中Y=[y1,y2,…,yn]T为输入变量,为径向基神经网络的期望权重向量,l>1表示节点数,估计误差Ξ(Y)满足|Ξ(Y)|<ΞM,其中ΞM表示为不确定的有界变量;W(Y)=[w1(Y),w2(Y),...,wl(Y)]T是基函数向量,选择第i个通用高斯函数wi(Y)为
其中δi=[δi1,...,δim]表示第i个高斯基函数的中心,表示第i个高斯函数的宽度;
考虑期望权重向量为:
其中表示更新权重向量;
利用2范数来估计权重减轻神经网络的计算负担,因此,得到:
其中表示第i个不确定变量,||·||代表·的2范数;
(3)设计基于有限时间扰动观测器的动态面控制
非线性坐标转换函数被用来将具有输出约束系统(2)转换为非约束系统,然后输出变量被约束在具有不对称时变边界的紧集中;
定义2:设计非线性转换函数为:
其中s1=x1-xd表示跟踪误差,ζ1表示转换误差,是连续时变函数,假设存在两个正常量C0和C1,则变量/>满足以下条件:/>
已知和/>是有界的,由此推断,从公式(15)可以推断出ζ1的有界性取决于跟踪误差s1;对于每个初始条件/>当ζ1在t∈[0,+∞)内有界时,推断出s1(t)满足如下条件:/>为了简化下文的表达式,分别将/>和/>缩写为/>和对ζ1求导,得到:
其中
基于(3)和(16),得到输出无约束子系统,如下式所示:
基于(15),得到无约束变量ζ1的值域是所有实数集,结合η1,Γ1和假设1,可以推断出此外,结合洛必达法则,得到:
当s1不受约束时,转换误差ζ1接近跟踪误差s1;
B、基于结合辅助变量d,D,设计有限时间扰动观测器为:
其中和/>分别代表Δd,x2和D的估计值,定义/>λ1和λ2并表示扰动观测器的正设计系数,κ1为适当的正常数;
定义然后对/>和/>对时间t求导,得到:
假设不匹配扰动的变化可以忽略不计,则Δd有界,并且估计值和/>将分别在有限的时间内收敛到实际值Δd,x2和D;
C、设计基于扰动观测器的自适应有限时间控制器:
对跟踪误差采用非线性坐标变换:
其中是下列第i个一阶滤波器的输出:
其中εi代表第i个滤波器的时间常数,第i个虚拟控制信号将在之后设计;
类似地,第i个滤波器误差zi,i=2,3被定义为:
将(2)和(19)代入到(23)中,对(23)中的求导:
定义第i个变量估计误差为:
其中第i个变量的估计值为/>
基于扰动观测器的自适应有限时间控制器的设计步骤如下:
步骤1、选择的第一个子Lyapunov函数V1为:
其中设计常数τ1>0;
结合(27),对(28)中的V1求导:
将(26)代入(29),得到:
定义F1(X1)为:
其中
采用径向基神经网络估计未知函数F1(X1):
其中设计常数ΞM>0.
因此,(30)变为:
根据杨氏不等式,得到:
其中设计常数p1>0;
将(34)代入(33)得到:
设计虚构控制律和自适应律/>为:
其中k11,k12,表示正常数,α=α1/α2和奇数α1,α2满足如下条件:0<α1<α2;
将(36)代入到(35),得到
结合(24)-(26),(27)和(36),对z2求导:
其中为一个连续函数;
推导出为/>满足在紧集的预设初始条件下服从的最大值,因此:
其中
利用杨氏不等式,得到:
将(40)代入到(37)中,得到:
步骤2、选择第二个子Lyapunov函数V2为:
其中τ2>0为已知常量;
结合(27),对V2进行求导,得到:
将(26)和(41)代入到(43)中,得到:
基于引理5,假设其中q1表示正常数;然后将(44)简化为:
构造F2(X2)
其中
结合(46),然后(45)重新表述为:
与(32)类似,得到(47)中的F2(X2)未知,因此,提出一个径向基神经网络来估计F2(X2):
因此,(47)被重新表达为:
类似于(34),得到如下不等式:
其中设计常数p2>0;
将(50)代入(49),得到:
类似于(36),选择虚拟控制器和自适应律/>为:
其中设计常数k21,k22,为正数;
将(52)代入到(51)中,得到:
类似于(40),得到:
其中函数
将(54)代入(53),得到
步骤3、选择第三个子Lyapunov函数V3为:
其中已知常量t3>0;
根据(27),将V3对时间t求导:
将(26)和(55)代入(57),得到:
设计F3(X3)为:
其中
因此,(58)重新表示为:
同样,F3(X3)是未知的,然后,应用径向基神经网络来估计
类似于(34),得到:
其中设计参数p3>0;
因此,(60)被重新表达为:
设计实际控制器uq和自适应律为:
其中设计常数k31,k32,为正数;
将(64)代入(63),得到:
步骤4、选择第四个子Lyapunov函数V4为:
其中设计常数τ4>0;
结合(27),对(66)中的V4求导,得到:
结合(26),并将(65)代入(67)得到:
构造F4(X4)为:
其中
然后,(68)被简化为:
由于F4(X4)是一个不确定的函数,应用径向基神经网络来估计它,得到:
类似于(34),得到:
其中设计常数p4>0;
将(72)代入(70),得到:
设计实际控制器ud和虚拟控制律
其中k41,k42,为正常数;
将(74)代入(73),得到:
本发明的有益效果:与现有技术相比,本发明的效果如下:
1)利用合适的非线性转换函数,将具有不匹配外部干扰的输出约束永磁同步电机系统转换为新颖的无约束系统,与通常使用的基于分段障碍Lyapunov函数的反步法来解决非对称约束相比,这种设计的两个优点是,有约束和无约束系统都可以在不变的控制器下直接方便地求解,并且消除了对连续虚拟控制器的要求;
2)与基于扰动观测器渐近反步法不同,本发明提出了一种有限时间扰动观测器来估计无约束系统的不匹配外部干扰,从而增强了控制系统的抗干扰能力和动态响应能力;
3)与现有技术中的渐近稳定和有限时间稳定下的反步法不同,本发明的控制方案采用快速有限时间稳定理论将坐标变换和有限时间扰动观测器集成到动态面控制框架中,这项工作具有设计要求少、用户在实际应用中容易使用等优点,使其不受干扰,收敛速度快,对抑制输出约束和不匹配的外部干扰具有出色的鲁棒性。
附图说明
图1为永磁同步电机系统控制原理结构示意图;
图2为有限时间动态面控制、比例积分微分控制和神经动态面控制方案中输出信号x1和期望信号xd的曲线图,其中(a)为情况1中的系统,(b)为情况2中的系统;
图3为有限时间动态面控制、比例积分微分控制和神经动态面控制方案中跟踪误差s1的响应曲线图,其中(a)为情况1中的系统;(b)为情况2中的系统;
图4为状态变量x2的响应曲线图;其中(a)为情况1中的系统。(b)为情况2中的系统;
图5为状态变量id和iq的响应曲线图;(a)为情况1中的系统,(b)为情况2中的系统;
图6为控制器ud和uq的轨迹图;其中(a)为情况1中的系统。(b)为情况2中的系统。
具体实施方式
下面结合具体的实施例对本发明进行进一步介绍。
实施例1:如图1-6所示,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,包括以下步骤:
A系统说明(d-q)坐标系下永磁同步电机的动力学模型可以表述为:
其中,ω为转子角速度(rad/s),θ为转子角度(°),iq为q-轴电流(A),id为d-轴电流(A),uq为q-轴电压(V),ud为d-轴电压(V),J为转动惯量(kg·m2),B为摩擦系数(N/(rad/s)),为永磁通量(Wb),Rs为定子线圈电阻(Ω),np为极对数,Lq为q-轴线圈电感(H),Ld为d-轴线圈电感(H),TL为负载力矩(N·m);
定义变量x1=θ,x2=ω,x3=iq,x4=id,对(d-q)坐标系下永磁同步电机的动力学模型重新构建,得到如下式:
/>
其中x1受限于:
其中已知边界约束条件是时变函数和/>x1(t)表示输出变量,xd为参考信号,Δd为外部干扰,x=(x1,...,x4)T∈R4为状态向量,/>a2=3np(Ld-Lq)/2,b1=-Rs/Lq,b2=-npLd/Lq,/>b4=1/Lq,c1=-Rs/Ld,c2=npLq/Ld,c3=1/Ld;ω为转子角速度,θ为转子角度,iq为q-轴电流,id为d-轴电流,uq为q-轴电压,ud为d-轴电压,J为转动惯量,B为摩擦系数,/>为永磁通量,Rs为定子线圈电阻,np为极对数,Lq为q-轴线圈电感,Ld为d-轴线圈电感,TL为负载力矩;
首先处理了永磁同步电机系统中提出的不匹配干扰和方程非对称输出约束。与常数对称约束相比,方程采用的非对称时变约束上限和下限更具有一般性。
本发明的目标是设计一种基于扰动观测器的自适应有限时间动态面控制方案,该方案具有有限时间特性:
a)跟踪误差在有限的时间内收敛到原点的小邻域内,并且闭环系统中的所有信号都有界。
b)输出信号满足中的约束条件。
为了实现这些目标,给出了下面的假设和引理:
设1:期望轨迹xd(t)及其i阶导数是光滑有界的,状态约束函数及其j阶导数/>是连续有界的;
引理1:对于任意实变量p和q,以及常量ki>0,i=1,2,3,满足如下条件:
引理2:对于任意变量和实数/>得到:
定义1:对于状态向量Λ∈Rn,将非线性正定系统定义为其中f(Λ)表示正定函数;对任意初始条件Λ(t0)=Λ0,存在实数ρ>0和稳定时间T(ρ,Λ0)<∞满足||Λ(t)||<ρ;对任意的t≥t0+T,存在一个平衡点λ=0满足/>那么非线性系统在有限时间内是半全局稳定的;
引理3:对于非线性系统如果存在实数/>和光滑函数V(Λ)>0满足:
那么复杂系统能够实现有限时间稳定性,并且稳定时间通过以下公式进行估计:
如果t≥T,则如下公式成立:
/>
引理4:对于每个变量其中φ1<φ2,且φ1和φ2为奇数,如下不等式成立如下:
其中实数β1>0,β2>0,
引理5:引入以下系统:
其中Δi,(i=1,…,n)是第i个状态变量,为设计常量,并且扰动项f(t)满足|f(t)|≤L0;然后系统将在有限的时间内收敛到原点,从而非线性系统实现有限时间稳定性;
为了简化表达,在不发生混淆的前提下,之后的陈述中有些函数将会被简写。
(2)神经网络系统和函数估计
A、使用径向基神经网络估计未知的非线性函数,对未知非线性函数在具有任意精度的闭合集合中估计,因此,得:
其中Y=[y1,y2,…,yn]T为输入变量,为径向基神经网络的期望权重向量,l>1表示节点数,估计误差Ξ(Y)满足|Ξ(Y)|<ΞM,其中ΞM表示为不确定的有界变量;W(Y)=[w1(Y),w2(Y),...,wl(Y)]T是基函数向量,选择第i个通用高斯函数wi(Y)为
其中δi=[δi1,...,δim]表示第i个高斯基函数的中心,表示第i个高斯函数的宽度;
考虑期望权重向量为:
其中表示更新权重向量;
利用2范数来估计权重减轻神经网络的计算负担,因此,得到:
其中表示不确定变量,||·||代表·的2范数;
(3)设计基于有限时间扰动观测器的动态面控制
非线性坐标转换函数被用来将具有输出约束系统(2)转换为非约束系统,然后输出变量被约束在具有不对称时变边界的紧集中;
定义2:设计非线性转换函数为:
/>
其中s1=x1-xd表示跟踪误差,表示转换误差,/>是连续时变函数,假设存在两个正常量C0和C1,则变量/>满足以下条件:/>
已知和/>是有界的,由此推断,从公式(15)可以推断出ζ1的有界性取决于跟踪误差s1;对于每个初始条件/>当ζ1在t∈[0,+∞)内有界时,推断出s1(t)满足如下条件:/>为了简化表达,分别将/>和/>缩写为/>和/>
对ζ1求导,得到:
其中
基于(3)和(16),得到输出无约束子系统,如下式所示:
基于(15),得到无约束变量ζ1的值域是所有实数集,结合η1,Γ1和假设1,推断出此外,结合洛必达法则,得到:
当s1不受约束时,转换误差ζ1接近跟踪误差s1;因此,可以得出结论,公式中的非线性转换函数可以同时解决有约束和非约束系统,这补偿了通过采用来处理无约束系统而造成的特殊转换的不足。综上所述,非线性坐标变换函数不仅可以解决同一控制器下有状态约束和没有状态约束的系统,而且能够成功地规避基于分段不对称障碍Lyapunov方法的虚拟控制器的连续要求。因此,本发明提出的坐标变换方法更适合于设计与有限时间稳定法相结合的期望的反步控制器。
B、有限时间扰动观测器:
基于结合辅助变量d,D,设计有限时间扰动观测器为:
其中和/>分别代表Δd,x2和D的估计值,定义/>λ1和λ2并表示扰动观测器的正设计系数,κ1为适当的正常数;
定义然后对/>和/>对时间t求导,得到:/>
假设不匹配扰动的变化可以忽略不计,则Δd有界,并且估计值和/>将分别在有限的时间内收敛到实际值Δd,x2和D;
很容易地知道,通过选择合适的参数λ1,λ2和κ1,估计误差和/>可以在有限的时间内收敛到原点的一个小邻域内。同时,有限时间扰动观测器可以处理不匹配的扰动,并且避免了滑模控制带来的颤振现象。因此,可以通过选择适当的值来增强永磁同步电机系统的鲁棒性和收敛性。
C、设计基于扰动观测器的自适应有限时间控制器:
对跟踪误差采用非线性坐标变换:
其中是下列第i个一阶滤波器的输出:
其中εi代表第i个滤波器的时间常数,第i个虚拟控制信号将在之后设计;
使用一阶滤波器来估计的时间导数,处理“复杂性的爆炸”。因此,通过应用该方法可以实现对系统(2)的基于扰动观测器的自适应有限时间动态面控制,有效地减轻计算负担。
类似地,第i个滤波器误差zi,i=2,3被定义为:
将(2)和(19)代入到(23)中,对(23)中的第i个误差转换变量求导:
定义第i个变量的估计误差为:
其中第i个变量的估计值为/>
基于扰动观测器的自适应有限时间控制器的设计步骤如下:
步骤1、选择的第一个子Lyapunov函数V1为:
其中设计常数τ1>0;
结合(27),对(28)中的V1求导:
将(26)代入(29),得到:
定义F1(X1)为:
其中
采用径向基神经网络估计未知函数F1(X1):
其中设计常数ΞM>0.
因此,(30)变为:
根据杨氏不等式,得到:
其中设计常数p1>0;
将(34)代入(33)得到:
设计虚构控制律和自适应律/>为:
其中k11,k12,表示正常数,α=α1/α2和奇数α1,α2满足如下条件:0<α1<α2;
将(36)代入到(35),得到
结合(24)-(26),(27)和(36),对z2求导:
其中为一个连续函数;
推导出为/>满足在紧集的预设初始条件下服从的最大值,因此:
/>
其中
利用杨氏不等式,得到:
将(40)代入到(37)中,得到:
步骤2、选择第二个子Lyapunov函数V2为:
其中τ2>0为已知常量;
结合(27),对V2进行求导,得到:
将(26)和(41)代入到(43)中,得到:
基于引理5,假设其中q1表示正常数;然后将(44)简化为:
构造F2(X2)
其中
结合(46),然后(45)重新表述为:
与(32)类似,得到(47)中的F2(X2)未知,因此,提出一个径向基神经网络来估计F2(X2):
因此,(47)被重新表达为:
/>
类似于(34),得到如下不等式:
其中设计常数p2>0;
将(50)代入(49),得到:
类似于(36),选择虚拟控制器和自适应律/>为:
其中设计常数k21,k22,为正数;
通过有限时间扰动观测器(21)来估计不匹配的扰动,可以补偿虚拟控制器(52)中的扰动Δd,从而增强复杂系统的鲁棒性。
将(52)代入到(51)中,得到:
类似于(40),得到:
其中函数
将(54)代入(53),得到
步骤3、选择第三个子Lyapunov函数V3为:
其中已知常量τ3>0;
根据(27),将V3对时间t求导:
/>
将(26)和(55)代入(57),得到:
设计F3(X3)为:
其中
因此,(58)重新表示为:
同样,F3(X3)是未知的,然后,应用径向基神经网络来估计
类似于(34),得到:
其中设计参数p3>0;
因此,(60)被重新表达为:
设计实际控制器uq和自适应律为:
其中设计常数k31,k32,为正数;
将(64)代入(63),得到:
步骤4、选择第四个子Lyapunov函数V4为:
其中设计常数τ4>0;
结合(27),对(66)中的V4求导,得到:
结合(26),并将(65)代入(67)得到:
构造F4(X4)为:
其中
然后,(68)被简化为:
由于F4(X4)是一个不确定的函数,应用径向基神经网络来估计它,得到:
类似于(34),得到:
其中设计常数p4>0;
将(72)代入(70),得到:
设计实际控制器ud和虚拟控制律
其中k41,k42,为正常数;
将(74)代入(73),得到:
目前为止,控制器设计的整个过程已经完成。详细的控制结构演示如图1所示。稳定性分析:对于任何给定e>0,将紧集定义为:
定理1:基于假设1,针对永磁同步电机系统(2)所提出的基于扰动观测器的自适应有限时间动态面控制方法包括控制律uq,ud和自适应律/>如果满足初始条件Ωi,i=1,...,4,/>和xd∈(-d,d),那么所有控制目标就会实现。
证明:选择整体Lyapunov函数为:
对(77)中的V求导,可以得到:
根据(9)、(27)和杨氏不等式,可以得到:
其中
因此,(78)可以被重写为:
此外,分别设计引理2中的参数为p=1,μ1=1-α,μ2=α,μ3=αα/(1-α),可以得到|q|α≤(1-α)g+|q|。分别设计参数q为和/>因此可以得到:
将(81)代入(80),可以得到:
/>
其中 定义基于引理2,(82)可以被整理为:
基于引理3,可以推导出以下特征:
(Ⅰ)非线性系统(2)是有限时间稳定的;
(II)对于任意存在一个有限的时间T和所有t≥T,可以得到:
其中有限时间T通过如下公式得到:
从(85)中,可以推断出:
从(86)中可以推断出第i个误差转换变量是有界的。与此类似,可以确保和/>的有界性。因此,根据(27),可以知道/>有界。根据/>可以得到/>是有界的。对于/>推导出则
根据(87),可以推断出s1有界的。因为xd严格有界,根据s1=x1-xd可以得到x1有界。因为s1有界,可以得到η1有界,因此可以保证的有界性。根据(36),可以得出有界。因此,从(24)可以得到/>和/>有界。基于此,结合(23),可以确保x2的有界性。类似地,可以得出结论:/>有界。综上所述,可以得出闭环系统中所有信号是有界的结论。
特别是,从(85)中可以得出通过选择合适的设计参数可以实现变量x1在有限时间内跟踪参考信号xd。
此外,结合(15)和(23),当且仅当ζ1的数值会接近无穷大,可以得到:对任意的t>0,有/>对于初始条件,满足/>因为s1=x1-xd,对s1的任意初始值,满足/>对任意t>0,满足基于上述讨论,可以证明所设计的控制器展示出了对被控系统优越的瞬态性能和稳定性。
跟踪误差s1的值可以反映控制效果的好坏。从(87)可以看出s1的值取决于变量σ0和b0的数值,尤其当σ0减少和b0增加时,s1的值接近无限大。而σ0和b0的值取决于变量和设计参数/>进一步,通过增加/>和减少/>的数值,s1的值可以被约束到预设的边界中。因此,应考虑与控制工作相关的系统性能权衡。
与现有技术相比,本发明的控制策略考虑了有限时间扰动观测器和动态面控制来消除外部干扰并确保输出约束不被违反。此外,设计的控制律以及自适应律中包含(2α-1)阶的实现了对永磁同步电机系统的有限时间稳定控制。因此,本发明设计的控制方法在现实中更具功能性和普遍性。
为了验证本发明的效果,进行仿真实验和进行结果比较
1.1控制器的设计在本部分中,提供了两个模拟案例,用于验证对系统(2)设计的控制策略的有效性。为了更好地分析本发明设计的控制方案的普遍性和优缺点,针对两种情况设计不同的时变边界函数,并在每种方案中将比例积分微分控制和神经动态面控制作为对比方案进行仿真实验,同时考虑了存在外部干扰和没有外部干扰(Δd=0)的情况。
选择永磁同步电机参数作为:J=0.003798Kg·m2,B=0.001158N·m/(rad/s),TL=1.5,Ld=0.00285H,np=3,Lq=0.00315H,Rs=0.68Ω。分别选择参考信号和扰动函数为xd=0.49(sin(t)+sin(2t))和Δd=20x2sin(2t)。
(1)神经动态面控制:考虑神经动态面控制的控制器设计,选择以下变量:
其中神经动态面控制方法的设计参数为k11=k21=k31=k41=80, ε2=ε3=0.01。
(2)比例积分微分:考虑ud=0,选择比例积分微分控制器为:
其中设计参数kp=20,ki=0.05,kd=1.5。
同时,将本发明的方案与神经动态面控制和比例积分微分方法进行比较,并以如下3个定量指标作为衡量标准,详细结果列于表2中。
a)误差绝对值的积分:
b)时间和误差的绝对值乘积的积分:
c)误差平方的积分:
基于上述讨论,设计如下两种情况:
情况1:将时变边界设计为并选择状态变量的起始值为xi(0)=0,i=1,...,4。每个径向基神经网络由11个节点组成,中心位于区间[-11,11]内,宽度为10。控制器的设计参数选择如下:/> ε2=0.1,ε3=0.01,τ1=τ2=τ3=0.55,τ4=60,ki1=20,ki2=30,p1=0.06,p2=p3=p4=0.15,/>1≤i≤4,α=17/19。
情况2:设计时变边界为选择控制器的设计参数为/>ε2=0.1,ε3=0.01,τ1=τ2=τ3=0.65,τ4=60,ki1=40,ki2=65,p1=0.06,p2=p3=p4=0.15,α=97/101。
1.2仿真实验和比较结果
图2-6展示了直观的仿真实验和比较结果。每张图片包含两个子图片,子图片(a)和(b)分别代表情况1和情况2边界下三种控制策略(有限时间动态面控制,比例积分微分和神经动态面控制)的性能。图2为输出信号x1和期望轨迹xd的曲线。图3为跟踪误差s1的响应曲线。从图2-3可以看出,与比例积分微分和神经动态面控制方法相比,设计的控制器在外部扰动下输出信号x1对期望轨迹xd表现出优异的跟踪性能,并且跟踪误差不超出时变的边界。图4展示了有限时间动态面控制方法中状态变量x2的响应曲线。图5为状态变量id和iq的响应,图6为控制器ud和uq的轨迹。从图2-6可以明显看出,与扰动的神经动态面控制和比例积分微分控制相比,本发明设计的有限时间动态面控制策略可以在扰动情况下确保状态变量具有的极快响应能力和有限时间收敛速率。
为了简化表达式,给出了以下缩写:C-D和W-D分别表示包含干扰和无干扰的系统。
表2性能指标的比较结果
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内,因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (1)
1.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,其特征在于:该方法包括以下步骤:
(1)定义变量x1=θ,x2=ω,x3=iq,x4=id,对(d-q)坐标系下永磁同步电机的动力学模型重新构建,得到如下式:
其中x1受限于:
其中已知边界约束条件是时变函数和/>x1(t)表示输出变量,xd为参考信号,Δd为外部干扰,x=(x1,...x4)T∈R4为状态向量,/>a2=3np(Ld-Lq)/2,b1=-Rs/Lq,b2=-npLd/Lq,/>b4=1/Lq,c1=-Rs/Ld,c2=npLq/Ld,c3=1/Ld;ω为转子角速度,θ为转子角度,iq为q-轴电流,id为d-轴电流,uq为q-轴电压,ud为d-轴电压,J为转动惯量,B为摩擦系数,/>为永磁通量,Rs为定子线圈电阻,np为极对数,Lq为q-轴线圈电感,Ld为d-轴线圈电感,TL为负载力矩;
设1:期望轨迹xd(t)及其i阶导数是光滑有界的,状态约束函数及其j阶导数/>是连续有界的;
引理1:对于任意实变量p和q,以及常量ki>0,i=1,2,3,满足如下条件:
引理2:对于任意变量m和实数/>得到:
定义1:对于状态向量Λ∈Rn,将非线性正定系统定义为其中f(Λ)表示正定函数;对任意初始条件Λ(t0)=Λ0,存在实数ρ>0和稳定时间T(ρ,Λ0)<∞满足||Λ(t)||<ρ;对任意的t≥t0+T,存在一个平衡点Λ=0满足/>那么非线性系统在有限时间内是半全局稳定的;
引理3:对于非线性系统如果存在实数a>0,/>b>0,σ>0,/>和光滑函数V(Λ)>0满足:
那么复杂系统能够实现有限时间稳定性,并且稳定时间通过以下公式进行估计:
如果t ≥ T,则如下公式成立:
引理4:对于每个变量φ=φ1/φ2其中φ1<φ2,且φ1和φ2为奇数,如下不等式成立如下:
其中实数β1>0,β2>0,γ2=(2φ-1-2(1+φ)(φ-1))/(1+φ)>0;
引理5:引入以下系统:
其中Δi,(i=1,…,n)是第i个状态变量,L0,λi,为设计常量,并且扰动项f(t)满足|f(t)|≤L0;然后系统将在有限的时间内收敛到原点,从而非线性系统实现有限时间稳定性;
(2)A、使用径向基神经网络估计未知的非线性函数,对未知非线性函数在具有任意精度的闭合集合中估计,因此,得:
其中Y=[y1,y2,…,yn]T为输入变量,为径向基神经网络的期望权重向量,l>1表示节点数,估计误差Ξ(Y)满足|Ξ(Y)|<ΞM,其中ΞM表示为不确定的有界变量;W(Y)=[w1(Y),w2(Y),...,wl(Y)]T是基函数向量,选择第i个通用高斯函数wi(Y)为
其中δi=[δi1,...,δim]表示第i个高斯基函数的中心,表示高斯函数的宽度;
考虑期望权重向量为:
其中表示更新权重向量;
利用2范数来估计权重减轻神经网络的计算负担,因此,得到:
其中 表示第i个不确定变量,||·||代表·的2范数;
(3)设计基于有限时间扰动观测器的动态面控制
非线性坐标转换函数被用来将具有输出约束系统(2)转换为非约束系统,然后输出变量被约束在具有不对称时变边界的紧集中;
定义2:设计非线性转换函数为:
其中s1=x1-xd表示跟踪误差,ξ1表示转换误差,是连续时变函数,假设存在两个正常量C0和C1,则变量/>满足以下条件:/>
已知和/>是有界的,由此推断,从公式(15)可以推断出ξ1的有界性取决于跟踪误差s1;对于每个初始条件/>当ξ1在t∈[0,+∞)内有界时,推断出s1(t)满足如下条件:/>分别将/>和/>缩写为/>和/>
对ξ1求导,得到:
其中
基于(3)和(16),得到输出无约束子系统,如下式所示:
基于(15),得到无约束变量ξ1的值域是所有实数集,结合η1,Γ1和假设1,推断出αic,i=2,3,此外,结合洛必达法则,得到:
当s1不受约束时,转换误差ξ1接近跟踪误差s1;
B、基于结合辅助变量d,D,设计有限时间扰动观测器为:
其中和/>分别代表Δd,x2和D的估计值,定义/>λ1和λ2并表示扰动观测器的正设计系数,κ1为适当的正常数;
定义然后对/>和/>对时间t求导,得到:
假设不匹配动的变化率忽略不计,则Δd有界,并且估计值和/>将分别在有限的时间内收敛到实际值Δd,x2和D;
C、设计基于扰动观测器的自适应有限时间控制器:
对跟踪误差采用非线性坐标变换:
其中是下列第i个一阶滤波器的输出:
其中εi代表第i个滤波器的时间常数,第i个虚拟控制信号将在之后设计;
类似地,滤波器误差zi,i=2,3被定义为:
将(2)和(19)代入到(23)中,对(23)中的求导:
定义第i个变量的估计误差为:
其中第i个变量的估计值为/>
基于扰动观测器的自适应有限时间控制器的设计步骤如下:
步骤1、选择的第一个子Lyapunov函数V1为:
其中设计常数τ1>0;
结合(27),对(28)中的V1求导:
将(26)代入(29),得到:
定义F1(X1)为:
其中
采用径向基神经网络估计未知函数F1(X1):
其中设计常数ΞM>0.
因此,(30)变为:
根据杨氏不等式,得到:
其中设计常数p1>0;
将(34)代入(33)得到:
设计虚构控制律和自适应律/>为:
其中k11,k12,表示正常数,α=α1/α2和奇数α1,a2满足如下条件:0<a1<a2;
将(36)代入到(35),得到
结合(24)-(26),(27)和(36),对z2求导:
其中为一个连续函数;
推导出为/>满足在紧集的预设初始条件下服从的最大值,因此:
其中
利用杨氏不等式,得到:
将(40)代入到(37)中,得到:
步骤2、选择第二个子Lyapunov函数V2为:
其中τ2>0为已知常量;
结合(27),对V2进行求导,得到:
将(26)和(41)代入到(43)中,得到:
基于引理5,假设其中q1表示正常数;然后将(44)简化为:
构造F2(X2)
其中
结合(46),然后(45)重新表述为:
与(32)类似,得到(47)中的F2(X2)未知,因此,提出一个径向基神经网络来估计F2(X2):
因此,(47)被重新表达为:
类似于(34),得到如下不等式:
其中设计常数p2>0;
将(50)代入(49),得到:
类似于(36),选择虚拟控制器和自适应律/>为:
其中设计常数k21,k22,为正数;
将(52)代入到(51)中,得到:
类似于(40),得到:
其中函数将(54)代入(53),得到
步骤3、选择第三个子Lyapunov函数V3为:
其中已知常量t3>0;
根据(27),将V3对时间t求导:
将(26)和(55)代入(57),得到:
设计F3(X3)为:
其中
因此,(58)重新表示为:
同样,F3(X3)是未知的,然后,应用径向基神经网络来估计
类似于(34),得到:
其中设计参数p3>0;
因此,(60)被重新表达为:
设计实际控制器uq和自适应律为:
其中设计常数k31,k32,为正数;
将(64)代入(63),得到:
步骤4、选择第四个子Lyapunov函数V4为:
其中设计常数τ4>0;
结合(27),对(66)中的V4求导,得到:
结合(26)并将(65)代入(67)得到:
构造F4(X4)为:
其中然后,(68)被简化为:
由于F4(X4)是一个不确定的函数,应用径向基神经网络来估计它,得到:
类似于(34),得到:
其中设计常数p4>0;
将(72)代入(70),得到:
设计实际控制器ud和虚拟控制律
其中k41,k42,为正常数;
将(74)代入(73),得到:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210096210.XA CN114706300B (zh) | 2022-01-26 | 2022-01-26 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210096210.XA CN114706300B (zh) | 2022-01-26 | 2022-01-26 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114706300A CN114706300A (zh) | 2022-07-05 |
CN114706300B true CN114706300B (zh) | 2024-05-14 |
Family
ID=82167141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210096210.XA Active CN114706300B (zh) | 2022-01-26 | 2022-01-26 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114706300B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116743019B (zh) * | 2023-04-21 | 2024-01-26 | 曲阜师范大学 | 含约束边界调整的对称障碍Lyapunov函数机舱悬浮控制方法 |
CN116447078B (zh) * | 2023-04-21 | 2024-01-09 | 曲阜师范大学 | 一种闭环信息非对称约束在线调整机舱悬浮暂态性能的控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5341078A (en) * | 1989-09-30 | 1994-08-23 | Fanuc Ltd. | Sliding mode control method for a machine having an operating section operatively coupled to a servomotor and wherein a switching variable is determined based on a torsion amount and a torsion speed |
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 |
CN108303873A (zh) * | 2017-12-28 | 2018-07-20 | 浙江工业大学 | 一种考虑控制量受限的永磁同步电机滑模控制器 |
CN108803325A (zh) * | 2018-06-06 | 2018-11-13 | 黄山学院 | 永磁同步电机伺服系统鲁棒有限时间控制方法 |
CN109873582A (zh) * | 2019-01-29 | 2019-06-11 | 青岛大学 | 基于动态面的永磁同步电机有限时间位置跟踪控制方法 |
CN110347044A (zh) * | 2019-07-15 | 2019-10-18 | 贵州大学 | 一种考虑输出约束的pmsm混沌系统神经网络动态面控制方法 |
US10725440B1 (en) * | 2016-02-26 | 2020-07-28 | The Mathworks, Inc. | Systems and method for parameter estimation for a permanent magnet synchronous machine |
-
2022
- 2022-01-26 CN CN202210096210.XA patent/CN114706300B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5341078A (en) * | 1989-09-30 | 1994-08-23 | Fanuc Ltd. | Sliding mode control method for a machine having an operating section operatively coupled to a servomotor and wherein a switching variable is determined based on a torsion amount and a torsion speed |
US10725440B1 (en) * | 2016-02-26 | 2020-07-28 | The Mathworks, Inc. | Systems and method for parameter estimation for a permanent magnet synchronous machine |
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 |
CN108303873A (zh) * | 2017-12-28 | 2018-07-20 | 浙江工业大学 | 一种考虑控制量受限的永磁同步电机滑模控制器 |
CN108803325A (zh) * | 2018-06-06 | 2018-11-13 | 黄山学院 | 永磁同步电机伺服系统鲁棒有限时间控制方法 |
CN109873582A (zh) * | 2019-01-29 | 2019-06-11 | 青岛大学 | 基于动态面的永磁同步电机有限时间位置跟踪控制方法 |
CN110347044A (zh) * | 2019-07-15 | 2019-10-18 | 贵州大学 | 一种考虑输出约束的pmsm混沌系统神经网络动态面控制方法 |
Non-Patent Citations (3)
Title |
---|
基于有限时间永磁同步电机命令滤波位置跟踪控制;杨雪婷;马玉梅;于金鹏;赵林;韩瑶;;青岛大学学报(工程技术版);20170831(第03期);全文 * |
基于非线性干扰观测器不确定系统的终端滑模控制;韩吉霞;马飞越;佃松宜;罗连杰;胡怡;;电光与控制;20200229(第02期);全文 * |
永磁同步电机的神经网络离散位置跟踪控制;王孟孟;贺思艳;李振勇;于海生;于金鹏;;青岛大学学报(工程技术版);20180829(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114706300A (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108233781B (zh) | 基于干扰观测器的直流电机自适应反演滑模控制方法 | |
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 | |
Tan et al. | Neural network observers and sensorless robust optimal control for partially unknown PMSM with disturbances and saturating voltages | |
Gibson et al. | Improved transient response in adaptive control using projection algorithms and closed loop reference models | |
Sun et al. | A modified dynamic surface approach for control of nonlinear systems with unknown input dead zone | |
Zhan et al. | Adaptive fuzzy decentralized dynamic surface control for fractional-order nonlinear large-scale systems | |
Ouassaid et al. | A nonlinear speed control for a PM synchronous motor using an adaptive backstepping control approach | |
CN114280944B (zh) | 一种具有输出约束的pmsm系统有限时间动态面控制方法 | |
Ding et al. | Finite-time adaptive NN control for permanent magnet synchronous motors with full-state constraints | |
Chen et al. | Full-order sliding mode control for high-order nonlinear system based on extended state observer | |
Zirkohi | Command filtering-based adaptive control for chaotic permanent magnet synchronous motors considering practical considerations | |
CN111679644A (zh) | 一种考虑系统延迟的不确定工业机器人运动控制方法 | |
Ma et al. | Chattering‐Free Sliding‐Mode Control for Electromechanical Actuator with Backlash Nonlinearity | |
Halledj et al. | Anti-disturbance GITSMC with quick reaching law for speed control of PMSM drive | |
Delavari et al. | Adaptive reinforcement learning interval type II fuzzy fractional nonlinear observer and controller for a fuzzy model of a wind turbine | |
Tao et al. | Speed tracking and synchronization of a multimotor system based on fuzzy ADRC and enhanced adjacent coupling scheme | |
Liu et al. | Immersion and invariance adaptive decentralized control for the speed and tension system of the reversible cold strip rolling mill | |
CN110429887B (zh) | 一种永磁同步电动机的位置跟踪控制器及控制方法 | |
Qi et al. | Robust bumpless transfer design using adaptive sliding mode approach | |
Regaya et al. | Adaptive proportional-integral fuzzy logic controller of electric motor drive | |
Gao et al. | Neural network based dynamic surface integral nonsingular fast terminal sliding mode control for manipulators with disturbance rejection | |
Qu et al. | Sliding-mode anti-disturbance speed control of permanent magnet synchronous motor based on an advanced reaching law | |
Gao et al. | The neural network control approach for PMSM based on a high gain observer | |
Liang et al. | Dual-redundancy PMSM servo system: using single neuron PID controller | |
Ramirez-Neria et al. | Smith predictor based generalized PI control for a class of input delayed nonlinear mechanical systems |
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 |