KR100458920B1 - precision speed and position control method of actuator system - Google Patents
precision speed and position control method of actuator system Download PDFInfo
- Publication number
- KR100458920B1 KR100458920B1 KR10-2002-0014680A KR20020014680A KR100458920B1 KR 100458920 B1 KR100458920 B1 KR 100458920B1 KR 20020014680 A KR20020014680 A KR 20020014680A KR 100458920 B1 KR100458920 B1 KR 100458920B1
- Authority
- KR
- South Korea
- Prior art keywords
- disturbance
- speed
- disturbance observer
- output
- observer
- Prior art date
Links
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
- H02P21/0014—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
-
- 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
- H02P21/06—Rotor flux based control involving the use of rotor position or rotor speed sensors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
- B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Feedback Control In General (AREA)
Abstract
본 발명은 액추에이터 시스템의 정밀속도와 위치 제어방법에 관한 것으로, 외란 관측기를 이용한 외란 보상방법과 파라미터 추정에 의하여 보상기의 이득을 조절하도록 함으로서 외란이 없는 등가지표시스템의 응답특성을 추정하는 시스템에서 외란 관측기를 신경망에 의하여 학습하는 시스템을 이용한 새로운 제어방법을 제시한다. 외란 관측기에 의한 보상방법은 잘 알려진 데드비트 외란 관측기를 이용하고 잡음에 약한 데드비트 외란 관측기의 단점을 보완하기 위하여 후단필터로서 MA 처리를 통하여 잡음에 대한 영향을 줄이도록 하는데 이 필터효과도 학습대상에 포함한다. 또한 데드비트 외란 관측기의 파라미터와 실제시스템의 파라미터 차이로 발생하는 외란 추정오차를 줄이고자 실제 시스템과 파라미터 보상기로 구성된 등가시스템이 지표시스템이 되도록 구성한다. 시스템에 사용된 RLSM 파라미터 추정기는 외란에 의하여 편향된 추정 특정을 가진다. 이러한 파라미터 추정문제에 대하여 파라미터 추정기가 높은 성능을 갖는 데드비트 외란 관측기를 학습한 지능형 관측기를 포함하도록 함으로서 외란에 의한 문제를 해결할 수 있다.The present invention relates to a precise speed and position control method of an actuator system, and to a disturbance compensation method using a disturbance observer and a disturbance in a system for estimating the response characteristics of an equivalent indicator system without disturbance by adjusting a gain of a compensator by parameter estimation. We present a new control method using a system that learns observers by neural networks. The compensation method by the disturbance observer uses the well-known deadbit disturbance observer and reduces the influence on the noise through the MA process as a post filter to compensate for the weakness of the deadbit disturbance observer, which is weak to noise. Include in. Also, to reduce the disturbance estimation error caused by the difference between the parameters of the deadbeat disturbance observer and the actual system, the equivalent system composed of the real system and the parameter compensator is configured to be the indicator system. The RLSM parameter estimator used in the system has an estimation specification biased by disturbances. For the parameter estimation problem, the parameter estimator can solve the problem caused by the disturbance by including an intelligent observer that has learned a deadbeat disturbance observer having a high performance.
Description
본 발명은 액추에이터 시스템의 정밀속도와 위치 제어방법에 관한 것이다. 일반적으로 속도제어방식에 있어서, 비교적 구현이 간단한 PI 제어기가 많이 상용되고 있으나, 이는 추적 제어기(Tracking controller)에서 고성능을 얻기가 어렵다. 이러한 문제를 해결하기 위해 출력오차를 사용한 상태 변수를 추가 궤환하는 방법으로, 추적 제어기를 이용하는 것은 이미 잘 알려져 있다. 이 방법은 최적 제어이론을 사용하여 이득을 구하므로 PI 제어기에서 트라이얼 앤 에러(Trial-and-Error) 방법을 사용하는 것보다 더 효과적이다.The present invention relates to a precise speed and position control method of the actuator system. In general, in the speed control method, a PI controller that is relatively simple to implement is commonly used, but it is difficult to obtain high performance in a tracking controller. In order to solve this problem, it is well known to use a tracking controller as a method of further feedbacking a state variable using an output error. This method is more effective than using the trial-and-error method in the PI controller because it uses the optimal control theory to gain.
한편, 실제 값을 알 수 없고, 찾아내기 어려운 입력에 대해서 관측기가 연구되어 졌는데, 이는 외란 관측기와 퍼지 논리 제어기 및 고정 이득을 사용한 제어기에서 사용된다. 그러나 좀 더 정밀한 속도와 위치 제어를 위해서는 관측기의 파라미터와 실제 시스템의 파라미터의 차이가 발생하는 문제를 해결해야 한다. 상기 파라미터 문제에서 벗어나는 방안으로 VSS와 퍼지 로직(fuzzy Logic)을 이용하는 방법도 연구되었으나, 고 강성 제어에 치중하다 보니 미세한 떨림을 완전히 없애지 못하는 한계가 있다.On the other hand, observers have been studied for inputs whose actual values are unknown and difficult to find, which are used in disturbance observers, fuzzy logic controllers, and controllers with fixed gains. However, for more precise speed and position control, the difference between the parameters of the observer and the actual system must be solved. A method of using VSS and fuzzy logic has also been studied as a method of escaping the parameter problem, but there is a limit that does not completely eliminate fine tremor because it is focused on high rigidity control.
현재 시중에서 판매 유통되고 있는 자동화기기나 로봇의 모터 제어기 및 가전제품의 속도 및 위치 결정기에서의 미세한 떨림과 같은 문제점을 해결하기 위해 외란과 파라미터의 변화에 강인한 제어기가 요구되고 있다.In order to solve problems such as fine tremors in the speed and positioner of motor controllers and home appliances of automation devices and robots currently on the market, a controller that is robust to disturbances and parameter changes is required.
본 발명의 목적은 외란과 파라미터 변화에 무관하게 간단히 부착할 수 있는 액추에이터 시스템의 제어방법, 즉 기존의 제어기에도 간단한 프로그램을 이식하여 사용 가능하도록 하는 액추에이터 시스템의 정밀속도와 위치 제어방법을 제공하는데 있다.SUMMARY OF THE INVENTION An object of the present invention is to provide a control method of an actuator system that can be easily attached regardless of disturbance and parameter change, that is, a precise speed and position control method of an actuator system that can be used by implanting a simple program into an existing controller. .
도1은 본 발명에 의한 액추에이터 시스템의 구성도이다.1 is a configuration diagram of an actuator system according to the present invention.
도2는 본 발명에서 사용되는 신경망의 구조이다.2 is a structure of a neural network used in the present invention.
도3은 추가된 상태 궤환 제어기와 데드비트 외란 관측기, MA 필터, 신경망, 파라미터 보상기를 이용한 본 발명의 알고리즘을 나타낸 도면이다.3 is a diagram illustrating an algorithm of the present invention using an added state feedback controller, a deadbeat disturbance observer, a MA filter, a neural network, and a parameter compensator.
도4는 본 발명에 의한 액추에이터 시스템의 구체적인 구성도이다.4 is a detailed configuration diagram of an actuator system according to the present invention.
도5는 일반적인 상태 궤환을 사용한 실험결과를 나타낸 도면이다.5 is a diagram showing the results of experiments using the general state feedback.
도6은 본 발명에 의한 액추에이터 시스템을 사용한 실험결과를 나타낸 도면이다.- 도면의 주요부분에 대한 부호의 설명 -1 : 추가된 상태 궤환 제어기 2 : 데드비트 외란 관측기3 : MA 필터 4 : 신경망5 : 파라미터 보상기6 is a view showing the results of experiments using the actuator system according to the present invention.-Explanation of the symbols for the main parts of the drawing -1: Added state feedback controller 2: Deadbit disturbance observer 3: MA filter 4: Neural network 5 Parameter Compensator
본 발명에 의한 액추에이터 시스템의 정밀속도와 위치 제어방법은, 추가된 상태 궤환 제어기(Augmented state feedback controller)와, 외부 외란의 영향을 효과적으로 줄일 수 있는 데드비트 외란 관측기(load torque observer)와, 상기 데드비트 외란 관측기의 잡음을 줄이기 위해 MA(Moving Average) 처리하는 MA 필터(Moving Average filter)와, 상기 잡음이 줄어든 상기 데드비트 외란 관측기의 출력을 학습하여 외부 외란에 맞는 등가전류를 계산하는 신경망(neural network)과, 실제 파라미터와 관측 파라미터의 차이로 발생한 외란오차를 줄이기 위해 부하의 이득을 보상하는 파라미터 보상기(parameter compensator)를 포함하는 정밀속도와 위치 제어를 위한 액추에이터 시스템에 있어서, 부하(L)의 실제속도(ω)와 목표속도(ωr) 및 이들의 차이(ω-ωr)를 구해 입력하는 제1단계와, 상기 제어대상 부하(L)의 외란(T1L)을 데드비트 외란 관측기에 의해 관측하는 제2단계와, 상기 데드비트 외란 관측기의 출력을 MA(Moving Average) 처리하여 잡음이 제거된 등가전류(iqc2)를 입력하는 제3단계와, 상기 속도(ω), 속도 목표(ωr), 속도(ω)와 속도 목표(ωr)의 차이(ω-ωr), 데드비트 외란 관측기의 출력인 등가전류(iqc2)를 입력으로 선택하여, 신경망의 역전파 알고리즘에서 학습해 나온 출력(Ok)과 원하는 출력(inn)의 차를 계산하여 오차를 줄이는 방향으로 출력층에서 은닉층으로 역전파하여 학습하는 제4단계 및 상기 추가된 상태 궤환 제어기의 전류(iqc1)에 상기 신경망의 원하는 출력(inn)을 더한 전류(iqc) 값을 입력으로 하는 파라미터 추정에 의해 부하(L)의 외란을 예측하여 보상하는 제5단계를 포함하는 것을 특징으로 한다.The precision speed and position control method of the actuator system according to the present invention includes an added augmented state feedback controller, a deadbeat disturbance observer capable of effectively reducing the influence of external disturbance, and the dead A moving average filter (MA) for moving average (MA) processing to reduce noise of a bit disturbance observer, and a neural network for calculating an equivalent current suitable for external disturbance by learning the output of the dead bit disturbance observer with reduced noise. 10. An actuator system for precision speed and position control comprising a network and a parameter compensator for compensating for the gain of the load to reduce disturbance errors caused by the difference between the actual and observed parameters. A first step of obtaining and inputting an actual speed ω and a target speed ω r and a difference (ω-ω r ); A second step of observing the disturbance T1 L of the target load L by a deadbeat disturbance observer, and an equivalent current i qc2 from which noise is removed by processing the output of the deadbit disturbance observer (MA); The third step of inputting the speed, the speed (ω), the speed target (ω r ), the difference (ω-ω r ) of the speed (ω) and the speed target (ω r ), the equivalent current which is the output of the deadbeat disturbance observer Select (i qc2 ) as the input, calculate the difference between the output (O k ) and the desired output (i nn ) learned from the backpropagation algorithm of the neural network, and then backpropagate from the output layer to the hidden layer in the direction of reducing the error. The disturbance of the load L is predicted by parameter estimation, which is input as a fourth step and a current i qc value obtained by adding the desired output i nn of the neural network to the current i qc1 of the added state feedback controller. It comprises a fifth step of compensating by.
상기한 본 발명은 액추에이터 시스템의 초정밀 제어에 있어서 필요한 새로운 제어 알고리즘이다. 전체 시스템은 상태 궤환에 의한 디지털 제어기를 응용하고, 각 이득은 LQC 이론에 의거하여 최적의 이득을 계산한다. 초정밀 제어에서는 조그만 외적인 힘이나 저항 등의 변화는 제어에 직접 영향을 준다. 잘 알려진 데드비트 외란 관측기를 이용하여 외란을 보상하고 데드비트 외란 관측기의 파라미터와 실제 파라미터의 차이로 발생하는 외란 추정오차를 줄이고자 하는 실제 시스템과 파라미터로 구성된 등가 시스템이 지표시스템이 되도록 하는 구성에서, 데드비트 외란 관측기 및 전체 시스템을 학습하여 외부 외란에 맞는 등가전류를 계산하여 보상하는 역전파 신경망을 포함하도록 하여 외란과 파라미터 변화에 강인하도록 제어기를 구성한다.The present invention described above is a novel control algorithm required for ultra-precision control of the actuator system. The entire system applies a digital controller with state feedback, and each gain calculates the optimal gain based on the LQC theory. In ultra-precision control, small external forces or resistance changes directly affect the control. In the configuration that the well-known deadbit disturbance observer compensates for the disturbance and reduces the disturbance estimation error caused by the difference between the parameters of the deadbit disturbance observer and the actual system, the equivalent system composed of parameters becomes an indicator system. The controller is designed to be robust against disturbances and parameter changes by including a back-propagation neural network that calculates and compensates an equivalent current for external disturbances by learning the deadbit disturbance observer and the entire system.
이 위치 제어기의 성능이 그 제어시스템의 기본 스펙(SPEC)을 좌우한다.The performance of this position controller depends on the SPEC of the control system.
그래서 추가된 상태 궤환을 응용한 디지털제어기를 구성하고, 벡터공간에서 이득을 구하는 간략한 체계 또는 벡터 제어된 액추에이터에 적용한다. 이에 정확한 위치제어나 속도제어에 있어서 정상상태는 물론 과도상태에서도 외란과 파라미터 변화에 강인한 제어기를 구성한다.Therefore, we construct a digital controller using the added state feedback and apply it to a simple system or vector controlled actuator that obtains gain in vector space. Thus, in accurate position control or speed control, a controller that is robust against disturbance and parameter change is constructed in a steady state as well as in a transient state.
이하, 본 발명을 상세히 설명한다.Hereinafter, the present invention will be described in detail.
도1은 본 발명에 의한 액추에이터 시스템을 나타낸 것으로서, 도시되지 않은 컴퓨터(computer)나 외부 입력장치로부터 액추에이터 시스템을 제어하기 위한 명령이 제어기(101)(control board)로 들어온다. 상기 제어기(101)는 들어온 명령을 수행하기 위한 것으로서 본 발명에 의한 새로운 알고리즘이 탑재되어 있으며, 도3과 같은 구성을 갖는다. 상기 제어기(101)로부터 모터 드라이버(102)로 출력되는 값은 전압 또는 전류이다.1 shows an actuator system according to the present invention, in which commands for controlling the actuator system from a computer or an external input device (not shown) are input to the controller 101 (control board). The controller 101 is for carrying out an incoming command and is equipped with a new algorithm according to the present invention and has a configuration as shown in FIG. The value output from the controller 101 to the motor driver 102 is voltage or current.
상기 제어기(101)로부터 전압 또는 전류 값을 제공받은 모터 드라이버(102)는 모터(103)를 돌리는 장치로서 전류형 또는 전압형이 있다. 센서(104)는 모터(103)의 위치 또는 속도 등을 감지하여 제어기(101)에 전달하는 역할을 한다.도2는 추가된 상태 궤환을 기초로 많이 쓰이는 역전파 신경망을 사용한 제어기(101)의 구성을 나타낸 것으로서, 이는 본 발명의 일부분인 신경망 보상기이며, 이는 외부의 영향을 온라인으로 학습하여 외부 외란에 맞는 등가전류를 계산하여 정궤환 보상하는 기능을 한다.도2에서 i는 입력층이고, j는 은닉층이며, k는 출력층을 나타내고 있다.ωji와 ωkj는 각 층 사이의 연결강도를 나타낸다.도2에 개시된 신경망 보상기는 실제속도(ω), 목표속도(ωr), 데드비트 외란 관측기(2)의 출력인 등가전류(iqc2), 실제속도와 목표속도의 차이(ω-ωr)를 신경망(4)의 입력으로 선택하고, 역전파 알고리즘에서 학습해 나온 출력(Ok)과 원하는 출력(inn)의 차이를 계산하여 오차를 줄이는 방향으로 출력층에서 은닉층으로 역전파하여 학습한다.도3은 본 발명에 의한 알고리즘을 나타낸 것으로서, 추가된 상태 궤환 제어기(1)와 데드비트 외란 관측기(2), MA 필터(3), 신경망(4), 파라미터 보상기(5) 등으로 이루어진 시스템으로 신경망 학습할 수 있도록 한 것이다.부하(L)의 실제속도(ω)와 목표속도(ωr)가 입력되고 있는 추가된 상태 궤환 제어기(1)의 출력인 전류(iqc1)가 신경망(4)으로부터 출력되는 원하는 출력(inn)에 가산되어 전류(iqc)로서 파라미터 보상기(5)와 데드비트 외란 관측기(2)에 입력된다.이때 실제속도(ω)는 추가된 상태 궤환 제어기(1) 뿐만 아니라 신경망(4)에도 공급되고, 목표속도(ωr) 역시 추가된 상태 궤환 제어기(1)는 물론이고 신경망(4)에도 공급된다. 뿐만 아니라, 신경망(4)에는 부하(L)의 실제속도(ω)와 목표속도(ωr)의 차이(ω-ωr)가 입력된다.상기 데드비트 외란 관측기(2)에는 파라미터 보상기(5)의 출력속도(ω(θ)) 혹은 위치가 입력되고, 위에서 언급한 바와 같이 파라미터 보상기(5)의 입력전류(iqc)가 동시에 입력된다.상기 데드비트 외란 관측기(2)에 의해 관측된 제어대상 부하(L)의 외란(T1L)은 MA 필터(3)에 의해 MA(Moving Average) 처리되어 잡음이 제거된 등가전류(isc2)로서 상수배된 후 신경망(4)에 공급되어 신경망(4)의 이득(gain)을 보정한다.여기서, 상기 추가된 상태 궤환 제어기(1)는 추적 제어문제를 해결하는 역할을 하고, 데드비트 외란 관측기(2)는 응답속도를 빠르게 하는 역할을 하며, MA 필터(3)는 데드비트 외란 관측기(2)의 단점 중 하나인 잡음을 제거하는데 이 역시 신경망(4)의 학습대상에 포함된다.도2와 같은 역전파 알고리즘을 사용하는 신경망(4)은 속도(ω), 속도 목표(ωr), 속도(ω)와 속도 목표(ωr)의 차이(ω-ωr), 데드비트 외란 관측기(2)의 출력인 등가전류(iqc2)를 입력으로 선택하여, 신경망(4)의 역전파 알고리즘에서 학습하여 원하는 출력전류(inn), 학습에 의한 출력(Ok)을 출력한다.상기 추가된 상태 궤환 제어기(1)의 전류(iqc1)에 신경망(4)의 원하는 출력전류(inn)가 더해진 전류(iqc) 값을 제공받은 파라미터 보상기(5)는 이 전류(iqc)를 입력으로 하는 파라미터 추정에 의해 해당 파라미터 보상기(5)의 이득을 조절함으로서 외란이 없는 등가 지표시스템의 응답 특성을 추정하여 실제시스템이 정격(nominal) 값에서 동작하도록 해준다.여기서, 제어대상에 해당하는 실제 플랜트를 제외한 모두는 도1의 제어기(101)의 내부에 프로그램으로 구성한다.도4는 본 발명에 의한 액추에이터 시스템을 실제로 구현하기 위해 사용한 시스템 구성도로서, 속도제어를 실현하였는데, 영구자석 동기 전동기를 사용하고, 주 컴퓨터로는 586급 이상으로 DSP 보드를 이용하여 제어한다. 점선으로 표시된 부분이 도3에 개시된 추가된 상태 궤환과 데드비트 외란 관측기, MA 필터, 신경망, 파라미터 보상기 등에 해당한다.도5는 실제 시스템을 구성하여 얻은 실험결과로서, 막대부하와 관성부하의 경우에 일반적인 추가된 상태 궤환 시스템을 사용한 실험 결과이다.도6은 막대로 이루어진 부하와 정격에 가까운 모터 이너셔의 40배 정도의 관성부하의 경우에 본 발명에 의한 방법을 적용하여 얻은 실험 결과이다.도7 및 도8은 위치제어를 한 것에 대해 기존 기술과의 차이를 보여주고 있다.The motor driver 102, which receives the voltage or current value from the controller 101, is a current type or a voltage type device for turning the motor 103. The sensor 104 detects the position or speed of the motor 103 and transmits the same to the controller 101. FIG. 2 shows the controller 101 using a backpropagation neural network that is widely used based on the added state feedback. As shown in the figure, it is a neural network compensator which is a part of the present invention, and it functions to positively compensate for feedback by calculating an equivalent current suitable for external disturbance by learning an external influence online. j is a hidden layer and k is an output layer. ω ji and ω kj represent the connection strengths between the layers. The neural network compensator shown in FIG. 2 is a real speed (ω), a target speed (ω r ), and a deadbeat disturbance. The output (O k ) learned from the backpropagation algorithm by selecting the equivalent current i qc2 , the output of the observer 2, and the difference between the actual speed and the target speed (ω−ω r ) as the input of the neural network 4. And the difference between the desired output (i nn ) and the error The back-propagation is learned from the output layer to the hidden layer in the decreasing direction. FIG. 3 shows an algorithm according to the present invention, wherein the state feedback controller 1, the deadbeat disturbance observer 2, the MA filter 3, and the neural network ( 4), the neural network can be learned by a system consisting of a parameter compensator 5, etc. An additional state feedback controller 1 in which the actual speed ω and the target speed ω r of the load L are being input. The current i qc1 , which is the output of, is added to the desired output i nn output from the neural network 4 and input to the parameter compensator 5 and the deadbeat disturbance observer 2 as the current i qc . The velocity omega is supplied not only to the added state feedback controller 1 but also to the neural network 4, and the target velocity omega r is also supplied to the neural network 4 as well as the added state feedback controller 1. In addition, the neural network (4), the difference (ω-ω r) of the actual speed (ω) and the target speed (ω r) of the load (L) is input to the dead-bit disturbance observer (2) parameter compensator (5 Output velocity ω (θ) or position is input, and as mentioned above, the input current i qc of the parameter compensator 5 is simultaneously input. The dead-bit disturbance observer 2 observed The disturbance T1 L of the control target load L is processed as a moving average (MA) by the MA filter 3 and is multiplied as an equivalent current (i sc2 ) from which noise is removed, and then supplied to the neural network 4 to supply a neural network. The gain of (4) is corrected. Here, the added state feedback controller 1 serves to solve the tracking control problem, and the deadbeat disturbance observer 2 serves to increase the response speed. The MA filter (3) removes noise, which is one of the disadvantages of the deadbeat disturbance observer (2). Neural network 4 is the speed (ω), the speed target (ω r), the difference (ω-ω r) of the speed (ω) and speed target (ω r), using the back propagation algorithm, such as the box is Figure 2, The equivalent current i qc2 , which is the output of the deadbeat disturbance observer 2, is selected as an input, and the desired output current i nn and the output O k are learned by learning by the backpropagation algorithm of the neural network 4. The parameter compensator 5 receives the current i qc value obtained by adding the current i qc1 of the added state feedback controller 1 to the desired output current i nn of the neural network 4. By adjusting the gain of the parameter compensator 5 by parameter estimation with (i qc ) as input, the response characteristics of the equivalent indicator system without disturbance are estimated to allow the actual system to operate at the nominal value. All except the actual plant corresponding to the control object is programmed in the controller 101 of FIG. Fig. 4 is a system configuration diagram used to actually implement the actuator system according to the present invention, which realizes speed control, uses a permanent magnet synchronous motor, and uses a DSP board of 586 or higher as a main computer. To control. The dotted lines correspond to the additional state feedback and deadbeat disturbance observer, MA filter, neural network, and parameter compensator shown in Fig. 3. Fig. 5 shows experimental results obtained by constructing a real system. Fig. 6 shows experimental results obtained by applying the method according to the present invention in the case of an inertial load of about 40 times the load of the rod and the motor inertia close to the rating. 7 and 8 show a difference from the existing technology with respect to the position control.
따라서 본 발명은 정밀속도 및 위치제어가 가능하여 X-Y 테이블을 사용하는 자동화기기 및 로봇의 위치, 속도 제어의 알고리즘에 간단히 적용하면 생산성이 향상될 뿐더러 국내에서 생산하는 자동화기기의 신뢰성 향상 및 기계의 성능제고에도 기여할 수 있다. 또한 이 제어기기는 나노(Nano) 정밀 광부품 조립기, 소형 액추에이터, 무기 시스템, HDD, CD-ROM 드라이버 등의 시크 타임(seek time) 감소에도 기여할 수 있다.그리고 본 발명은 기존 직접 구동형 로봇의 초정밀제어, 초정밀 가공기의 CNC Machine 등 산업화 자동화기기 및 소형 가전기기 등에도 적용될 수 있으며, 특히 전기 자동차의 고장 공차(Fault Tolerance) 분야에도 쓰일 수 있다.Therefore, the present invention is capable of precise speed and position control, so that simply applying to the algorithm of the position and speed control of the automation device and robot using the XY table, the productivity is improved and the reliability of the automation device produced domestically and the performance of the machine are improved. It can also contribute to improvement. The controller can also contribute to reducing seek time for nano precision optical assembly, small actuators, weapon systems, HDDs, CD-ROM drivers, and the like. It can be applied to industrialized automation equipment such as ultra precision control, CNC machine of ultra precision processing machine, and small home appliance, and can also be used in the field of fault tolerance of electric vehicle.
Claims (2)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2002-0014680A KR100458920B1 (en) | 2002-03-19 | 2002-03-19 | precision speed and position control method of actuator system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2002-0014680A KR100458920B1 (en) | 2002-03-19 | 2002-03-19 | precision speed and position control method of actuator system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20030075446A KR20030075446A (en) | 2003-09-26 |
| KR100458920B1 true KR100458920B1 (en) | 2004-12-03 |
Family
ID=32225269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR10-2002-0014680A KR100458920B1 (en) | 2002-03-19 | 2002-03-19 | precision speed and position control method of actuator system |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100458920B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100777928B1 (en) | 2006-01-27 | 2007-11-21 | 엘에스산전 주식회사 | Method of speed synchronization using PLC |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100861560B1 (en) * | 2007-01-15 | 2008-10-02 | 고종선 | Gain having method for speed and position control of actuator |
| KR101813615B1 (en) | 2011-08-10 | 2018-01-02 | 삼성전자주식회사 | Apparatus and method for control of actuator |
| CN108320063A (en) * | 2018-03-26 | 2018-07-24 | 上海积成能源科技有限公司 | To the method for rejecting abnormal data and denoising in a kind of load forecast |
| WO2020203876A1 (en) * | 2019-03-29 | 2020-10-08 | 株式会社小松製作所 | Industrial machine, control device, control compensation device, and control method |
| CN111585478A (en) * | 2020-05-26 | 2020-08-25 | 佛山金华信智能科技有限公司 | Servo motor driving voltage control method, servo motor driving voltage control device, electronic equipment and storage medium |
-
2002
- 2002-03-19 KR KR10-2002-0014680A patent/KR100458920B1/en not_active IP Right Cessation
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100777928B1 (en) | 2006-01-27 | 2007-11-21 | 엘에스산전 주식회사 | Method of speed synchronization using PLC |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20030075446A (en) | 2003-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chung et al. | Motion control | |
| Peng et al. | Identification and adaptive neural network control of a DC motor system with dead-zone characteristics | |
| Wang et al. | Neural-network-based self-tuning PI controller for precise motion control of PMAC motors | |
| Cao et al. | An antiwindup approach to enlarging domain of attraction for linear systems subject to actuator saturation | |
| Maheswararao et al. | Sliding mode speed control of a DC motor | |
| Wang et al. | Unknown input observer‐based robust adaptive funnel motion control for nonlinear servomechanisms | |
| Chang et al. | Adaptive fuzzy backstepping output constraint control of flexible manipulator with actuator saturation | |
| Wang et al. | Robust adaptive tracking control for servo mechanisms with continuous friction compensation | |
| Munje et al. | Speed control of DC motor using PI and SMC | |
| Orlowska-Kowalska et al. | Optimization of fuzzy-logic speed controller for DC drive system with elastic joints | |
| Li et al. | Prescribed performance control for uncertain flexible-joint robotic manipulators driven by DC motors | |
| Mostefai et al. | Optimal control design for robust fuzzy friction compensation in a robot joint | |
| Hayashi et al. | Projection-based iterative learning control for ball-screw-driven stage with consideration of rolling friction compensation | |
| Ahmed | Performance comparison of sliding mode control and conventional PI controller for speed control of separately excited direct current motors | |
| KR100458920B1 (en) | precision speed and position control method of actuator system | |
| Baek et al. | An adaptive model uncertainty estimator using delayed state-based model-free control and its application to robot manipulators | |
| Shamseldin et al. | A new model reference self-tuning fractional order PD control for one stage servomechanism system | |
| Amer et al. | Quasi sliding mode‐based single input fuzzy self‐tuning decoupled fuzzy PI control for robot manipulators with uncertainty | |
| Tsang et al. | Robust nonlinear nominal-model following control to overcome deadzone nonlinearities | |
| Hori | Vibration suppression and disturbance rejection control on torsional systems | |
| Izadbakhsh et al. | Endpoint perfect tracking control of robots—a robust non inversion-based approach | |
| KR20050073964A (en) | Position control equipment and method of pmsm | |
| Wang et al. | Sliding mode control for a model of an electrohydraulic actuator system with discontinuous nonlinear friction | |
| Gong et al. | Neural network adaptive robust control with application to precision motion control of linear motors | |
| Yun-fei et al. | Position/force control with a lead compensator for PMLSM drive system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20111121 Year of fee payment: 8 |
|
| LAPS | Lapse due to unpaid annual fee |