CN115765540B - 步进电机驱动器的控制方法 - Google Patents
步进电机驱动器的控制方法 Download PDFInfo
- Publication number
- CN115765540B CN115765540B CN202310005072.4A CN202310005072A CN115765540B CN 115765540 B CN115765540 B CN 115765540B CN 202310005072 A CN202310005072 A CN 202310005072A CN 115765540 B CN115765540 B CN 115765540B
- Authority
- CN
- China
- Prior art keywords
- longicorn
- cat
- stepping motor
- locust
- chaotic
- 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 42
- 241001481710 Cerambycidae Species 0.000 claims abstract description 80
- 230000000739 chaotic effect Effects 0.000 claims abstract description 66
- 241000282326 Felis catus Species 0.000 claims abstract description 62
- 230000004927 fusion Effects 0.000 claims abstract description 47
- 230000006870 function Effects 0.000 claims description 41
- 239000000126 substance Substances 0.000 claims description 29
- 230000010354 integration Effects 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 5
- 238000004804 winding Methods 0.000 claims description 5
- 241000238814 Orthoptera Species 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000003362 replicative effect Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 241000254032 Acrididae Species 0.000 claims 1
- 241000238631 Hexapoda Species 0.000 claims 1
- 230000010349 pulsation Effects 0.000 abstract description 3
- 230000001105 regulatory effect Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 9
- 230000001276 controlling effect Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000006073 displacement reaction Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 239000002131 composite material Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000003292 glue Substances 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004100 electronic packaging Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种步进电机驱动器的控制方法，包括以下步骤：建立位置PID控制器的输出转矩信号模型；采用天牛须‑量子混沌猫群融合算法对输出转矩信号模型进行优化；建立速度PID控制器的输出电流信号模型，采用天牛须‑量子混沌猫群融合算法对输出电流信号模型进行优化；建立电流PIR控制器的输出电压信号模型，采用天牛须‑正余混沌蝗虫融合算法对输出电压信号模型进行优化，根据优化后的输出电压信号模型生成PWM控制信号，驱动器根据PWM控制信号驱动步进电机转动。本发明能够实现对步进电机的高效控制，还能够抑制电流谐波，通过电流调节转矩,大大降低步进电机转动噪音和转矩脉动，能够显著提高点胶系统中电机位置和速度的输出精度。
Description
技术领域
本发明涉及步进电机技术领域，尤其涉及一种步进电机驱动器的控制方法。
背景技术
步进电机是一种将电脉冲信号转换成相应角位移或线位移的电动机。每输入一个脉冲信号，转子就转动一个角度或前进一步，其输出的角位移或线位移与输入的脉冲数成正比，转速与脉冲频率成正比。
步进电机驱动器是一种将电脉冲转化为角位移的执行机构。当步进驱动器接收到一个脉冲信号，它就驱动步进电机按设定的方向转动一个固定的角度，可以通过控制脉冲个数来控制角位移量，从而达到定位的目的。同时，可以通过控制脉冲频率来控制电机转动的速度和加速度，从而达到调速和定位的目的。
步进电机因其结构简单、成本低、可靠性高等特点，被广泛应用于刻字机、写真机、喷涂设备、医疗仪器及设备、精密仪器、工业控制系统、办公自动化、机器人等领域。
例如，点胶机器人是一种对产品特定位置点涂胶液进行粘合封装的机器，在电子封装、零件固定和玻璃密封装等场合有着非常广泛的应用。步进电机在点胶机器人中大多用于对点胶头的定位，通过多轴移动，使点胶头到达指定位置。由于点胶工艺是一种精细化的工艺，对点胶精度和点胶效率具有一定要求。这就要求步进电机对位置、速度的输出控制具有更高的精度。
然而，现有的对步进电机的驱动控制方法大多采用模糊PI调控，这种方式对于非线性、复杂对象的场景的控制效果较差，导致点胶系统的稳定性差，难以得到满意的控制结果。另外，步进电机在运行时还存在转矩脉动大、电流谐波、噪声大等问题，这些问题的存在在一定程度上会影响步进电机的定位精度，然而，这些问题经常被本领域的技术人员忽略。
发明内容
本发明要解决的技术问题是：为了解决现有方法对步进电机的控制存在精度不高的技术问题。本发明提供一种步进电机驱动器的控制方法，通过对步进电机的位置检测和速度输出采用复合PID控制的方式，对步进电机的电流环采用PIR控制的方式，不仅可以快速响应电流，提高步进电机的定位精度和响应速度，还可以使步进电机驱动系统具有较强的自适应能力，提高系统运行的稳定性。
本发明解决其技术问题所采用的技术方案是：一种步进电机驱动器的控制方法，包括以下步骤：
S1、根据步进电机的位置信号，建立位置PID控制器的输出转矩信号模型；
S2、采用天牛须-量子混沌猫群融合算法对所述输出转矩信号模型进行优化，确定最优的第一控制参数；
S3、根据优化后的输出转矩信号模型，建立速度PID控制器的输出电流信号模型；
S4、采用天牛须-量子混沌猫群融合算法对所述输出电流信号模型进行优化，确定最优的第二控制参数；
S5、根据步进电机的实时电流信号和优化后的输出电流信号模型，建立电流PIR控制器的输出电压信号模型；
S6、采用天牛须-正余混沌蝗虫融合算法对所述输出电压信号模型进行优化，确定最优的第三控制参数；
S7、根据优化后的输出电压信号模型生成PWM控制信号，驱动器根据所述PWM控制信号驱动步进电机转动。
进一步的，步骤S1中，建立位置PID控制器的输出转矩信号模型，具体包括：
设置期望位置角度信号；
获取步进电机的实时位置角度信号；
所述位置PID控制器同时接收所述期望位置角度信号和实时位置角度信号，得到输出转矩信号模型：
（1）
其中，表示输出转矩信号，表示第一比例系数，表示第一积分系数，表示第一微分系数，表示步进电机第j相转矩增加结束时转子所对应的位置角，表示步进电机在t时刻第j相的关断角，为步进电机接收的期望位置角度信号，为步进电机的实时位置角度信号。
进一步的，步骤S2的优化过程包括：
S21、初始化天牛须-量子混沌猫群融合算法的相关参数；
所述相关参数包括：猫种群数量、猫种群维度D、最大迭代次数、最大跟踪次数，随机生成的第猫的空间位置以及随机生成的天牛须的方向；
S22、建立第一适应度函数；
S23、更新天牛须-量子混沌猫群融合算法的寻优速度；
S24、更新天牛须-量子混沌猫群融合算法的全局最优位置；
S25、对所述全局最优位置进行修正；
S26、根据所述第一适应度函数，判断修正后的全局最优位置是否满足要求，若是，则执行步骤S27；若否，则返回步骤S23；
S27、将满足要求的全局最优位置在三个维度上的分解量分别赋值给第一比例系数、第一积分系数和第一微分系数，得到最优的第一控制参数。
进一步的，建立速度PID控制器的输出电流信号模型，具体包括：
设置期望位置角速度信号；
获取步进电机的实时位置角速度信号，其中，；
所述速度PID控制器同时接收位置PID控制器的最优输出转矩信号、期望位置角速度信号和实时位置角速度信号，得到输出电流信号模型：
（2）
其中，表示步进电机的转速分配函数，表示步进电机相数，表示步进电机的转子级数，表示第二比例系数，表示第二积分系数，表示第二微分系数。
进一步的，步骤S5、建立电流PIR控制器的输出电压信号模型，具体包括：
获取步进电机的实时电流信号；
通过PIR控制器得到电流在复数域的传递函数：
（3）
其中，表示第三比例系数，表示第三积分系数，表示谐振系数，表示谐振点角频率，表示谐振品质因数，表示转子齿数，表示转子稳定角，表示绕组电阻总和，表示自感，表示互感，表示转动惯量，表示粘性系数；
电流PIR控制器接收实时电流信号和速度PID控制器的最优输出电流信号，得到输出电压信号模型：
（4）
其中，为在时域的电流输出值。
进一步的，步骤S6中的优化过程包括：
S61、初始化天牛须-正余混沌蝗虫融合算法的相关参数；
所述相关参数包括：蝗虫位置、自适应参数c、缓冲混沌值、初代蝗虫最优位置、随机生成的天牛须的方向；
S62、建立第三适应度函数Q；
S63、更新天牛须-正余混沌蝗虫融合算法的寻优速度；
S64、更新天牛须-正余混沌蝗虫融合算法的全局最优位置；
S65、对所述全局最优位置进行修正；
S66、根据第三适应度函数Q，判断修正后的全局最优是否满足要求，若是，则执行步骤S67；若否，则返回步骤S63；
S67、将满足要求的全局最优位置在三个维度上的分解量分别赋值给第三比例系数、第三积分系数和谐振系数，得到最优的第三控制参数。
进一步的，所述第一适应度函数为：
（5）
其中，表示天牛须归一函数，表示混沌猫群算法寻优函数，～表示权重系数，表示上升时间，表示速度PID控制器的输出转速信号；
其中，，rands表示随机函数，和分别表示天牛左右两只触角的位置；
其中，，表示第k只猫的复制数数量，表示猫的种群数量，表示记忆池中复制个体的总数量，表示第k只猫的适应值。
进一步的，步骤S23中的更新寻优速度的公式如下：
（6）
其中，表示第t+1次天牛须更新后的速度，表示第t次天牛须更新后的速度，表示第t次更新的混合率初值，b表示[0,1]的随机数，表示第t次迭代在d维空间中猫种群的最优位置中心，表示量子混沌猫群算法中猫种群更新数量；表示第t次迭代的扩张-压缩因子；
其中，，表示t次迭代d维空间中个体k的历史最优位置分量，表示天牛须-量子混沌猫群融合算法的种群更新数量，表示第t次迭代d维空间中种群全局最优位置；
步骤S24中，更新全局最优位置的公式如下：
（7）
其中，表示第k只猫在d维空间中第t+1次更新后的位置分量，表示第k只猫在d维空间中第t次更新后的位置分量，a为常数，r为[0,1]之间的随机数，t为迭代次数，表示第t次迭代结束后的全局最优解，表示天牛须下一次迭代的位置，∆t表示速度变化的时间；
步骤S25中，对全局最优位置进行修正的公式如下：
（8）
其中，表示当前猫群的更新位置，表示天牛质心与触须的距离，表示随机单位向量。
进一步的，所述第三适应度函数Q为：
（9）
其中，～表示权重系数，表示上升时间，表示正余混沌蝗虫最优解的目标函数，其公式如下：
（10）
其中，表示时间常数，表示舒伯特函数，其表达式如下：
（11）
其中，为变量，，为随机变量。
进一步的，步骤S63中，更新寻优速度的公式如下：
（12）
其中，其中表示t+1次更新后的速度，表示t次更新后的速度，和表示系数向量，表示蝗虫个体维度，,表示在之间的常数，表示正余蝗虫混沌值，表示天牛须随机位置向量；
步骤S64中，更新全局最优位置的公式如下：
（13）
其中，表示第t次迭代的位置，表示第t+1次迭代的位置, 表示随机单位向量，表示迭代随机函数，表示第t次探索时的步长，为符号函数，表示在d维混沌值下第i个蝗虫当前局部最优位置，表示在d维混沌值下第j个蝗虫当前局部最优位置，表示蝗虫在f维度搜索域中的上界，表示蝗虫在f维度搜索域中的下界，表示当前最优混沌值，表示第i个蝗虫位置，表示第j个蝗虫位置，c为自适应参数；
步骤S65中，修正全局最优位置的公式如下：
（14）
（15）
其中，表示天牛左触角的位置，为[0,2.8]之间的随机数，为[0.8，3]之间的随机数，为[0,1.78]之间的随机权重，为[0,3]之间的随机数，X表示由混沌变量经过线性映射后得到的优化变量, 表示当前全局最优解；表示天牛右触角的位置，s表示复数域变量，表示第i个蝗虫位置，表示第j个蝗虫位置，表示第i个蝗虫与第j个蝗虫之间的距离，g表示重力常量，表示指向地心的单位向量，表示风力常量，表示风速的单位向量。
本发明的有益效果是，本发明的步进电机驱动器的控制方法，对步进电机位置检测和速度输出调节采用复合PID控制方式，并采用天牛须-量子混沌猫群融合算法对PID控制参数进行优化；对步进电机的电流环采PIR控制方式，并采用天牛须-正余混沌蝗虫融合算法对PIR控制参数进行优化；由此，能够提高步进电机的控制精度，实现对步进电机的高效控制，使得步进电机驱动器快速响应转速、电流，具有较强的自适应能力；还能够抑制电流谐波，通过电流调节转矩, 大大降低步进电机转动噪音和转矩脉动，能够显著提高点胶系统中电机位置和速度的输出精度，从而提高点胶精度。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的点胶系统的结构示意图。
图2是本发明的步进电机驱动器的结构示意图。
图3是本发明的控制方法的流程图。
图4是本发明的控制方法的原理图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
例如，如图1所示，点胶系统包括：工控机、四轴运动控制卡、步进电机驱动器、步进电机、点胶阀、工业相机、机器视觉LED光源和激光测高传感器等，工控机作为上位机，主要完成点胶路径生成、人机界面等非实时性任务。四轴运动控制卡、工业相机、机器视觉LED光源、激光测高传感器与工控机连接。其中，步进电机驱动器、点胶阀与四轴运动控制卡连接，步进电机通过位置检测模块与步进电机驱动器连接。
例如，如图2所示，步进电机驱动器包括：DSP芯片、电源转换模块、驱动模块、直流电源模块、二相H桥模块、电流检测模块和Ether CAT通信模块，步进电机可以选用三相6/4极结构。直流电源模块与二相H桥模块电连接，电源转换模块与DSP芯片电连接，用于对DSP芯片的供电；电流检测模块与DSP芯片的ADC端口电连接，用于步进电机的电流检测；二相H桥模块与步进电机电连接，用于对电机输出功率的调节；位置检测模块与DSP芯片的CAP端口电连接，用于步进电机转子位置信号的检测；驱动模块的输入端与DSP芯片的PWM端口电连接，输出端与二相H桥模块电连接，用于放大DSP芯片产生的PWM信号，Ether CAT通信模块与DSP芯片的SPI端口电连接，用于控制信号的设置。
如图3至图4所示，本发明的步进电机驱动器的控制方法，包括以下步骤：
S1、根据步进电机的位置信号，建立位置PID控制器的输出转矩信号模型。
需要说明的是，建立位置PID控制器的输出转矩信号模型包括：设置期望位置角度信号。例如，工控机可以通过四轴运动控制卡设置期望位置角度信号。获取步进电机的实时位置角度信号。例如，可以通过位置检测模块检测步进电机的实时位置角度信号，并发送给步进电机驱动器。步进电机驱动器内的位置PID控制器同时接收期望位置角度信号和实时位置角度信号，得到输出转矩信号模型：
其中，表示输出转矩信号，表示第一比例系数，表示第一积分系数，表示第一微分系数，表示步进电机第j相转矩增加结束时转子所对应的位置角，表示步进电机在t时刻第j相的关断角，为步进电机接收的期望位置角度信号，为步进电机的实时位置角度信号。
第一比例系数、第一积分系数和第一微分系数是位置PID控制器的三个参数，对位置PID控制器的性能有着重要影响。因此，需要找到最优值使得位置PID控制器的输出转矩可以达到最优。
S2、采用天牛须-量子混沌猫群融合算法对输出转矩信号模型进行优化，确定最优的第一控制参数。
具体的，优化过程包括：
S21、初始化天牛须-量子混沌猫群融合算法的相关参数。
相关参数包括：猫种群数量、猫种群维度D、最大迭代次数、最大跟踪次数，随机生成的第猫的空间位置以及随机生成的天牛须的方向。相关参数的数据可以根据实际情况进行设置，例如，=100，D=3，=10，=30。方向，rands表示随机函数，d表示天牛须的空间维度。
S22、建立第一适应度函数。
例如，，其中，表示天牛须归一函数，表示混沌猫群算法寻优函数，～表示权重系数，例如，=0.008，=2，=160，表示上升时间，表示速度PID控制器的输出转速信号。其中，，rands表示随机函数，和分别表示天牛左右两只触角的位置。其中，，表示第k只猫的复制数数量，表示猫的种群数量，表示记忆池中复制个体的总数量，表示第k只猫的适应值。第一适应度函数用于判断融合算法是否找到最优值。
S23、更新天牛须-量子混沌猫群融合算法的寻优速度。
例如，更新寻优速度的公式如下：
其中，表示第t+1次天牛须更新后的速度，表示第t次天牛须更新后的速度，表示第t次更新的混合率初值，b表示[0,1]的随机数，表示第t次迭代在d维空间中猫种群的最优位置中心，表示量子混沌猫群算法中猫种群更新数量；表示第t次迭代的扩张-压缩因子。其中，，表示t次迭代d维空间中个体k的历史最优位置分量，表示天牛须-量子混沌猫群融合算法的种群更新数量，表示第t次迭代d维空间中种群全局最优位置，，为扩张-压缩因子的初始值，扩张-压缩因子的终止值，例如，=1，= 0.5；为最大跟踪次数，= 1,2....。
S24、更新天牛须-量子混沌猫群融合算法的全局最优位置。
例如，更新全局最优位置的公式如下：
其中，表示第k只猫在d维空间中第t+1次更新后的位置分量，表示第k只猫在d维空间中第t次更新后的位置分量，a为常数，r为[0,1]之间的随机数，t为迭代次数，表示第t次迭代结束后的全局最优解，表示天牛须下一次迭代的位置，∆t表示速度变化的时间。天牛须下一次迭代的位置与输出转矩信号有关。
S25、对全局最优位置进行修正。
对天牛种群全局最优位置进行修正的公式如下：
其中，表示当前猫群更新的位置，表示天牛质心与触须间的距离，表示随机单位向量。
S26、根据第一适应度函数，判断修正后的全局最优位置是否满足要求，若是，则执行步骤S27；若否，则返回步骤S23。
完成步骤S25的修正后，根据第一适应度函数的计算公式，计算出适应度值，如果当前计算出的适应度值已达到最小值，则表明已达到全局最优点，执行步骤S27；如果适应度值还不是最小值，则需要返回步骤S23重新更新，重新计算适应度值。
S27、将满足要求的全局最优位置在三个维度上的分解量分别赋值给第一比例系数、第一积分系数和第一微分系数，得到最优的第一控制参数。
在步骤S21初始化时，本实施例设置的猫种群维度D=3，因此，将获得的全局最优位置在三个维度上分解，得到三个分量；然后把三个分量分别赋值给第一比例系数、第一积分系数和第一微分系数，即得到了位置PID控制器的最优控制参数，此时，位置PID控制器输出响应性能达到最优。
S3、根据优化后的输出转矩信号模型，建立速度PID控制器的输出电流信号模型。
具体包括：设置期望位置角速度信号；获取步进电机的实时位置角速度信号，其中，；位置PID控制器将最优输出转矩信号发送给速度PID控制器；速度PID控制器同时接收位置PID控制器的最优输出转矩信号、期望位置角速度信号和实时位置角速度信号，得到输出电流信号模型：
其中，表示步进电机的转速分配函数，表示步进电机相数，表示步进电机的转子级数，表示第二比例系数，表示第二积分系数，表示第二微分系数。
S4、采用天牛须-量子混沌猫群融合算法对输出电流信号模型进行优化，确定最优的第二控制参数。
对速度PID控制器的三个控制参数、、采用天牛须-量子混沌猫群融合算法进行优化，优化过程与位置PID控制器相同，此处不再赘述。
S5、根据步进电机的实时电流信号和优化后的输出电流信号模型，建立电流PIR控制器的输出电压信号模型。
电流PIR控制器接收实时电流信号和速度PID控制器的最优输出电流信号，得到输出电压信号模型：，其中，为在时域的电流输出值。为电流在复数域的传递函数，其表达式如下：
其中，表示第三比例系数，表示第三积分系数，表示谐振系数，表示谐振点角频率，例如为8.6rad/s；表示谐振品质因数，例如为1856.968rad/s；表示转子齿数，表示转子稳定角，表示绕组电阻总和，表示自感，表示互感，表示转动惯量，表示粘性系数。
电流信号为电流检测模块检测到的步进电机当前的输出电流，其表达式为：，其中，为绕组电阻，为相绕组电感, 为极弧系数，为转子偏向角，为控制输出，为机械角速度。表示相电压：，为步进电机总电阻，为相电流，为磁链，为步进电机相数，为机械转角速度。
S6、采用天牛须-正余混沌蝗虫融合算法对输出电压信号模型进行优化，确定最优的第三控制参数。
优化过程具体包括：
S61、初始化天牛须-正余混沌蝗虫融合算法的相关参数。
相关参数包括：蝗虫位置、自适应参数c、缓冲混沌值、初代蝗虫最优位置、随机生成的天牛须的方向。
设定第三比例系数的取值范围为[1,10]，设定第三积分系数的取值范围为[10,100]，设定谐振系数的取值范围为[10,100]。
S62、建立第三适应度函数Q。
第三适应度函数Q为：
其中，表示权重系数，例如，=10，=26，=160，=0.098，表示上升时间，表示正余混沌蝗虫最优解的目标函数，其公式如下：
其中，表示时间常数，表示舒伯特函数，其表达式如下：
其中，为变量，，为随机变量。
当第三适应度函数Q达到最优时，可以获得最优的第三控制参数。
S63、更新天牛须-正余混沌蝗虫融合算法的寻优速度。
更新寻优速度的公式如下：
其中，其中表示t+1次更新后的速度，表示t次更新后的速度，和表示系数向量，表示蝗虫个体维度，,表示在之间的常数，表示正余蝗虫混沌值，表示天牛须随机位置向量。
S64、更新天牛须-正余混沌蝗虫融合算法的全局最优位置。
更新全局最优位置的公式如下：
其中，表示第t次迭代的位置，表示第t+1次迭代的位置, 表示随机单位向量，表示迭代随机函数，表示第t次探索时的步长，为符号函数，表示在d维混沌值下第i个蝗虫当前局部最优位置，表示在d维混沌值下第j个蝗虫当前局部最优位置，表示蝗虫在f维度搜索域中的上界，表示蝗虫在f维度搜索域中的下界，表示当前最优混沌值，表示第i个蝗虫位置，表示第j个蝗虫位置。c为自适应参数，其表达式为：
其中，为自适应参数的最大值，为自适应参数的最小值，为当前迭代次数，M为最大迭代次数。
S65、对全局最优位置进行修正。
修正天牛种群的全局最优位置的公式如下：
其中，表示天牛左触角的位置，为[0,2.8]之间的随机数，为[0.8，3]之间的随机数，为[0,1.78]之间的随机权重，为[0,3]之间的随机数，X表示由混沌变量经过线性映射后得到的优化变量, 表示当前全局最优解；表示天牛右触角的位置，s表示复数域变量，表示第i个蝗虫位置，表示第j个蝗虫位置，表示第i个蝗虫与第j个蝗虫之间的距离，g表示重力常量，表示指向地心的单位向量，表示风力常量，表示风速的单位向量。其中，可以决定下一次迭代时的移动方向，是选择将要进入的区域是探索区域还是开发区域的主要参数。是决定下一次迭代时的移动步长的主要参数。当>0.8时，表明加强定义的距离对目标位置的影响，当<1时，表明削弱定义的距离对目标位置的影响。的大小表示迭代迭代时在正弦分量、余弦分量之间进行切换。
S66、根据第三适应度函数Q，判断修正后的全局最优是否满足要求，若是，则执行步骤S67；若否，则返回步骤S63。
完成天牛种群全局最优位置的修正后，根据第三适应度函数Q计算第三适应度值，判断第三适应度值是否向减小的方向进行，若第三适应度值已经达到最小值，则执行步骤S67，若还未达到最小值，则返回步骤S63重新进行修正，重新计算第三适应度值。
S67、将满足要求的全局最优位置在三个维度上的分解量分别赋值给第三比例系数、第三积分系数和谐振系数，得到最优的第三控制参数。
将全局最优位置在三个维度上进行分解得到三个分量，将三个分量分别赋值给、、，得到最优的第三控制参数。此时，电流PIR控制器输出响应性能最优，电流PIR控制器输出的电压信号为最佳。
S7、根据优化后的输出电压信号模型生成PWM控制信号，驱动器根据PWM控制信号驱动步进电机转动。
电流PIR控制器输出的最佳的电压信号发送给功率模块，功率模块根据该电压信号调制生成PWM控制信号并发送给步进电机的驱动模块，以驱动步进电机运转。需要说明的是，本方法的控制过程是闭环的，对步进电机的驱动具有较强的自适应能力，可以提高步进电机运行的稳定性。
本发明对步进电机的位置信号调节、速度信号调节采用复合PID控制方式（即采用位置PID控制器、速度PID控制器分别控制），使得输出的信号更加精准，处理速度更快。如果采用一个PID控制器同时调节位置和速度，由于PID控制器需要接收的信号太多，不仅响应速度慢，而且处理结果准确率也会降低。对电流环采用PIR控制方式，能够有效抑制电流谐波，进一步提升步进电机定位的精度。
换言之，本发明对步进电机的位置、速度、电流调控采用三种控制器，并且，采用天牛须-量子混沌猫群融合算法对PID控制器的输出进行优化，采用天牛须-正余混沌蝗虫融合算法对PIR控制器的输出进行优化，根据信号的特点采用不同的优化方式，可以更到更加精准、合理的控制参数，显著提高步进电机运行的精度和稳定性。
虽然PID控制方式具有良好的适应性和鲁棒性，能够对位置、速度的控制取得很好的效果，但是PID控制无法应对步进电机运转存在的电流谐波问题，无法抑制电机运行过程中的低次谐波电流。因此，本发明采用PIR控制对电流进行控制，采用加入谐振环节的PIR控制使系统抗干扰的能力相对于传统 PID控制大大提升，能够让系统的准确度提高，并采用天牛须-正余混沌蝗虫融合算法对PIR的控制参数进行优化，可将检测到的谐波电流与反馈电流的差无限扩大，在闭环控制中将负反馈的作用误差消除，从而抑制电机电流的谐波。因此，PIR控制结合天牛须-正余混沌蝗虫融合算法在控制时可以做到无静差跟踪，不仅能够有效效抑制低次谐波电流，还能分配各相电流，通过电流调节转矩，消除电流的谐波影响。
单纯的天牛须算法虽然搜索能力强，但局限于面向单个个体，随着迭代次数增加，步长衰减，最后会陷入局部极值，无法跳出，无法获得全局最优。因此，本发明采用天牛须-量子混沌猫群融合算法对PID控制参数进行优化，能够弥补天牛须算法的缺陷，快速找到准确的全局最优。采用天牛须-正余混沌蝗虫融合算法对PIR控制参数进行寻优时，收敛速度更快，收敛精度更高，其阶跃响应表现出的综合动态性能更优。并且，通过仿真验证，天牛须-正余混沌蝗虫融合算法的转速响应的动态性能要优于单独的天牛须算法和单独的正余混沌蝗虫算法，天牛须-正余混沌蝗虫融合算法具有更好的鲁棒性，跟踪更为及时，准确度更高。
综上，本发明的步进电机驱动器的控制方法，对步进电机位置检测和速度输出调节采用复合PID控制方式，并采用天牛须-量子混沌猫群融合算法对PID控制参数进行优化；对步进电机的电流环采PIR控制方式，并采用天牛须-正余混沌蝗虫融合算法对PIR控制参数进行优化。由此，不仅可以改善传统控制方式对于非线性、复杂对象的控制效果低，系统的稳定性较差的问题；还可以改善步进电机运行时转矩脉动大、噪声大的问题。本方法能够提高步进电机的控制精度，实现对步进电机的高效控制，使得步进电机驱动器快速响应转速、电流，具有较强的自适应能力；还能够抑制电流谐波，通过电流调节转矩, 大大降低步进电机转动噪音和转矩脉动，能够显著提高点胶系统中电机位置和速度的输出精度，从而提高点胶精度。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要如权利要求范围来确定其技术性范围。
Claims (6)
1.一种步进电机驱动器的控制方法，其特征在于，包括以下步骤：
S1、根据步进电机的位置信号，建立位置PID控制器的输出转矩信号模型；
所述输出转矩信号模型：
（1）
其中，表示输出转矩信号，表示第一比例系数，表示第一积分系数，表示第一微分系数，表示步进电机第j相转矩增加结束时转子所对应的位置角，表示步进电机在t时刻第j相的关断角，为步进电机接收的期望位置角度信号，为步进电机的实时位置角度信号；
S2、采用天牛须-量子混沌猫群融合算法对所述输出转矩信号模型进行优化，确定最优的第一控制参数；
步骤S2的优化过程包括：
S21、初始化天牛须-量子混沌猫群融合算法的相关参数；
所述相关参数包括：猫种群数量、猫种群维度D、最大迭代次数、最大跟踪次数，随机生成的第猫的空间位置以及随机生成的天牛须的方向；
S22、建立第一适应度函数；
S23、更新天牛须-量子混沌猫群融合算法的寻优速度；
S24、更新天牛须-量子混沌猫群融合算法的全局最优位置；
S25、对所述全局最优位置进行修正；
S26、根据所述第一适应度函数，判断修正后的全局最优位置是否满足要求，若是，则执行步骤S27；若否，则返回步骤S23；
S27、将满足要求的全局最优位置在三个维度上的分解量分别赋值给第一比例系数、第一积分系数和第一微分系数，得到最优的第一控制参数；
S3、根据优化后的输出转矩信号模型，建立速度PID控制器的输出电流信号模型；
S4、采用天牛须-量子混沌猫群融合算法对所述输出电流信号模型进行优化，确定最优的第二控制参数；
S5、根据步进电机的实时电流信号和优化后的输出电流信号模型，建立电流PIR控制器的输出电压信号模型；具体包括：
获取步进电机的实时电流信号；
通过PIR控制器得到电流在复数域的传递函数：
（3）
其中，表示第三比例系数，表示第三积分系数，表示谐振系数，表示谐振点角频率，表示谐振品质因数，表示转子齿数，表示转子稳定角，表示绕组电阻总和，表示自感，表示互感，表示转动惯量，表示粘性系数；
电流PIR控制器接收实时电流信号和速度PID控制器的最优输出电流信号，得到输出电压信号模型：
（4）
其中，为在时域的电流输出值；
S6、采用天牛须-正余混沌蝗虫融合算法对所述输出电压信号模型进行优化，确定最优的第三控制参数；
步骤S6中的优化过程包括：
S61、初始化天牛须-正余混沌蝗虫融合算法的相关参数；
所述相关参数包括：蝗虫位置、自适应参数c、缓冲混沌值、初代蝗虫最优位置、随机生成的天牛须的方向；
S62、建立第三适应度函数Q；
S63、更新天牛须-正余混沌蝗虫融合算法的寻优速度；
S64、更新天牛须-正余混沌蝗虫融合算法的全局最优位置；
S65、对所述全局最优位置进行修正；
S66、根据第三适应度函数Q，判断修正后的全局最优是否满足要求，若是，则执行步骤S67；若否，则返回步骤S63；
S67、将满足要求的全局最优位置在三个维度上的分解量分别赋值给第三比例系数、第三积分系数和谐振系数，得到最优的第三控制参数；
S7、根据优化后的输出电压信号模型生成PWM控制信号，驱动器根据所述PWM控制信号驱动步进电机转动。
2.如权利要求1所述的控制方法，其特征在于，建立速度PID控制器的输出电流信号模型，具体包括：
设置期望位置角速度信号；
获取步进电机的实时位置角速度信号，其中，；
所述速度PID控制器同时接收位置PID控制器的最优输出转矩信号、期望位置角速度信号和实时位置角速度信号，得到输出电流信号模型：
（2）
其中，表示步进电机的转速分配函数，表示步进电机相数，表示步进电机的转子级数，表示第二比例系数，表示第二积分系数，表示第二微分系数。
3.如权利要求2所述的控制方法，其特征在于，所述第一适应度函数为：
（5）
其中，表示天牛须归一函数，表示混沌猫群算法寻优函数，～表示权重系数，表示上升时间，表示速度PID控制器的输出转速信号；
其中，，rands表示随机函数，和分别表示天牛左右两只触角的位置；
其中，，表示第k只猫的复制数数量，表示猫的种群数量，表示记忆池中复制个体的总数量，表示第k只猫的适应值。
4.如权利要求3所述的控制方法，其特征在于，步骤S23中的更新寻优速度的公式如下：
（6）
其中，表示第t+1次天牛须更新后的速度，表示第t次天牛须更新后的速度，表示第t次更新的混合率初值，b表示[0,1]的随机数，表示第t次迭代在d维空间中猫种群的最优位置中心，表示量子混沌猫群算法中猫种群更新数量；表示第t次迭代的扩张-压缩因子；
其中，，表示t次迭代d维空间中个体k的历史最优位置分量，表示天牛须-量子混沌猫群融合算法的种群更新数量，表示第t次迭代d维空间中种群全局最优位置；
步骤S24中，更新全局最优位置的公式如下：
（7）
其中，表示第k只猫在d维空间中第t+1次更新后的位置分量，表示第k只猫在d维空间中第t次更新后的位置分量，a为常数，r为[0,1]之间的随机数，t为迭代次数，表示第t次迭代结束后的全局最优解，表示天牛须下一次迭代的位置，∆t表示速度变化的时间；
步骤S25中，对全局最优位置进行修正的公式如下：
（8）
其中，表示当前猫群的更新位置，表示天牛质心与触须的距离，表示随机单位向量。
5.如权利要求1所述的控制方法，其特征在于，所述第三适应度函数Q为：
（9）
其中，～表示权重系数，表示上升时间，表示正余混沌蝗虫最优解的目标函数，其公式如下：
（10）
其中，表示时间常数，表示舒伯特函数，其表达式如下：
（11）
其中，为变量，，为随机变量。
6.如权利要求5所述的控制方法，其特征在于，步骤S63中，更新寻优速度的公式如下：
（12）
其中，其中表示t+1次更新后的速度，表示t次更新后的速度，和表示系数向量，表示蝗虫个体维度，,表示在之间的常数，表示正余蝗虫混沌值，表示天牛须随机位置向量；
步骤S64中，更新全局最优位置的公式如下：
（13）
其中，表示第t次迭代的位置，表示第t+1次迭代的位置,表示随机单位向量，表示迭代随机函数，表示第t次探索时的步长，为符号函数，表示在d维混沌值下第i个蝗虫当前局部最优位置，表示在d维混沌值下第j个蝗虫当前局部最优位置，表示蝗虫在f维度搜索域中的上界，表示蝗虫在f维度搜索域中的下界，表示当前最优混沌值，表示第i个蝗虫位置，表示第j个蝗虫位置，c为自适应参数；
步骤S65中，修正全局最优位置的公式如下：
（14）
（15）
其中，表示天牛左触角的位置，为[0,2.8]之间的随机数，为[0.8，3]之间的随机数，为[0,1.78]之间的随机权重，为[0,3]之间的随机数，X表示由混沌变量经过线性映射后得到的优化变量,表示当前全局最优解；表示天牛右触角的位置，s表示复数域变量，表示第i个蝗虫位置，表示第j个蝗虫位置，表示第i个蝗虫与第j个蝗虫之间的距离，g表示重力常量，表示指向地心的单位向量，表示风力常量，表示风速的单位向量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310005072.4A CN115765540B (zh) | 2023-01-04 | 2023-01-04 | 步进电机驱动器的控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310005072.4A CN115765540B (zh) | 2023-01-04 | 2023-01-04 | 步进电机驱动器的控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115765540A CN115765540A (zh) | 2023-03-07 |
| CN115765540B true CN115765540B (zh) | 2023-04-14 |
Family
ID=85348152
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310005072.4A Active CN115765540B (zh) | 2023-01-04 | 2023-01-04 | 步进电机驱动器的控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115765540B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117389155B (zh) * | 2023-12-07 | 2024-04-09 | 西北工业大学 | 一种无人机集群的自适应故障检测方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107135545B (zh) * | 2017-04-14 | 2019-11-22 | 中国能源建设集团广东省电力设计研究院有限公司 | 基于智能电网双层认知网络架构的频谱管理方法与系统 |
| CN113162491B (zh) * | 2021-03-17 | 2022-04-22 | 安徽工程大学 | 一种基于改进天牛须算法的无刷直流电机优化方法 |
| CN113641153A (zh) * | 2021-07-07 | 2021-11-12 | 华能铜川照金煤电有限公司 | 亚临界火电机组协调控制系统参数寻优方法 |
-
2023
- 2023-01-04 CN CN202310005072.4A patent/CN115765540B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115765540A (zh) | 2023-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fujimoto et al. | Robust servo-system based on two-degree-of-freedom control with sliding mode | |
| CN115765540B (zh) | 步进电机驱动器的控制方法 | |
| Malu et al. | Kinematics, localization and control of differential drive mobile robot | |
| Brdys et al. | Dynamic neural controllers for induction motor | |
| CN106325073B (zh) | 基于分数阶的伺服系统位置环ip控制器无模型自校正方法 | |
| CN110739893B (zh) | 一种改进自适应无轨迹卡尔曼滤波转动惯量辨识方法 | |
| CN101977009B (zh) | 高精度数控机床进给驱动用正弦波直线电机的控制方法 | |
| CN116088539A (zh) | 一种基于改进秃鹰优化算法的无人救援艇控制优化方法 | |
| CN110855204B (zh) | 一种永磁同步电机转矩周期性脉动抑制控制装置及方法 | |
| Bartolini et al. | A combined backstepping/second order sliding mode approach to control a class of nonlinear systems | |
| CN115580184B (zh) | 驱控一体式步进电机的控制方法、点胶设备 | |
| CN112737435A (zh) | 一种基于t-s模糊滑模控制的步进电机抗干扰系统 | |
| CN102522948A (zh) | Dtc系统中转矩滞环宽度的混合智能调节方法 | |
| 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 | |
| CN109120181A (zh) | 一种基于增益限制补偿器的超声波电机伺服控制系统极限环抑制设计方法 | |
| CN114977928A (zh) | 一种永磁同步伺服系统速度环和位置环参数自整定方法 | |
| CN114520610A (zh) | 伺服驱动器的电机参数自学习模糊控制方法 | |
| CN112928965A (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 | |
| CN112290849A (zh) | 一种基于改进粒子群算法的励磁同步电动机变频调速系统 | |
| Sayouti et al. | MRAS-ANN based sensorless speed control for direct torque controlled induction motor drive | |
| CN109217716A (zh) | 基于预滑动摩擦力模型的超声波电机轮廓控制器 | |
| CN115473466B (zh) | 一种液压伺服驱动系统 | |
| CN114928288B (zh) | 一种基于参数辨识的水下推进器无传感器控制方法及系统 | |
| Cao et al. | Digital implementation of DTC based on PSO for induction Motors | |
| CN117182917A (zh) | 关节电机控制方法、装置、机器人及存储介质 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231101 Address after: 213001 No. 1801 Wu Cheng Road, Changzhou, Jiangsu Patentee after: JIANGSU University OF TECHNOLOGY Address before: 701-24, 7th Floor, Building 10, Changzhou Innovation Park, China Israel, No. 18-67 Changwu Middle Road, Wujin District, Changzhou City, Jiangsu Province, 213164 Patentee before: Spectrum technology (Changzhou) Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240131 Address after: No. 99 Xincui Road, Huaqiao Town, Kunshan City, Suzhou City, Jiangsu Province, 215300 Patentee after: Suzhou Xinwangdao Electronic Technology Co.,Ltd. Country or region after: China Address before: 213001 No. 1801 Wu Cheng Road, Changzhou, Jiangsu Patentee before: JIANGSU University OF TECHNOLOGY Country or region before: China |