模糊滑模控制在智能人工腿步速控制中的应用
刘国联1, 2 谭冠政1* 何 燕2
(中南大学信息科学与工程学院1,长沙410083;湖南铁路科技职业技术学院2,株洲412000)
摘 要 针对CIP-I智能人工腿步速控制系统存在着反向间隙、死区、摩擦、饱和等非线性因素,提出一种模糊滑模控制(FSMC)。该控制器是基于滑动曲面和模糊带的半宽度之间的关系,调整由模糊逻辑推理得到的控制量Uk,从而实现对执行电机的控制。它不仅具有滑模控制和模糊控制的优点,而且弥补了滑模控制的不足。仿真实验证实FSMC控制稳定,响应速度快,能有效地控制CIP-I智能人工腿,具有良好的动态性能。
关键词 模糊滑模控制 模态函数 CIP-I智能人工腿
中图法分类号 TP273•4; 文献标志码 A
滑动模态控制(SlidingMode Contro,l SMC)简称滑模控制,是从20世纪50年代发展起来的一种强鲁棒性的变结构控制方法[1]。它无需对象的精确模型,只要模型中参数和扰动不确定性的上界可知就能设计出渐近稳定的控制器。作为一种非线性控制方法,滑模控制为系统中的非线性问题提供了有效的解决方法,它对系统参数和外部干扰呈不变性,可保证系统是渐进稳定的。其缺点是系统存在着抖动(Chattering)的不利影响。抖动来自于对不确定性及扰动的保守估计、趋近率在滑动面两侧的符号切换、控制执行器有限的切换频率和时滞等因素。
模糊控制的优点是无需知道受控对象的精确模型,而是模仿人类的实际经验去决定控制量的大小,具有很强的鲁棒性和控制稳定性,能适用于不同对象的控制。
中南大学在国家自然科学基金和教育部博士点基金的资助下,从2001年开始进行智能仿生人工腿项目的研究。目前已研制出国内首个智能仿生人工腿原型机,命名为CIP-I Leg。但其步速控制系统存在着反向间隙、死区、摩擦、饱和等非线性因素,这些特性给控制系统的性能带来严重的影响。针对上述问题,本文将模糊控制和滑模控制相结合,实现模糊滑模控制(Fuzzy SlidingModeContro,l FSMC),将其用来控制CIP-ILeg中的执行电机。计算机仿真结果表明, FSMC能有效地克服CIP-I智能人工腿存在的非线形问题,具有良好的动态性能。
1 模糊滑模控制器设计
滑动模态(滑模)是指系统的状态被限定在某一子流形上运动。一般来说,系统的初始状态未必在该子流形上,而滑动模态变结构控制器的作用就在于把系统的状态在有限的时间内驱动到,并维持在该子流形上。滑模控制的基本思想如下:针对轨迹误差e,定义如下函数:
2 模糊滑模智能人工腿步速控制系统动态分析
控制气缸内针阀的开度是通过对阀内锥形针杆的位置进行控制来实现的。针阀开度定义为针阀的过流面积,它和针杆位置之间存在一一对应的关系。改变针杆位置就可以改变针阀开度。
要控制针杆位置,就必须对电机进行控制。目前,英国和日本设计的智能仿生人工腿,其气缸内针杆的位置都是采用由直流电机所构成的开环系统进行控制的。开环系统由于其固有的特性,控制精度和性能受到限制。在设计CIP-I Leg的控制系统时,我们采用的是由步进电机加精密直线位移传感器所构成的闭环结构。步进电机采用混合式步进电机,位置传感器选用的是美国Allegro公司的A3144EUA产品。整个控制系统是由一个具有速度环和位置环构成的小型精密反馈控制系统。速度环的作用是阻尼位置调节过程中的振荡和减小超调。位置环的作用是减小针杆的位置反馈值与其位置给定值之间的偏差,以提高控制精度。CIP-ILeg针阀控制系统的结构如图4所示。
3 基于模糊滑模控制的智能人工腿步速控制仿真研究
将模糊滑模控制(FSMC)应用于控制本课题项目组设计的CIP-I Leg智能人工腿,得到系统仿真结构示意图如图5所示。仿真程序在MAT-LAB2006a运行。算法采用单位阶跃函数作为输入信号; FSMC算法所使用的仿真参数设置为:Φ=4. 5,Km=650,λ=200,σ=10。图6为FSMC算法的仿真结果。
由图6(a)可以看出,系统响应速度快,并且具有良好的动态性能;由图6(d)可以看出,模态函数s在回归到滑模面上后很快稳定下来,有效地克服了系统的抖动现象;由图6(c)、图6(d)可以看出,控制量随模态函数很快稳定,对控制系统来说,控制量稳定意味着执行器不再需要调节,相对于CIP-ILeg智能人工腿步速控制系统来说,步进电机就不需要继续运行,这不仅延长了步进电动机的使用寿命,而且也大大节省了系统的能耗。
4 结论
本文将滑模控制和模糊控制相结合,提出一种新的模糊滑模控制器(FSMC),并且利用该控制器对CIP-I智能人工腿的电机控制系统进行控制。仿真实验表明,FSMC能有效地克服系统的抖动现象,具有良好的动态性能。
|
