模糊滑模迭代学习控制算法在液压系统中应用
摘 要:普通比例(P, Proportion)和比例微分(PD, Proportion andDifferential)迭代学习控制(ILC, Iterative LearningControl)算法在液压位置伺服系统中收敛速度比较慢,很难在实际中应用.为了提高ILC算法的收敛速度,将滑模控制算法引入ILC,提出模糊滑模迭代学习控制(FSMILC, Fuzzy SlidingMode Iterative LearningControl)算法,利用滑模控制响应快的优点来加速ILC的收敛速度,利用模糊控制来减小滑模控制所引起的抖动问题. FSMILC算法的实质是以系统的滑模函数作为模糊控制器的输入,以模糊控制器的输出作为ILC的控制增量.通过仿真可以看出,FSMILC算法能够实现系统快速收敛,相对于P型和PD型具有明显优势.
关 键 词:模糊控制;滑模控制;迭代学习控制;液压系统
迭代学习控制( ILC, Iterative Learning Con-trol)最初是文献[1]针对机器人系统轨迹跟踪问题提出的,因为文章是以日文发表,没有引起人们注意.文献[2]根据这个思想,于1984年发表了ILC的开创性文献,提出迭代学习控制微分(D型, DifferentialType)学习律.随后许多学者在
ILC方面进行了大量的研究,取得许多成果:文献[3]提出了基于向量图分析的迭代学习控制非线性算法;文献[4]提出模糊迭代学习控制算法;文
献[5]将自适应引入ILC;文献[6]将ILC应用于机器人等等.
在ILC中,算法的收敛性条件均是在学习次数k→∞下给出的,它保证了系统随着迭代次数增加不断收敛,但没有给出系统何时能够达到误差要求,因此算法的收敛速度是其能否实用的关键因素之一. 20多年来,很多学者在收敛速度方面取得了研究成果:文献[7]给出了离散系统优化的D型学习算法;文献[8]指出高增益反馈可以提高ILC的收敛速度;文献[9]通过研究发现跟踪轨迹时间长短对系统的收敛速度有很大的影响.
本文将ILC引入液压位置伺服系统中,分析Pb-211液压机器人单关节系统原理,建立了系统数学模型.通过仿真发现,普通比例(P, Propor-tion)和比例微分(PD, Proportion and Differential)迭代学习控制算法收敛速度比较缓慢,不能满足系统实用要求.由于变结构控制具有响应快、对参
数变化及扰动不敏感、无需系统在线辨识等优点,将模糊滑模控制算法引入ILC提出模糊滑模迭代学习控制(FSMILC, Fuzzy SlidingModeIterativeLearning Control).利用变结构控制响应快的优点来加速ILC收敛速度,利用模糊控制来减小滑模变结构控制的抖动问题.本文给出了FSMILC的算法原理框图和模糊规则,通过仿真可以看出,FSMILC算法在收敛速度方面具有明显的优势.1 Pb-211液压机器人单关节建模Pb-211液压机器人单关节阀控摆动液压缸原理如图1所示.建立以伺服阀输入电压为输入和摆动液压缸输出转角为输出的系统传递函数P(s).
ILC的收敛速度是迭代学习控制算法能否实用的关键因素之一,针对P型和PD型迭代学习控制算法在液压位置系统中收敛速度较慢的问题,本文提出了FSMILC算法.这个算法利用滑模控制响应速度快的特点来加速ILC算法的收敛速度,利用模糊控制来减轻或者消除滑模控制的振荡.通过仿真可以看出, FSMILC算法的收敛速度明显快于P型和PD型迭代学习控制算法.
|
