永磁同步直線伺服系統(tǒng)的參數(shù)自整定與抗擾動策略研究.pdf

1、永磁同步直線電機具有高速度、高精度和高功率密度等優(yōu)點,已經(jīng)廣泛地應用在精密工程和工業(yè)自動化等領域。由于省去了中間機械傳動裝置,相比于旋轉電機,永磁同步直線電機對外部各種擾動更為敏感。而且,永磁同步直線伺服系統(tǒng)通常采用固定控制參數(shù)的傳統(tǒng)控制方式,在工況發(fā)生變化時往往不能獲得滿意的控制性能。針對這些問題,本文對永磁同步直線伺服系統(tǒng)進行了建模,提出了永磁同步直線伺服系統(tǒng)速度環(huán)參數(shù)自整定和位置環(huán)抗擾動策略,并通過了仿真與實驗驗證。
　　本

2、文以永磁同步直線伺服系統(tǒng)的高速、高精和高抗擾控制性能為目標,結合國家科技重大專項“開放式高檔數(shù)控系統(tǒng)、伺服裝置和電機成套產(chǎn)品開發(fā)與綜合驗證”和國家自然科學基金“基于特征的數(shù)控機床運動控制參數(shù)自整定策略研究”等課題,主要研究內(nèi)容和創(chuàng)新點有:
　　建立了永磁同步直線伺服系統(tǒng)的數(shù)學建模,研究了永磁同步直線電機的矢量控制原理;同時重點分析了永磁同步直線電機的多重外部擾動,從而為永磁同步直線伺服系統(tǒng)的自整定和抗擾動策略提供理論依據(jù)。

3、　　提出了基于即時學習算法的永磁同步直線伺服系統(tǒng)被控模型參數(shù)辨識策略:針對永磁同步直線伺服系統(tǒng)運行過程中不同工況,采用k-VNN鄰域選擇指標來強化算法的在線學習能力;針對傳統(tǒng)即時學習算法運算量較大的缺點,對傳統(tǒng)即時學習算法的數(shù)據(jù)庫更新策略進行改進,提高了即時學習算法的實時性,也保持了其自適應性。
　　提出了永磁同步直線伺服系統(tǒng)速度環(huán)參數(shù)自整定策略:在控制參數(shù)離線自整定策略中,以過渡過程性能評價指標為目標函數(shù),采用最小二乘算法離線估

4、計速度環(huán)被控模型參數(shù),通過對該估計模型進行全局尋優(yōu)完成速度環(huán)控制參數(shù)離線自整定過程;在控制參數(shù)在線自校正中,以二次型性能評價指標為目標函數(shù),采用遞推最小二乘算法和即時學習算法分別對速度環(huán)被控模型參數(shù)進行在線辨識,利用簡化的廣義預測控制對速度環(huán)控制性能進行最優(yōu)預測并引入將來參考軌跡,實現(xiàn)速度環(huán)控制參數(shù)在線自校正過程。
　　提出了永磁同步直線伺服系統(tǒng)位置環(huán)抗擾動策略:針對紋波推力,當永磁同步直線電機低速且勻速運行時,對推力電流進行快速

5、傅里葉變換來獲得紋波推力的特征頻率,采用遞推最小二乘算法和即時學習算法分別對紋波推力系數(shù)進行辨識,將辨識結果構建前饋分量實時補償給推力電流,實現(xiàn)對紋波推力的抑制;針對負載力,采用模型參考自適應算法在線辨識永磁同步直線伺服系統(tǒng)的動子總質(zhì)量,建立擾動觀測器直接觀測負載力并前饋到永磁同步直線伺服系統(tǒng)推力電流中,實現(xiàn)對負載力的抑制。
　　構建了永磁同步直線伺服系統(tǒng)智能化統(tǒng)一實驗平臺,對提出的永磁同步直線伺服系統(tǒng)被控模型參數(shù)辨識、速度環(huán)自整