基于滑模和神经网络的永磁直线伺服系统控制
孙宜标,郭庆鼎,孙荣斌
(沈阳工业大学电气工程学院,辽宁沈阳110023)
摘 要:针对直接驱动的交流永磁直线伺服系统,提出一种将非线性神经网络控制和滑模控制相结合构成的双自由度控制策略.该控制策略解决了直线伺服系统跟踪性能和鲁棒性能之间的矛盾.滑模输入控制器保证了系统对给定的快速跟踪性能;神经网络输出反馈控制器对系统参数变化和阻力扰动(包括直线电机的端部效应力)进行很大程度的抑制,并可以削弱滑模控制的抖振对系统稳态性能的影响.仿真结果表明该方案在保证伺服系统的快速性同时,对系统参数变化和阻力扰动具有很强的鲁棒性.
关 键 词:直线伺服;直接驱动;端部效应;双自由度控制;滑模控制;神经网络控制
中图分类号:TM921•541 文献标识码:A
交流永磁直线伺服系统省掉了机械速度变换机构,将负载直接与永磁直线同步电动机(PMLSM)的动子相连,消除了机械速度变换机构所带来的一些不良影响,如摩擦、机械后冲、弹性变形等,在高精度、微进给伺服系统应用中具有非常大的优势[8].但是,由于直线电机直接驱动负载,负载的变化和外部扰动将直接影响伺服系统的性能.而且,电机的端部效应、齿槽效应和永磁体磁链谐波等将产生推力纹波,系统参数(动子质量、粘滞摩擦系数等)的变化、摩擦阻力的非线性变化以及状态的观测噪声等都会降低系统的伺服性能[1].为了保证系统的性能,要求采用适当的控制方法使系统在保证快速跟踪性能的同时,对不确定扰动因素具有很强的鲁棒性.
常规单自由度控制结构的PID控制器很难同时保证系统对输入的跟踪性能和对扰动的抗扰性能.双自由度(2DOF)控制是通过对给定输入响应的控制器C1(s)和对扰动响应的控制器C2(s)进行相互独立的设计,可以解决跟踪性能和抗扰性能之间的矛盾.
滑模控制(SMC)具有鲁棒性和快速跟踪特性的优点,但是,高频切换控制会在扰动和模型参数摄动的作用下导致抖振现象.而抖振的幅值与扰动和模型参数摄动的幅度成比例关系[3].在直线伺服系统中,抖振会产生脉动推力,影响系统的平稳性和定位精度,增加能量损耗,甚至会影响系统的稳定性.文献[7]采用滑模控制方法来设计双自由度控制系统中输入控制器C1(s),从而得到一种具有强鲁棒性的滑模双自由度控制方案.其线性反馈控制器C2(s)能对扰动进行一定程度的抑制,从而削弱了抖振.但是,因为扰动的衰减和对传感器噪声或参数波动影响的衰减之间是折中的关系,扰动衰减(灵敏度函数)的截止频率不能设得太高.因此,对于非线性时变扰动(如直线电机的端部效应力)很难获得理想的抑制效果.
本文采用具有很强自学习能力的神经网络(NN)来实现双自由度控制系统的输出反馈控制C2(s)器.通过在线学习能够在保证系统稳定性的同时,对扰动和参数变化进行有效地抑制补偿,从而可以削弱滑模控制的抖振,提高伺服系统的稳态精度.
1 PMLSM及其数学模型
PMLSM是在定子(即次级)上,安装有铵铁硼永磁体,而动子(即初级)上安装了含铁芯的电枢绕组.其结构示意图如图1所示.其基本工作原理与旋转电机类似,详见文献[1].由于PMLSM的定子及动子的两端开断它将产生端部效应力,影响伺服系统的性能.
直线电动机的端部效应可分为横向端部效应和纵向端部效应两类.对于永磁直线电机而言,由于短初级纵向端部的存在,即使在电机绕组不通电流的情况下,也存在着明显的纵向端部效应力,主要为空载端部效应力.而它是引起推力特性波动的主要成分.空载端部效应力与短初级铁芯几何尺寸、端部长度、气隙长度、电机极距、永磁体极宽等诸多因素相关[3].气隙越小,空载端部效应力越强;极距越宽,端部效应越明显.图2是采用AMETEX公司DFGS100测力仪测绘的空载端部效应力曲线.该测试仪精度为±0•15%,取样速率5000次/s,图中Fd为端部效应力,s为动子的位移.图2经数据处理后可得图3所示两个分量,其中低频分量为电机空载端部效应波动力,而高频分量则为齿槽效应波动力,它可以通过短初级斜槽等措施加以削弱或消除.端部效应力将严重影响直线伺服系统的运行性能,使机床加工光洁度较差,重复定位精度下降.
2 双自由度(2DOF)控制
常见的控制器是以误差e=r-y为输入,u为输出的单自由度控制器.单自由度控制往往难以同时满足系统对快速跟踪性能和鲁棒性能的要求.双自由度控制方法是把输入和输出相互独立地进行处理,并进行独立的控制器设计[4].双自由度控制系统的结构框图如图4所示.
σ(e)为了保证系统具有良好的动态跟踪性能,本文引入滑模控制方法来设计输入控制器.而利用神经网络来设计输出反馈控制器,由于神经网络具有很强的自学习能力,能够对各种扰动和模型的参数变化进行实时学习,在保证系统稳定性的同时,削弱由扰动和参数变化引起的滑模控制抖振.
这样,不但可以使系统具有很强的鲁棒性,而且能够提高系统的稳态精度.神经网络-滑模双自由度控制的直线伺服系统框图如图5所示.
其中,SMC为滑模控制器;NNC为神经网络控制器;TDL(Tapped Delay Line)为多分头时延单元,其输出矢量为输入信号的延时构成.系统控制器的输出为u=uSM+uNN.
在滑模控制中,如果负载扰动信号比滑模切换控制的高频切换信号幅值大时,滑模将不存在且不能保证系统的稳定性.因此,要求有幅值足够大的高频切换信号,但这又会导致大幅值的抖振.而双自由度控制中的神经网络反馈控制器C2(s)能够对扰动进行很大程度的抑制补偿,使扰动的幅值减小为扰动抑制余差Δf.这样,当出现大范围的参数变化和大幅值的扰动,系统的状态能在滑模切换控制的作用下很快回到滑模线σ=0附近.而神经网络反馈控制器在保证系统稳定性的同时,可以削弱滑模线附近状态的抖振,从而提高伺服系统的稳态精度.
由图7可知,单自由度PI控制速度曲线存在很大的超调和速降,且过渡过程时间和速降恢复时间长,跟踪性能和鲁棒性能最差.
由图8可以看出,单自由度滑模控制过渡过程时间较短,但在阻力扰动的作用下有速降,由于系统参数变化和外在扰动的影响,有一定程度的抖振现象,并存在稳态误差.
由图9可知,在突加扰动且模型变化时,基于神经网络-滑模双自由度控制在跟踪速度给定时无超调,并大大地削弱了阻力扰动对速度的影响,对系统参数变化和外在扰动具有很强的鲁棒性,且稳态时基本没有抖振现象.过渡过程时间小且速降恢复时间很短,系统具有很好的跟踪特性.
6 结 论
本文针对直接驱动的交流永磁直线同步电机伺服系统所提出基于神经网络和滑模的双自由度控制策略充分利用滑模控制快速性和神经网络的学习功能,有效地克服了各自的缺点.滑模控制的快速性可以大大提高神经网络的收敛速度;而神经网络的自学习能力又可以消除滑模控制抖振的影响.仿真结果表明,该控制方案对系统参数变化和外部扰动具有很强的鲁棒性.同时,系统具有良好的快速跟踪性能.从而大大提高了直线伺服系统的精度.
|
