CN117595728A - 一种预制菜涡流清洗产线偏差耦合数据驱动控制方法 - Google Patents
一种预制菜涡流清洗产线偏差耦合数据驱动控制方法 Download PDFInfo
- Publication number
- CN117595728A CN117595728A CN202311824868.9A CN202311824868A CN117595728A CN 117595728 A CN117595728 A CN 117595728A CN 202311824868 A CN202311824868 A CN 202311824868A CN 117595728 A CN117595728 A CN 117595728A
- Authority
- CN
- China
- Prior art keywords
- motor
- production line
- cleaning production
- vortex cleaning
- prefabricated
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 145
- 235000013311 vegetables Nutrition 0.000 title claims abstract description 138
- 238000004140 cleaning Methods 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000008878 coupling Effects 0.000 title claims abstract description 46
- 238000010168 coupling process Methods 0.000 title claims abstract description 46
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 46
- 230000001360 synchronised effect Effects 0.000 claims abstract description 98
- 230000001133 acceleration Effects 0.000 claims abstract description 51
- 238000013499 data model Methods 0.000 claims abstract description 17
- 238000013459 approach Methods 0.000 claims abstract description 9
- 230000033228 biological regulation Effects 0.000 claims abstract description 3
- 238000012937 correction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 claims 5
- 230000001105 regulatory effect Effects 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 24
- 230000000694 effects Effects 0.000 abstract description 7
- 238000013461 design Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000013178 mathematical model Methods 0.000 description 6
- 230000010355 oscillation Effects 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000005347 demagnetization Effects 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 238000007605 air drying Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000006880 cross-coupling reaction Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23N—MACHINES OR APPARATUS FOR TREATING HARVESTED FRUIT, VEGETABLES OR FLOWER BULBS IN BULK, NOT OTHERWISE PROVIDED FOR; PEELING VEGETABLES OR FRUIT IN BULK; APPARATUS FOR PREPARING ANIMAL FEEDING- STUFFS
- A23N12/00—Machines for cleaning, blanching, drying or roasting fruits or vegetables, e.g. coffee, cocoa, nuts
- A23N12/02—Machines for cleaning, blanching, drying or roasting fruits or vegetables, e.g. coffee, cocoa, nuts for washing or blanching
-
- 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
- H02P21/0017—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
- 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
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Polymers & Plastics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种预制菜涡流清洗产线偏差耦合数据驱动控制方法，属于预制菜清洗产线多电机控制技术领域。解决预制菜涡流清洗产线多电机调速同步控制系统中，因产线需要快速形成螺旋涡流去除蔬菜污垢导致电机转速跟踪误差变化率较大、负载不同导致各电机转速与加速度差异化较大，造成电机动态与同步性能下降、产线清洗效果不稳定的问题。其步骤主要包括：建立各电机紧格式动态线性化数据模型；提出一种改进滑模平面函数，改良滑模趋近律，设计各电机改进无模型自适应滑模控制器；引入最大、小转速及加速度概念，设计改进偏差耦合结构中各电机新型同步转速补偿器；结合无模型自适应滑模控制器和改进偏差耦合结构设计预制菜涡流清洗产线控制方法。
Description
技术领域
本发明属于预制菜清洗产线多电机控制技术领域，具体是指一种预制菜涡流清洗产线偏差耦合数据驱动控制方法。
背景技术
预制菜生产线是一种用于加工处理大规模预制菜的自动化生产系统，其特点是稳定、安全、高效。它包括多条分支生产线，其中最重要的是净菜产线、切菜产线、装配产线。净菜产线主要用于对预制菜进行处理与清洗，去除蔬菜表面污垢杂质，确保不同批次、种类及大小的蔬菜在相同的清洗条件下保持相同清洁程度，预制菜清洗效果不因生产要求与外部环境的变化而改变，清洗效果始终稳定如一，实现预制菜清洗效果的稳定性；切菜产线将经过清洗的预制菜进行切割，以满足不同的生产要求，确保预制菜切菜产线的安全性；装配产线负责将洗净切好的预制菜进行配比包装，确保预制菜装配产线的高效性；预制菜涡流清洗产线是净菜产线中的一种专门用于清洗预制菜的自动化生产线，通过利用涡流清洗震动沥水机产生螺旋涡流状水流进行预制菜清洗，其由提升机、涡流清洗震动沥水机和风干机等设备组成，可以根据作业环境状况和不同生产要求，使各设备依靠自身抵消外部扰动影响并按照预定时间和顺序进行清洗、震动、风干等作业流程；涡流清洗震动沥水机是产线的核心设备，其包括一轮清洗结构和二轮清洗结构，两部分结构差异不大，每部分有两个水泵电机分别控制上下喷冲系统；滚筒电机控制滚筒旋转去除碎屑；震动电机控制震动筛进行震动沥水作业；在出渣部分，减速电机带动主动轴从而驱动传送带缓慢排渣；在预制菜涡流清洗产线中，各台设备上通常会有多台电机且一般选用永磁同步电机，每台电机驱动其对应的设备结构。对于预制菜生产线而言，预制菜涡流清洗产线可被视为一种重要前提，它确保了预制菜清洗效果的稳定性，为后续加工步骤提供了干净卫生的原材料。因此，越来越多的科研人员开始研究预制菜涡流清洗产线，预制菜涡流清洗产线多电机同步控制研究逐渐成为研究热点。这里的多电机同步控制主要是指预制菜涡流清洗产线接收到工作指令后，通过驱动产线上各电机分别带动其对应设备进行预制菜清洗作业，根据不同生产要求控制各台电机转速、转矩、位置等参数保持相同或一定的比例关系，且某台电机在遭遇外部扰动或变速后能够进行调整，跟踪电机期望转速，最后使得各电机之间保持速度同步，保证预制菜涡流清洗产线稳定运行。
目前，预制菜涡流清洗产线中还存在一些问题，针对产线中多电机同步控制系统有问题如下：因为预制菜涡流清洗产线上的水箱长度有限，故蔬菜需要能够快速进入清洗流程，使其与水泵电机形成的螺旋涡流状水流形成充分接触，有效清洗蔬菜表面污垢并确保蔬菜在短时间内得到彻底清洗，因此电机需要经历快速加速阶段，在此阶段中转速跟踪误差和转速跟踪误差变化率较大影响了电机动态性能，而现已提出的控制方法中多数只考虑转速跟踪误差的影响，没有考虑转速跟踪误差变化率对电机产生的影响；因为预制菜涡流清洗产线上电机数量较多、各电机驱动负载不同导致各电机转速及加速度差异较大，尤其是最大转速与最小转速、最大加速度与最小加速度之间的差异，致使多电机同步性能受到影响且多电机系统结构复杂。综上，上述问题导致电机动态性能和同步性能下降，进而影响产线清洗效果的稳定性。
当前，科研人员所提出的各种针对预制菜涡流清洗产线中多电机同步控制方法中，对于多电机控制虽然考虑了利用反馈机制对各设备进行调节，但是很少考虑到多个设备之间相互影响以及相互配合的问题。刘慧提出基于BP神经网络的多电机控制方法，将交叉耦合控制融入其中，但只适用于双电机控制；耿强提出基于改进型偏差耦合结构的多电机控制方法，适用于三台及以上电机同步控制，但抗外部扰动能力一般；且上述控制方法都是基于模型的控制，控制精度和自适应程度低且难以建立精确的数学模型，因此为解决建模困难问题，本发明提出引用侯忠生教授的无模型自适应控制方法，利用伪偏导数将各电机非线性系统模型转换为简单的泛模型，仅通过输入输出数据建立控制器，克服电机控制器依赖精确数学模型的难点；综上，为了使产线中多电机控制结构在稳态、外部扰动及电机变速阶段都表现出优良的同步性和动态稳定性，同时降低结构的复杂程度，提高产线的快速性和稳定性，研究一种预制菜涡流清洗产线偏差耦合数据驱动控制方法是十分有必要的。
发明内容
本发明阐述了一种预制菜涡流清洗产线偏差耦合数据驱动控制方法。首先，基于紧格式动态线性化方法建立各电机数据模型，有效降低了建模难度；其次，设计无模型自适应滑模控制器中的控制律与估计律；再次，引入多电机偏差耦合结构，设计新型同步转速补偿器；最后，基于改进无模型自适应滑模控制结合改进偏差耦合结构设计一种预制菜涡流清洗产线偏差耦合数据驱动控制方法。
为解决上述技术问题，本发明采取了如下的技术方法：
一种预制菜涡流清洗产线偏差耦合数据驱动控制方法，所述方法包含以下步骤：
(1)建立预制菜涡流清洗产线中第i台电机的动力学模型：
考虑到预制菜涡流清洗产线中的各台电机都对转矩性能要求较高，采用的永磁同步电机转子磁场定向控制方法，计算方便且不存在电枢反应电机的去磁问题，预制菜涡流清洗产线中第i台电机在d-q坐标系下的转矩方程和运动方程为：
式中，Tei为第i台电机的电磁转矩；pi为第i台电机的极对数；ψi为第i台电机的永磁体与定子交链磁链；iqi为第i台电机的q轴电流；TLi为第i台电机的负载转矩；RΩi为第i台电机的摩擦系数；ωi为第i台电机的转子角速度；定义J为转动惯量；定义gi(k)为第i台电机的同步转速补偿项；为第i台电机d轴设定的期望电流值；
(2)建立预制菜涡流清洗产线中第i台电机的紧格式动态线性化数据模型：
建立带有同步转速补偿项的预制菜涡流清洗产线中第i台电机的离散系统模型：
ωi(k+1)＝f[ωi(k),ωi(k-1),...,ωi(k-ly),iqi(k),iqi(k-1),...,iqi(k-lu)]+gi(k)
式中，f(·)表示未知非线性函数；ωi(k)表示第i台电机k时刻的测量转速输出；ly∈R，lu∈R为未知正整数同时也是系统未知阶数；定义gi(k)为第i台电机的同步转速补偿项；iqi(k)表示第i台电机k时刻的q轴电流；
定义ωm(k+1)＝f[ωi(k),ωi(k-1),...,ωi(k-ly),iqi(k),iqi(k-1),...iqi(k-lu)]；
则，ωi(k+1)＝ωm(k+1)+gi(k)；
对于预制菜涡流清洗产线中的各台电机，当|iqi(k)|≠0时，一定存在一个被称为伪偏导数PPD的时变参数使得如下式子成立：
预制菜涡流清洗产线中第i台电机的紧格式动态线性化数据模型如下所示：
式中，Δωi(k+1)＝ωi(k+1)-ωi(k)表示k时刻至k+1时刻第i台电机的转速输出增量；表示第i台电机的伪偏导数PPD并且对任意时刻k有界；Δgi(k)＝gi(k)-gi(k-1)表示第i台电机的同步转速补偿项的变化量；
(3)设计预制菜涡流清洗产线中第i台电机无模型自适应滑模控制器的控制律：
本发明中n台电机系统模型同属于离散非线性系统一般形式，下面仅以预制菜涡流清洗产线中第i台电机无模型自适应滑模控制器的控制律求解为例，其余n-1台电机控制律求解思路相同：
针对存在外部扰动且难以建立精确数学模型的预制菜涡流清洗产线中各电机，引入滑模算法加于控制方法中，结合数据驱动无模型控制技术，设计各电机改进无模型自适应滑模控制器；针对电机急加速阶段和急减速阶段，传统多电机结构中转速跟踪误差变化率较大，对电机动态性能和同步性能造成影响，本发明引入转速误差变化率项用以改良滑模平面函数，有效提高预制菜涡流清洗产线的稳定性：
定义控制器中控制律的滑模平面函数为：
si(k)＝θ1ei(k)+θ2Ei(k-1)+θ3Δei(k-1)
为使电机输出趋近于给定期望值，定义第i台电机无模型自适应滑模控制器的控制律基于以下趋近律展开：
式中，si(k)为滑模平面函数；θ1＞0,θ2＞0,θ3＞0为系统调节系数；定义Ei(k)为积分误差项；ei(k)＝yd(k)-ωi(k)为第i台电机的转速跟踪误差；ydi(k)表示给定期望值；ωi(k+1)为第i台电机k时刻的测量转速输出；Δei(k)＝ei(k)-ei(k-1)表示转速误差变化率项，其提供转速跟踪误差变化快慢的信息；
结合预制菜涡流清洗产线中第i台电机的数据模型可推导得：
进一步推导可得，预制菜涡流清洗产线中第i台电机的无模型自适应滑模控制器的控制律如下所示：
式中，τ为较小的正常数，避免公式分母出现为零的情况，可以确保参数更新的稳定性和收敛性，避免控制器参数的剧烈变化或发散；
(4)设计预制菜涡流清洗产线中第i台电机无模型自适应滑模控制器的估计律：
本发明中n台电机系统模型同属于离散非线性系统一般形式，下面仅以预制菜涡流清洗产线中第i台电机无模型自适应滑模控制器的估计律求解为例，其余n-1台电机估计律求解思路相同：
由于控制律中的参数项是未知的，因此需要设计估计律对参数项进行估计，定义预制菜涡流清洗产线系统第i台电机的参数估计准则函数如下表示：
式中，是伪偏导数的估计值，且μi＞0为权重因子；
根据最优条件，对上式中关于求极值可得预制菜涡流清洗产线中第i台电机无模型自适应滑模控制器的估计律：
式中，ηi∈(0,1]是加入的步长因子，使算法更具通用性；μi＞0为第i台电机估计律中的权重因子；
(5)设计预制菜涡流清洗产线中第i台电机的新型同步转速补偿器：
基于传统偏差耦合结构中的固定增益转速补偿器设计各电机的改进偏差耦合结构中新型同步转速补偿器，下面仅以第i台电机的新型同步转速补偿器为例，其余n-1台电机的新型同步转速补偿器求解思路相同：
转速补偿器是多电机偏差耦合结构控制中的关键部分，直接影响各电机之间的同步性能，本发明设计的新型同步转速补偿器，在每个补偿器中引入最大转速和最小转速、最大加速度和最小加速度概念，对补偿器结构进行重新设计：
首先，引入最大转速和最小转速、最大加速度和最小加速度概念设计第i台电机新型同步转速补偿器中的转速额外补偿项eid，其由最大转速偏差补偿、最大加速度补偿及最大加速度误差补偿所组成，具体设计如下：
eid＝Γi(ωmax-ωmin)+kaamax+οi(amax-amin)
式中，eid表示第i台电机新型转速同步补偿器中的转速额外补偿项；Γi表示偏差修正系数；ωmax,ωmin分别表示n台电机中的最大转速与最小转速；ka表示加速度系数；amax,amin分别表示n台电机中的最大加速度与最小加速度；οi表示误差修正系数；
在转速额外补偿项eid中，利用最大转速和最小转速求得最大转速偏差补偿部分，减小急加速、减速阶段中因负载不同导致各电机转速差异化较大的问题对同步性能带来的负面影响；利用最大加速度和最小加速度求得最大加速度补偿部分和最大加速度误差补偿部分，降低急加速、减速阶段中因负载不同导致各电机加速度差异化较大的问题对同步性能带来的负面影响；
其次，设计如下所示的第i台电机的平均转速误差补偿项：
式中，eavi表示平均转速误差补偿项；θi表示第i台补偿器中的补偿增益系数；
在平均转速误差补偿项中，对比传统补偿器可得，利用去除最大、最小转速的平均转速值代替原本除被控电机转速ωi外的其余转速，在预制菜涡流清洗产线中的多电机系统中某电机于急加速、减速阶段出现较大的转速波动时，平均转速误差补偿项可以迅速跟踪电机转速差，增强电机动态性能，简化多电机系统结构。
最后，综上可得gi(k)＝eavi+eid，设计预制菜涡流清洗产线系统中第i台电机的新型同步转速补偿器如下所示：
式中，gi(k)表示电机i的同步转速补偿；λi表示同步比例系数；
有新型同步转速补偿器可知，当预制菜涡流清洗产线中的多电机系统中新添加电机时，只需要增加最大值与最小值模块的数据输入并修改补偿增益系数即可，相比传统补偿器，控制结构得到了简化，简化后的控制结构适用于有多台电机的预制菜涡流清洗产线。
(6)设计一种预制菜涡流清洗产线偏差耦合数据驱动控制方法：
结合控制律、估计律和新型同步转速补偿器设计一种预制菜涡流清洗产线偏差耦合无模型自适应滑模控制方法：
式中，τ＞0避免分母为零；为的初始值；定义εi为一个小正数；
综上所述，步骤(2)在多电机系统中引入偏差耦合结构，建立带有同步转速补偿项的各电机离散系统模型，引入伪偏导数建立紧格式动态线性化数据模型；步骤(3)和步骤(4)中的各电机系统模型同属于离散非线性系统一般形式，仅以第i台电机无模型自适应滑模控制器的控制律与估计律求解为例，其余n-1台电机求解思路相同；步骤(5)设计第i台电机的新型同步转速补偿器，将被控电机转速与其他电机转速进行关联，其余n-1台电机求解思路相同；步骤(6)设计预制菜涡流清洗产线偏差耦合无模型自适应滑模控制方法。
有益效果：
本发明所提出的一种预制菜涡流清洗产线偏差耦合数据驱动控制方法，引入伪偏导数概念，基于带同步转速补偿项的各电机离散系统建立其紧格式动态线性化数据模型。预制菜涡流清洗产线偏差耦合无模型自适应滑模控制方法仅依赖输入输出数据进行控制器设计，与任何显式或隐式模型动力学或装置结构信息无关，克服了需要精确数学模型的难点，减少了未建模动态的影响，增强了预制菜涡流清洗产线的抗外部扰动能力，保证预制菜涡流清洗产线清洗效果的稳定性，有效提高了预制菜涡流清洗产线的稳定性能；
本发明所提出的一种预制菜涡流清洗产线偏差耦合数据驱动控制方法，属于改进型偏差耦合结构，引入最大转速和最小转速、最大加速度和最小加速度概念设计各电机的新型同步转速补偿器。区别于传统的多电机偏差耦合结构，当预制菜涡流清洗产线上需要新增电机时，只需要增加补偿器中最大值、最小值模块的转速输入且修改补偿增益系数即可，使得同步转速补偿器结构简化；新型同步转速补偿器在负载不同、电机急加速阶段及电机急减速阶段都表现出良好的同步性能，同时降低结构复杂程度，提高预制菜涡流清洗产线的快速性和稳定性；
本发明所提出的一种预制菜涡流清洗产线偏差耦合数据驱动控制方法，引入滑模算法加于控制方法中，结合数据驱动无模型控制技术，设计各电机的改进无模型自适应滑模控制器；针对电机急加速阶段和急减速阶段，转速跟踪误差变化率较大致使电机动态性能和同步性能下降，本发明引入转速误差变化率项用以改良滑模平面函数，使得各电机可以依靠自身抵消变速阶段导致的转速跟踪误差变化率较大带来的扰动影响，提高预制菜涡流清洗产线的稳定性。
附图说明：
图1为一种预制菜涡流清洗产线偏差耦合数据驱动控制方法的流程图；
图2为一种预制菜涡流清洗产线偏差耦合数据驱动控制方法的结构图；
图3为一种预制菜涡流清洗产线偏差耦合数据驱动控制方法中第一台电机的新型同步转速补偿器结构图；
图4为预制菜涡流清洗产线在PI控制方法下电机转速图(a)、电机跟踪误差图(b)和电机同步误差图(c)；
图5为预制菜涡流清洗产线在本发明控制方法下电机转速图(a)、电机跟踪误差图(b)和电机同步误差图(c)；
具体实施方式
以下将结合附图，对本发明进行更为详细的描述。
参见附图1所示，本发明公开了一种预制菜涡流清洗产线偏差耦合数据驱动控制方法，具体包括以下步骤：
步骤S1：建立预制菜涡流清洗产线中各电机的紧格式动态线性化数据模型：
(1)建立预制菜涡流清洗产线中第i台电机的动力学模型：
考虑到预制菜涡流清洗产线中各台电机都对转矩性能要求较高。传统的建模方法是利用机理建模方法建立电机动力学模型，并通过多次重复实验确定模型中的系统参数。采用的永磁同步电机转子磁场定向控制方法，计算方便且不存在电枢反应电机的去磁问题，在d-q坐标系下第i台永磁同步电机的转矩方程和运动方程如下所示：
Tei＝piψiiqi (1)
式中，Tei为第i台电机的电磁转矩；pi为第i台电机的极对数；ψi为第i台电机的永磁体与定子交链磁链；RΩi为第i台电机的摩擦系数；iqi为第i台电机的q轴电流；J为转动惯量；定义TLi表示第i台电机的负载转矩；ωi为第i台电机的转速输出；定义gi(k)表示第i台电机的同步转速补偿项；定义为第i台电机d轴设定的期望电流值；
(2)建立带有同步转速补偿项的预制菜涡流清洗产线中第i台电机的离散系统模型如下所示：
式中，f(…)表示未知的非线性函数；ly，lu∈R为未知正整数且是系统未知阶数；ωi(k)表示第i台电机k时刻的测量转速输出；iqi(k)表示第i台电机k时刻的q轴电流；gi(k)表示第i台电机的同步转速补偿项；
(3)建立预制菜涡流清洗产线中第i台电机的紧格式动态线性化数据模型：
由于预制菜涡流清洗产线中各电机均是一个复杂多变量特性的机械结构，采用机理建模方法建立的模型只能当作真实系统的参考模型，且涉及多台电机相互影响、相互作用的耦合效应问题，使用机理建模方法获得电机系统模型相对困难。因此，本发明利用紧格式动态线性化方法将电机系统模型等价转换为基于输入增量、输出增量形式的数据模型，能够有效降低对精确数学模型的依赖，克服建模困难的问题；
为了严格讨论，对预制菜涡流清洗产线中第i台电机做如下假设：
假设1：除有限时刻外，f(…)关于第i台电机输入信号iqi(k)和gi(k)的偏导数是存在且连续的；
假设2：第i台电机的输入输出是可观测且可控的，对于给予的有界期望输入信号yd(k)，总存在有界输入信号使得系统在此控制输入信号的驱动下输出等于系统期望的输出值；
假设3：除去有限时刻点外，系统满足广义Lipschitz条件，即对于任意满足k1≠k2，k1 k2≥0的k有
式中，B1＞0，B2＞0均是一个正常数；
假设4：第i台电机中的同步转速补偿信号在两个相邻时刻的变化量是有界的，满足广义Lipschitz条件，有
|Δωi(k+1)|≤b1|Δgi(k)|≤b2 (5)
式中，b1＞0是一个正常数；b2＞0是一个正常数；
从实际工程应用上看，上述假设对于预制菜涡流清洗产线是合理的且能够接受的；其中，假设1是对离散非线性系统可控性的假设，永磁同步电机作为离散非线性系统满足这一条件，同时也是控制系统设计的典型条件；假设2是对第i台电机的一项基本假设，它保证第i台电机是能控的，符合物理规律；假设3提供了由控制输入变化所驱动的第i台电机输出变化率的有界限制，从能量的角度来看，如果控制输入能量的变化处于有限的高度，电机内部的能量变化率就不可能趋近于无穷大；假设4表明同步转速补偿信号对每台电机都是有界的；
定理1：对于预制菜涡流清洗产线中的第i台电机，满足上述四个假设，且|iqi(k)|≠0，一定存在一个被称为伪偏导数PPD的时变参数向量使得如下式子成立：
式中，Δωi(k+1)＝ωi(k+1)-ωi(k)表示k时刻至k+1时刻第i台电机的转速输出增量；表示k时刻电机控制律中的伪偏导数；
证明：参考侯忠生教授的《无模型自适应控制》，给出定理证明，由第i台电机系统模型可得：
式中，表示各电机转速的非线性函数关于iqi(k)在k时刻的偏导数，对于任意时刻k而言，由于|Δiqi(k)≠0|，一定存在唯一解，令可得如下数据模型：
同时结合假设3可得：
由此可以看出，如果是无界的，则上述不等式无法成立，因此，是有界性对任意时刻k都是可以保证的；
证毕。
因此，预制菜涡流清洗产线中第i台电机的数据模型如下所示：
式中，Δωi(k+1)＝ωi(k+1)-ωi(k)表示k时刻至k+1时刻第i台电机的转速输出增量；表示第i台电机的伪偏导数并且对任意时刻k有界；Δiqi(k)＝iqi(k)-iqi(k-1)表示第i台电机k-1时刻至k时刻q轴电流变化量；Δgi(k)＝gi(k)-gi(k-1)表示第i台电机的同步转速补偿项的变化量；
步骤S2：设计预制菜涡流清洗产线中各电机无模型自适应滑模控制器的控制律：
本发明中的n台电机系统模型同属于非线性系统一般形式，下面仅以预制菜涡流清洗产线中第i台电机无模型自适应滑模控制器的控制律求解为例，其余n-1台电机控制律求解步骤相同；
针对存在外部扰动且难以建立精确数学模型的预制菜涡流清洗产线中的各台电机，引入滑模算法加于控制方案中，结合数据驱动无模型控制技术，设计各电机改进无模型自适应滑模控制器；针对电机急加速阶段和急减速阶段，传统多电机结构中转速跟踪误差变化率较大，对电机动态性能与同步性能造成影响，本发明引入转速误差变化率项用以改良滑模平面函数使得各电机可以依靠自身抵消变速阶段导致的转速跟踪误差变化率较大带来的扰动影响，设计电机转速环的无模型自适应滑模控制器如下：
定义控制器中控制律的滑模平面函数为：
si(k)＝θ1ei(k)+θ2Ei(k-1)+θ3Δei(k-1) (11)
式中，si(k)为第i台电机的滑模平面函数；θ1＞0,θ2＞0,θ3＞0均为系统的调节系数；ei(k)＝ydi(k)-ωi(k)为第i台电机的跟踪误差；为积分误差项；滑模利用分数幂律γ实现非线性滑动面，当进入滑动面后能够实现系统状态在滑模面附近获得更快的收敛速度；ydi(k)表示第i台电机的给定期望值；
为使电机输出趋近于给定期望值，定义第i台电机的无模型自适应滑模控制器的控制律基于以下趋近律展开：
si(k+1)＝si(k) (12)
综上所述，结合滑模平面函数、积分误差项和趋近律可得：
式中，Δei(k)＝ei(k)-ei(k-1)表示第i台电机的转速跟踪误差变化率项，其提供转速跟踪误差变化快慢的信息；
结合第i台电机的数据模型推导得：
进一步推导得：
所以，第i台电机无模型自适应滑模控制器中的控制律如下所示：
式中，τ为较小的正常数，避免公式分母出现为零的情况，可以确保参数更新的稳定性和收敛性，避免控制器参数的剧烈变化或发散；
步骤S3：设计预制菜涡流清洗产线中各电机无模型自适应滑模控制器的估计律：
本发明中n台电机系统模型同属于离散非线性系统给一般形式，下面仅以预制菜涡流清洗产线中的第i台电机无模型自适应滑模控制器的估计律求解为例，其余n-1台电机估计律求解思路相同：
由于控制律中的时变参数项是未知的，因此需要设计估计律对参数项进行估计，定义第i台电机的参数估计准则函数如下：
式中，是伪偏导数的估计值，且μi＞0为权重因子。
根据最优条件，对上式中关于求极值可得预制菜涡流清洗产线中第i台电机无模型自适应滑模控制器的估计律：
式中，ηi∈(0,1]是加入的步长因子，使算法更具通用性；μi＞0为第i台电机估计律中的权重因子；
步骤S4：设计预制菜涡流清洗产线中各电机的新型转速同步补偿器：
转速补偿器是多电机偏差耦合结构控制的关键部分，直接影响各电机之间的同步性能，本发明设计的新型同步转速补偿器，在每个同步转速补偿器中引入最大转速和最小转速、最大加速度和最小加速度概念，对基于传统偏差耦合结构中的固定增益转速同步补偿器重新进行设计，下面仅以第i台电机的新型同步转速补偿器求解为例，其余n-1台电机的新型同步转速补偿器设计思路相同：
首先，引入最大转速和最小转速、最大加速度和最小加速度概念设计第i台电机新型同步转速补偿器的转速额外补偿项eid，其由最大转速偏差补偿、最大加速度补偿及最大加速度误差补偿所组成，具体设计如下：
eid＝Γi(ωmax-ωmin)+kaamax+οi(amax-amin) (19)
式中，eid表示第i台电机新型同步转速补偿器中的转速额外补偿项；定义Γi表示偏差修正系数；ωmax,ωmin分别表示n台电机中的最大转速与最小转速；amax,amin分别表示n台电机中的最大加速度与最小加速度；ka表示加速度系数；οi表示误差修正系数；
在转速额外补偿项eid中，利用最大转速和最小转速求得最大转速偏差补偿部分，减小加速阶段与减速阶段中因负载不同导致各电机转速差异化较大的问题对同步性能带来的负面影响；利用最大加速度和最小加速度求得最大加速度补偿部分和最大加速度误差补偿部分，降低急加速阶段、减速阶段中因负载不同导致各电机加速度差异化较大的问题对同步性能带来的负面影响；
其次，设计如下所示的第i台电机新型同步转速补偿器的平均转速误差补偿项：
式中，eavi表示平均转速误差补偿项；θi表示第i台补偿器中的补偿增益系数；
在平均转速误差补偿项中，对比传统补偿器可得，利用去除最大、最小转速的平均转速值代替原本除被控电机转速ωi外的其余转速，在预制菜涡流清洗产线中的多电机系统中某电机于急加速、减速阶段出现较大的转速波动时，平均转速误差补偿项可以迅速跟踪电机转速差，增强电机动态性能，简化多电机系统结构；
最后，综上可得gi(k)＝eavi+eid，设计预制菜涡流清洗产线中第i台电机的新型同步转速补偿器如下所示：
式中，gi(k)表示电机i的同步转速补偿项；λi表示同步比例系数；
有新型同步转速补偿器可知，当预制菜涡流清洗产线中的多电机系统中新添加电机时，只需要增加最大值与最小值模块的数据输入并修改补偿增益系数即可，相比传统补偿器，控制结构得到了简化，简化后的控制结构适用于有多台电机的预制菜涡流清洗产线。
步骤S5：设计一种预制菜涡流清洗产线偏差耦合数据驱动控制方法：
结合上述控制律、估计律和基于偏差耦合结构各电机新型同步转速补偿器，引入算法重置机制(24)使得伪偏导数估计律具有更强的对时变参数的跟踪能力：
设计如下所示的一种预制菜涡流清洗产线偏差耦合无模型自适应滑模控制方法：
式中，τ＞0避免公式分母为零；为的初始值；定义εi为一个小正数；
参见附图2所示，使用MATLAB/simlink建立本发明控制方法的结构模型。预制菜涡流清洗产线中各电机参数参考“山东银鹰公司研制开发的蔬菜加工生产线上的设备电机”，具体参数为：额定电压为380V；额定功率为2300W；转子永磁体磁链为2.64Wb；电阻为0.00173Ω；电机极对数为8；d轴电感为0.0085H；q轴电感为0.0085H；根据实际系统的调试情况，设计各电机转速环无模型自适应滑模控制器，其结合同步转速补偿项输出可得q轴期望电流，内电流环控制器针对永磁同步电机使用idi(k)＝0矢量控制并输出电压信号udi(k)和uqi(k)，通过park逆变换得到电压信号uαi(k)和uβi(k)，再通过SVPWM得到控制信号，并由逆变器产生三相电压信号于电机定子绕组上，达到永磁同步电机速度调节目的。
参见附图3所示，预制菜涡流清洗产线偏差耦合数据驱动控制方法中引入了偏差耦合结构，区别于传统的多电机偏差耦合结构，引入最大转速和最小转速、最大加速度和最小加速度概念设计新型同步转速补偿器，利用去除最大转速和最小转速的平均转速值代替除被控电机转速外的其余电机转速，求被控电机转速与平均值的差经过补偿增益后加上当前电机的转速额外补偿项对电机进行转速补偿，将被控电机与其他电机转速进行关联；在预制菜涡流清洗产线中某电机于急加速、减速阶段出现较大的转速波动时，平均转速误差补偿项可以迅速跟踪电机转速差，增强电机动态性能，使同步转速补偿器设计更为简化；同时，控制系统的扩展性能较好，在预制菜涡流清洗产线需要新增电机时，只需要增加最小模块、最大模块的数据输入和修改补偿增益即可。
参见附图4和附图5所示，选择三台电机通过MATLAB/simlink根据所述控制方法搭建的结构模型并进行仿真验证。各电机具体参数为：额定功率为2300W；转子永磁体磁链为2.64Wb；电阻为0.00173Ω；电机极对数为8；d轴电感为0.0085H；q轴电感为0.0085H；额定电压为380V。所选三台电机的同步比例系数都设为一，根据仿真系统的调试情况，设计并调整转速环与电流环控制器中的不同参数。设计相同的电机参数，通过仿真实验获得预制菜涡流清洗产线中各电机在无模型自适应滑模控制算法和PI控制算法下的电机转速值、电机跟踪误差值和电机同步误差值；具体来说：在本发明控制方法下，最大超调为4.16％，在0.5s给各电机增加不同的负载扰动模拟电机遭遇不同环境下未知扰动的影响，分别添加扰动为1000N·m、3000N·m、5000N·m，受未知扰动影响最大的转速下降为0.8r/min，电机转速恢复至期望转速状态花费时间0.03s，且稳定运行后各电机的平均转速震荡为0.2r/min。其跟踪误差曲线最大波动值为5r/min，稳定运行后跟踪误差曲线平均震荡为0.2r/min。其3台电机之间的同步误差在没加负载扰动之前为0，0.5s后同步误差震荡范围为-0.2r/min至0.2r/min且逐渐减小；对比PI控制方案下，最大超调为37.5％，在0.5s给各电机分别添加1000N·m、3000N·m、5000N·m，受未知扰动影响最大的转速下降为3r/min，电机转速恢复至期望转速状态花费时间0.08s，且稳定运行后各电机的平均转速震荡为0.4r/min.其跟踪误差曲线最大波动值为45r/min，稳定运行后跟踪误差曲线平均震荡为1r/min。其3台电机之间的同步误差在没加负载扰动之前为0，0.5s后同步误差震荡范围为-1r/min至1r/min且逐渐减小；比较可见，本发明控制方法下，预制菜涡流清洗产线中的多电机系统稳定速度更快且稳定后电机转速波动、跟踪误差波动和同步误差波动更小，初始时刻抑制扰动能力强，仿真结论表明在复杂作业环境下预制菜涡流清洗产线中的多电机也可以同步控制、较快跟踪给定期望转速值，实现预制菜涡流清洗产线的稳定运行。
以上所述的具体描述，对本发明的方案、目的和有益效果进行了更进一步的详细说明，应理解的是，本实施例仅用于解释本发明，并不用于限制本发明的保护范围，与本发明具有相同的研究思路和基本原理下修改、替换等，均包含在本发明的保护范围内。
Claims (6)
1.一种预制菜涡流清洗产线偏差耦合数据驱动控制方法，所述控制方法包括下述步骤：
(1)建立预制菜涡流清洗产线中各电机的紧格式动态线性化数据模型；
(2)设计预制菜涡流清洗产线中各电机无模型自适应滑模控制器的控制律；
(3)设计预制菜涡流清洗产线中各电机无模型自适应滑模控制器的估计律；
(4)设计预制菜涡流清洗产线中各电机的新型同步转速补偿器；
(5)设计一种预制菜涡流清洗产线偏差耦合无模型自适应滑模控制方法。
2.根据权利要求1所述的一种预制菜涡流清洗产线偏差耦合数据驱动控制方法，其特征在于：步骤(1)所述具体内容为：
(1)建立带有同步转速补偿项的预制菜涡流清洗产线中第i台电机离散系统模型：
ωi(k+1)＝f[ωi(k),ωi(k-1),....ωi(k-ly),iqi(k),iqi(k-1),...,iqi(k-lu)]+gi(k)
式中，f(·)为未知非线性函数；ωi(k)为第i台电机k时刻测量转速输出；iqi(k)为第i台电机k时刻的q轴电流；ly∈R为系统未知阶数；lu∈R为系统未知阶数；gi(k)为第i台电机同步转速补偿项；
(2)建立预制菜涡流清洗产线中第i台电机的紧格式动态线性化数据模型：
对带有同步转速补偿项的第i台电机离散系统模型进行紧格式动态线性化处理，得到预制菜涡流清洗产线中第i台电机的数据模型：
式中，Δωi(k+1)＝ωi(k+1)-ωi(k)表示k至k+1时刻第i台电机输出转速增量；为第i台电机伪偏导数PPD并且对任意时刻k有界；Δgi(k)＝gi(k)-gi(k-1)为第i台电机同步转速补偿项变化量。
3.根据权利要求1所述的一种预制菜涡流清洗产线偏差耦合数据驱动控制方法，其特征在于：步骤(2)所述具体内容为：
定义预制菜涡流清洗产线中第i台电机无模型自适应滑模控制器的控制律基于以下趋近律展开：
式中，si(k)为滑模平面函数；为系统调节系数；定义Ei(k)为积分误差项；定义ei(k)＝ydi(k)-ωi(k)为第i台电机转速跟踪误差；
将步骤(1)中第i台电机的紧格式动态线性化数据模型代入趋近律中的滑模平面函数，得到预制菜涡流清洗产线中第i台电机的无模型自适应滑模控制器中的控制律：
式中，τ为正常数，保证控制律公式分母不为零。
4.根据权利要求1所述的一种预制菜涡流清洗产线偏差耦合数据驱动控制方法，其特征在于：步骤(3)所述具体内容为：
设计预制菜涡流清洗产线中第i台电机的伪偏导数PPD估计准则函数如下所示：
式中，为伪偏导数的估计值，且μi＞0为权重因子；
根据最优条件，对伪偏导数估计准则函数中关于求极值，得到预制菜涡流清洗产线中第i台电机无模型自适应滑模控制器的伪偏导数估计律：
式中，ηi∈(0,1]为步长因子。
5.根据权利要求1所述的一种预制菜涡流清洗产线偏差耦合数据驱动控制方法，其特征在于：步骤(4)所述具体内容为：
设计预制菜涡流清洗产线中第i台电机的新型同步转速补偿器为如下所示：
式中，gi(k)为电机i的同步转速补偿项，θi为第i台新型同步转速补偿器的补偿增益系数；ωi(k)表示第i台电机的测量转速输出；ωmax,ωmin分别为产线n台电机中的最大转速值与最小转速值；amax表示n台电机中的最大加速度值；amin表示n台电机中的最小加速度值；Γi为第i台新型同步转速补偿器的偏差修正系数；ka为加速度系数；οi为第i台新型同步转速补偿器的误差修正系数；λi为同步比例系数，eid为第i台新型同步转速补偿器的转速额外补偿项。
6.根据权利要求1所述的一种预制菜涡流清洗产线偏差耦合数据驱动控制方法，其特征在于：步骤(5)所述具体内容为：
将步骤(3)中第i台电机的伪偏导数估计律和步骤(4)中第i台电机的同步转速补偿项代入步骤(2)中的第i台电机无模型自适应滑模控制器中的控制律，得到一种预制菜涡流清洗产线偏差耦合无模型自适应滑模控制方法如下：
式中，τ＞0；为的初始值；定义εi为一个正数；
以预制菜涡流清洗产线作业特点为基础，以产线上各台电机q轴电流作为控制输入，设计无模型自适应滑模控制器，输出控制信号；以各电机转速作为输入设计新型同步转速补偿器，输出补偿信号调节各电机实际输出值，即产线多电机调速同步控制系统输出变量同步跟踪目标值，实现对预制菜的稳定清洗。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311824868.9A CN117595728A (zh) | 2023-12-28 | 2023-12-28 | 一种预制菜涡流清洗产线偏差耦合数据驱动控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311824868.9A CN117595728A (zh) | 2023-12-28 | 2023-12-28 | 一种预制菜涡流清洗产线偏差耦合数据驱动控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117595728A true CN117595728A (zh) | 2024-02-23 |
Family
ID=89911700
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311824868.9A Pending CN117595728A (zh) | 2023-12-28 | 2023-12-28 | 一种预制菜涡流清洗产线偏差耦合数据驱动控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117595728A (zh) |
-
2023
- 2023-12-28 CN CN202311824868.9A patent/CN117595728A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111342720B (zh) | 基于转矩观测的永磁同步电机自适应连续滑模控制方法 | |
| CN106788046B (zh) | 永磁同步电机命令滤波有限时间模糊控制方法 | |
| CN102969968B (zh) | 一种永磁同步电机控制方法 | |
| CN110190795B (zh) | 一种永磁同步电机级联式鲁棒预测电流控制方法 | |
| CN102354107B (zh) | 一种交流位置伺服系统模型参数在线辨识和控制方法 | |
| CN103401501A (zh) | 一种基于模糊自抗扰控制的pmsm伺服系统控制方法 | |
| CN112422004B (zh) | 一种永磁同步电机弱磁控制模式下的扰动抑制方法 | |
| CN113206623B (zh) | 基于快速积分终端滑模及干扰估计的永磁同步电机有限时间调速控制方法 | |
| CN108390597A (zh) | 带有扰动观测器的永磁同步电机非线性预测控制器设计 | |
| CN113271042A (zh) | 一种多电机固定时间优化协同控制方法 | |
| CN109067275A (zh) | 一种基于解耦自适应滑模的永磁直线电机混沌控制方法 | |
| CN106100480B (zh) | 基于干扰观测器的永磁同步电机三自由度内模控制方法 | |
| CN112953335A (zh) | 一种永磁同步电机有限时间自适应复合控制方法和系统 | |
| CN110112980B (zh) | 基于分数阶微积分的闭环迭代学习的控制方法和系统 | |
| CN108429501B (zh) | 一种永磁同步电机负载扰动的观测方法 | |
| Barambones et al. | Adaptive sensorless robust control of AC drives based on sliding mode control theory | |
| CN110829918B (zh) | 一种变约束系数的伺服系统约束反步控制算法 | |
| CN111835251A (zh) | 一种基于无速度传感的永磁同步电机高性能控制方法 | |
| Liu et al. | Model reference adaptive parameter identification of PMSM based on single-loop model predictive control | |
| CN117595728A (zh) | 一种预制菜涡流清洗产线偏差耦合数据驱动控制方法 | |
| CN116317756A (zh) | 基于趋近律和扰动补偿的永磁同步直线电机滑模控制方法 | |
| He et al. | Research on active disturbance rejection control of induction motor | |
| Li et al. | Improved Non-Singular Fast Terminal Sensor-Less Sliding Mode Control of IPMSM Considering External Disturbance and Parameter Perturbation. | |
| CN114400935B (zh) | 基于快速有限时间控制的感应电机复合控制方法 | |
| CN112821814B (zh) | 一种降低位置同步波动的多舵机同步控制方法及系统 |
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 |