永磁直线同步伺服系统采用神经网络实现的实时IP位置控制器的在线设计

永磁直线同步伺服系统采用神经网络实现的

实时IP 位置控制器的在线设计

N eural N etw ork R eal -Time IP Position Controller On -Line Design

for Permanent Magnet Linear Synchronous Motor

郭庆鼎　周　悦　郭　威(沈阳工业大学电气工程系　110023)

G uo Q ingding Zhou Yue G uo Wei (Shenyang P olytechnic University 110023　China )

摘要　针对永磁直线同步电机PM LS M 伺服系统中的诸多不确定性问题,提出了采用神经网络来实现实时积分-比例IP 位置控制器的在线设计。本文所提出的神经网络结构合理、简单,

权值具有明确物理意义和可以在线快速调整的特点,以便进行实时控制。用由递推最小二乘估计器R LS 和负载扰动力观测器构成的估计器来估计动子质量、粘滞摩擦系数和负载扰动力。将观测的负载扰动力前馈,进一步增强系统的鲁棒性。

关键词:永磁直线同步伺服电机　神经网络实时积分-比例位置控制器　递推最小二乘估计器　鲁棒性Abstract This paper presents a real 2time IP position controller realized by neural netw ork for permanent magnet linear synchronous m otor (PM LS M )serv o system 1In the paper ,neural netw ork s con figuration is sim 2ple and reas onable ,and weight has definitely physical meaning 1It has rapidly adjusting character in ordef to real 2time control 1The m over mass ,viscous friction factor and disturbance force are estimated by the proposed estimator ,which is com posed of a recursive least 2square (R LS )estimator and a disturbance observer 1The observed disturbance force is fed forward ,to increase the robustness of PM LS M drive system 1

K eyw ords :PM LS M Neural netw ork real 2time IP position controller R LS R obustness

国家自然科学基金资助项目。19990402收到稿件。

郭庆鼎　1939年生,1964年毕业于哈尔滨工业大学电机工程系,现为沈阳工业大学电气工程系教授,主要研究方向为交流伺服、数控技术、鲁棒控制及智能控制。

周　悦　1970年生,沈阳建筑工程学院教师,现为沈阳工业大学在读研究生,主要研究方向为交流永磁同步伺服系统、系统辨识、智能控制及鲁棒控制。

G uo Q ingding was born in 1939,graduated from Harbin P olytechnic University 1H is speciality is industrial electrical automation 1N ow ,he is a profess or of electrical engineering department in Shenyang P olytechnic University 1He mainly studies NC technique ,AC serv o system ,robustness control and intelligent con 2trol 1

1　引言

直接驱动的直线电机伺服系统由于去掉了中间的传动环节,消除了机械传动链的影响,从而在精密与超精进给、高速与超高速运行等方面显示出了优越性能。永磁直线同步伺服电机采用高能永磁体,具有推力强度高、损耗低、电气时间常数小和响应快等特点。因而,近年来在高档数控机床进给

驱动中得到了应用,成为新一代数控机床的主要标志之一,这就对高精度、微进给永磁直线同步伺服电机的速度和位置伺服控制提出了很高的要求。为此,本文提出了采用神经网络来实现实时积分-比例IP 位置控制器的在线设计。本文所提出的神经网络结构合理、简单,权值具有明确的物理意义和可以在线快速调整的特点,消除了一般神经网络控制实时性差的缺点,进一步提高了控制器实时控制

的功能,满足了位置伺服系统高性能的要求。其次,通过本文所提出的估计器能无偏地估计出动子质量和粘滞摩擦系数,以便用于神经网络权值的在线调整。由于系统还受一些其他非确定性因素的影响,如负载的扰动,非线性摩擦力,特别是PM L S M的端部效应产生力的波动,为了消除其影响把观测的扰动力前馈,以增强控制系统的鲁棒性。神经网络IP位置控制器和观测器采用PC—586,R LS 估计器采用T MS32025数字信号处理器运算。

2　PMLSM模型

以动子移动速度为参考坐标的电压方程

u q=R s i q+pλq+π

τv

λd(1)

u d=R s i d+pλd-π

τv

λq(2)

其中λq=L q i q(3)

λ

d

=L d i d+λPM(4)电磁推力

F e=3π

2τ[

λPM i q+(L d-L q)i d i q](5)

对PM LS M进行矢量控制,即要求动子电流矢量与定子永磁体磁场在空间上正交。如果i d=0,电磁推力F e与i q成正比,则

F e=3π

2τ

λ

PM

i q=K f i q(6)

永磁直线伺服电动机的运动方程为

M d v(t)

d t

=K f i q(t)-F L(t)-Bv(t)(7)

式中　u d,u q———d、q轴动子电压

i d,i q———d、q轴动子电流

L d,L q———d、q轴动子电感

λ

d

,λq———d、q轴动子磁链

λ

PM

———定子永磁体产生的励磁磁链

M———动子和动子所带动负载的总质量

R s———动子电阻

v———动子速度

τ———极距

B———粘滞摩擦系数

K f———电磁推力系数

F L———负载阻力3　神经网络实时IP位置控制器的设计

在数控机床中,高性能的位置伺服系统要求输出位置无超调而又快速地跟踪位置指令、稳态无静差、很强的抗扰能力和对系统参数的变化具有鲁棒性。由于IP速度控制器在选择较高的积分增益K I 时,对参考信号具有很快的响应能力和对负载扰动亦具有较强的抑制能力[1]。如图1所示,位置调节器是比例环节,速度调节器是IP环节,由于设计时二者合一,故称为IP位置控制器

。

图1　具有扰动力观测器前馈的IP位置控制系统

Fig11　IP position control system with

distubance force feedforward

由图1中的IP位置控制器可得

e(t)=x3r(t)-x r(t)(8)

x1(t)=v3(t)=K S e(t)(9)

x2(t)=x1(t)-v(t)(10)

x3(t)=K I∫x2d t-K P v(t)(11)式中　v3———速度指令

将式(9)～(11)离散化

x1(k)=v3(k)=K S e(k)(12)

x2(k)=x1(k)-v(k)(13) x3(k)=K I∑

k

i=0

x2(i)T S-K P v(k)(14)即　x3(k)=x3(k-1)-K P[v(k)-v(k-1)]+

K I T S

2

[x2(k)+x2(k-1)](15)式中　T S———采样周期,令T S=01001s

由上式,设计神经网络结构如图2所示。

为了使系统具有快速的响应速度,位置控制器权值的初始值不是随机的小数,而是令w1=K S, w2=K P,w3=

K I T S

2

,其中K S,K P,K I分别为IP

图2　神经网络实现的IP位置控制器

Fig12　IP position controler realized by neural netw ork

位置控制器在空载、M和B为标称情况,且满足规定的性能指标下所设计的控制器参数,可见权值具有明确的物理意义,即与IP位置控制器参数具有对应的关系。神经网络权值具有在线调整功能,实现了实时控制,使系统具有很好的鲁棒性。当M和B变化时,主要靠速度环调节。在这里,IP 位置控制器采用神经网络调节时,权的学习规则为

w1(n0+1)=w1(n0)(16) w2(n0+1)=w2(n0)+d1Δ^M-d2Δ^B(17) w3(n0+1)=w3(n0)+d3Δ^M(18)式中　Δ^M———(包括负载的)动子质量增量的估计值Δ^B———粘滞摩擦系数增量的估计值

d1,d2,d3———在不同规定的性能指标下的系数

为了使估计器能估计出无偏差的辨识结果,让最小乘估计器与负载扰动力观测器相结合,如图1所示,观测器采用电动机驱动系统的逆动力学模型获得扰动的推力,表示为^F L/K f;估计器的输入为推力电流指令与观测扰动力等效电流的差及动子速度,输出为无偏差的辨识参数———动子质量(包括负载)^M和粘滞摩擦系数^B。那末,观测器中的M和B可以立即由^M和^B代替,则负载的扰动能被精确地观测。通过递推处理,被辨识的M和B 参数,以及观测的负载扰动力能很快地收敛到它们的真实值。观测器和神经网络实现的实时IP位置控制器由PC—586实现。

通过Z OH(零阶保持器)对电机模型进行Z 变换,当F L=0时

Z 1-e-T C

s

?

K f/B

1+(M/B)s

=

b1

1+a1Z-1

(19)

式中　a1=-exp(T C B/M)(20) b1=-(K f/B)[1-exp(-T C B/M)](21)

T C———采样周期,令T C=010002s

系统模型可表示为

v(k+1)=-a1v(k)+b1i q(k)(22)估计器估计系统参数的递推过程为[2]

θ(k)=θ(k-1)+K(k)[v(k)-C(k)θ(k-1)]

(23)

K(k)=

P(k-1)C(k-1)T

1+C(k-1)P(k-1)C(k-1)T

(24) P(k)=

1

γ[P(k-1)-K(k)C(k-1)P(k-1)]

(25)式中　C(k)=[v(k),(i q-^F L/K f)](26)

θ(k)=[-a

1

(k),b1(k)](27)γ———遗忘因子,γ=019～1

θ(k)求得后,M和B的估计值很容易从式(20)和式(21)求得。为保证估计的参数和观测的负载扰动力收敛,只在位置指令跟踪的暂态中用最小二乘估计器,而在被估计量收敛之前,观测器和神经网络实现的实时IP位置控制器的参数将不被修正。

如图1所示,为了提高位置控制系统的鲁棒性,被观测的扰动力通过加权因子Q还被前馈。理想情况下,Q=1。考虑系统含有非确定性因素,在实际应用选择Q<1,以保证系统的稳定性[3]。4　仿真实验结果

以我们制作的一台永磁直线同步伺服电机为研究对象,其参数为:极距τ=36mm,M e=10kg,B =112N?s/m,K f=25N/A,F Ln=40N。为了满足位置阶跃指令跟踪无超调、稳态无静差和设置位置上升时间为013s,则权的初始值为w1=6107,w2= 341602,w3=014048,d1=31475,d2=0104,d3= 0104048。取Q=01707。图3为在t=0115s,突加负载至F L=250N时,无/有观测器前馈时系统的位置和速度的响应,可见后者具有很强的抗负载扰动性能。图4为动子与所带动的负载总质量和粘滞摩擦系数都增加5倍时,传统IP位置控制器与神经网络实现的实时IP位置控制器的位置和速度的输出响应,可见后者对动子质量和粘滞摩擦系数等参数的变化具有较强的鲁棒性。

5　结论

本文提出的用于实现PM LS M伺服系统实时IP

3

第14卷第6期郭庆鼎等　永磁直线同步伺服系统采用神经网络实现的实时IP位置控制器的在线设计

位置控制器的神经网络结构合理、简单,权值具有明确的物理意义和在线快速调整的特点,并且为了进一步增强控制系统的鲁棒性将负载扰动力前馈。仿真实验结果表明所设计的系统能实现对位置阶跃指令的快速无超调跟踪和稳态无静差,以及对电机伺服系统参数的变化和扰动具有很强的鲁棒性,满足高精度、微进给永磁直线电机伺服驱动系统的要求

。

图3　在t =0115s ,负载突加为

F L =250N 时,位置和速度的输出响应

Fig 13　Simulation results of position and speed

at t =0115s ,F L =250N

loaded

图4　M =50kg ,B =6N ?s/m 时,位置和速度的输出响应

Fig 14　Simulation results of position and speed under

M =50kg ,B =6N ?s/m

参考文献

1　郭庆鼎,王成元1交流伺服系统1北京:机械工业出版

社,19941

2　方崇智,萧德云1过程辨识1北京:清华大学出版社,

19941

3　Lin Faa -Jeng 1Real -time IP position controller design with

torque feed forward control for P M synchronous m otor 1IEEE T rans ,1997,44(3):398～407

4

电工技术学报1999年12月