一种补偿位置域上重复干扰的交互式学习控制器及方法技术

本发明专利技术公开了一种补偿位置域上重复干扰的交互式学习控制器及方法，该交互式学习控制器设置于速度环控制器之前，通过在位置域上进行递归学习从而得到对应位置上的补偿信号来跟踪/补偿特定周期的参考信号/扰动,本发明专利技术可解决跟踪和补偿位置域上周期性参考信号和扰动，实现跟踪误差的渐进收敛，提高整个控制系统的跟踪精度。

【技术实现步骤摘要】
一种补偿位置域上重复干扰的交互式学习控制器及方法
本专利技术涉及伺服驱动控制领域，特别是涉及一种补偿位置域上重复干扰的交互式学习控制器及方法。
技术介绍
在各种复杂机械结构的运动控制中，最基本的控制单元在于伺服电机的运动控制，因此伺服驱动与运动控制器是数控机床、工业机器人以及其他产业自动化机械结构控制的核心技术之一。其中，伺服驱动器按照被控制对象从内到外由电流环、速度环和位置环构成，相应的控制模式分别为力矩、速度和位置控制模式。图1显示了常用的永磁同步电机空间矢量控制结构。在图中θe，θref，n和nref分别是电机转角，转角参考值，电机转速，转速参考值；P，PI分别是位置环的比例调节器，电流环和速度环的比例积分调节器。内环电流环首先采集相电流，经过Clarke和Park变换进行磁链解耦，从而实现当采用iSdref＝0的转子磁链定向控制后，通过iSqref来线性控制电机转矩。这样伺服驱动系统等效模型就如图2所示。在图2中，C1(z)是电流环控制器，P(z)是控制对象电机模型，C2(z)是速度环控制器，P2(z)是速度环等价控制对象，C3(z)是位置环控制器，P3(z)是位置环等价控制对象,Td是各种因素引起的力矩干扰总和。在典型的伺服控制系统中，不管是工作在位置、速度或力矩控制模式中，由于机械传动机构有效负载的变化、机械摩擦的非均匀分布以及系统模型参数的误差(如相电流检测时的偏置等)，Td都会在位置域上呈现出一种周期性。另外在大部分运动控制的运用中，如工业机器人控制，给定是一种重复性的位置路径或者速度跟踪轨迹。从图3显示的一般力矩模式下的速度曲线(靠下的曲线)可以看到，速度的变化的重复性，其中基频(转速周期)主要是由于转子一圈内负载的变化，五次频(伺服电机是5对极的)主要是相电流采集时的静态误差通过Clarke变换引入系统的干扰，可以通过偏置补偿来减小(靠上的曲线)。图4为在速度控制模式下的电机转速，在速度闭环下能一定程度上减小速度的重复性误差但不能消除。当系统重复在固定的时间间隔完成重复的任务时，可以采用时域上的迭代学习控制器通过递归学习来提高系统跟踪精度。图5为带重复控制器的速度环的示意图。如图5所示，其显示的带有重复控制器10的速度环来跟踪/补偿特定周期(NTs)的参考信号/扰动D(z)，在图中，Y(z)是速度，Yr(z)是参考速度，C2(z)是速度环控制器，P2(z)是速度环的等价控制对象，Gf(z)是相位补偿用的滤波器，Q(z)是滑动平均滤波器，kr是迭代学习因子。当没有加入重复控制器时，Yr(z)到Y(z)的闭环传递函数表达为：其中z-d是系统的延迟，A(z-1)是系统闭环传递函数的分母(它的特征值都在单位圆内)；把传递函数的分子分成两部分，其中B+(z-1)包含可以被抵消的稳定零点(单位圆内)，B-(z-1)包含不稳定的和在单位圆附近的零点。由此，Gf(z)相位补偿滤波器可以设计为：其中，B-(z)是将B-(z-1)里的z-1由z替代，nu是B-(z-1)的阶次，b＝B-(1)2。由图5得到重复控制器Cr(z)：其中Q(z)是滑动平均滤波器。由图5可以得出从D(z)，Yr(z)到Y(z)的传递函数分别是：在理想情况Q(z)＝1下，当参考信号Yr(z)和扰动D(z)角频率趋近如下频率点ωm时，ωm＝2πm/(NTs)(m＝0,1,2,...,N/2)(6)Z-N将趋近1，于是由以上(4)(5)式可以得到：这表明，系统能完全抑制周期是NTs的重复性扰动，也能完全跟踪周期是NTs的重复性参考信号，从而达到零稳态误差。在实际的应用中，由于实际的机械或负载引起的周期性扰动的频谱一般也主要分布在低阶次谐波上，滑动平均滤波器Q(z)设计成一个零相移的低通滤波,这样重复控制器虽然不能完全补偿周期性扰动的高次谐波，但有效地提高了系统的稳定性和鲁棒性。下面，不失一般性，以Q(z)＝(z+2+z-1)/4为例给出递归算法表达。将这代入(3)式可以得到，由上式可以得到如下递归学习算法在时域上的表示：从上面可看出，当前次的结果取决于上一个递归周期的结果和输入，保证了系统的因果性及可实现性。然而，在实际的使用中，由于行程或速度的不固定，时域上的迭代学习控制算法无法适用。
技术实现思路
为克服上述现有技术存在的不足，本专利技术之目的在于提供一种补偿位置域上重复干扰的交互式学习控制器及方法，以解决跟踪和补偿位置域上周期性参考信号和扰动，实现跟踪误差的渐进收敛，提高整个控制系统的跟踪精度。为达上述及其它目的，本专利技术提出一种补偿位置域上重复干扰的交互式学习控制器，该交互式学习控制器设置于速度环控制器之前，通过在位置域上进行递归学习从而得到对应位置上的补偿信号来跟踪/补偿特定周期的参考信号/扰动。进一步地，该交互式学习控制器，包括：学习点设定单元，用于分割重复位置域，设定预期学习点；存储空间分配单元，用于分配存储空间用来存放对应学习空间点上的学习结果；节拍点控制单元，用于控制节拍点k，获得当前θ(k)，e(k)，θ(k)表示第k个节拍时的电机转子转动的角度，e(k)表示第k个节拍时实际电机转动的角速度与期望的控制目标参考角速度的差值；递归学习点计算单元，用于计算与当前位置最靠近的学习点；补偿值更新单元，于该递归学习点计算单元计算的学习点到预期学习点时，更新当前递归周期当前时刻的补偿值；下次递归补偿值计算单元，利用当前位置域学习点和前面两个位置域学习点的补偿值和跟踪误差来计算下一次位置域周期对应点的补偿值；更新单元，更新学习结果对应存储位置的值，并更新预期学习点以及更新e(k-1),e(k-2)，e(k-1),e(k-2)表示历史节拍上的跟踪误差。进一步地，该学习点设定单元平均分割重复位置域成N点，设定预期学习点为N。进一步地，该递归学习点计算单元利用下式计算递归学习点：j＝fix(θ+π/N)/(2π/N),fix为取整运算。进一步地，通过下式计算下次递归位置域周期对应补偿值：其中，kr为迭代学习因子。进一步地，该更新单元更新学习结果对应存储位置的值，将预期学习点当前值加1，如果到N，重置为0，并更新e(k-1),e(k-2)。为达到上述目的，本专利技术还提供一种补偿位置域上重复干扰的交互式学习控制方法，该方法通过在位置域上来进行递归学习从而得到对应位置上的补偿信号来跟踪/补偿特定周期的参考信号/扰动。进一步地，该交互式学习控制方法包括：步骤一，分割重复位置域，设定预期学习点；步骤二，分配存储空间用来存放对应学习空间点上的学习结果；步骤三，控制节拍点k，获得当前θ(k)，e(k)，θ(k)表示第k个节拍时的电机转子转动的角度，e(k)表示第k个节拍时实际电机转动的角速度与期望的控制目标参考角速度的差值；步骤四，计算与当前位置最靠近的学习点；步骤五，于步骤四计算的学习点到预期学习点时，更新当前递归周期当前时刻的补偿值；步骤六，利用当前位置域学习点和前面两个位置域学习点的补偿值以及当前节拍和历史节拍上的跟踪误差来计算下一次位置域周期对应点的补偿值；步骤七，更新学习结果对应存储位置的值，并更新预期学习点以及更新e(k-1)和e(k-2)，e(k-1),e(k-2)表示历史节拍上的跟踪误差。进一步地，于步骤一中，平均分割重复位置域成N本文档来自技高网...

【技术保护点】
1.一种补偿位置域上重复干扰的交互式学习控制器，其特征在于：该交互式学习控制器设置于速度环控制器之前，通过在位置域上进行递归学习从而得到对应位置上的补偿信号来跟踪/补偿特定周期的参考信号/扰动。

【技术特征摘要】
1.一种补偿位置域上重复干扰的交互式学习控制器，其特征在于：该交互式学习控制器设置于速度环控制器之前，通过在位置域上进行递归学习从而得到对应位置上的补偿信号来跟踪/补偿特定周期的参考信号/扰动。2.如权利要求1所述的补偿位置域上重复干扰的交互式学习控制器，其特征在于，该交互式学习控制器，包括：学习点设定单元，用于分割重复位置域，设定预期学习点；存储空间分配单元，用于分配存储空间m(j),j＝0,1,...,N-1用来存放对应学习空间点上的学习结果s(k)；节拍点控制单元，用于控制节拍点k，获得当前θ(k)，e(k)，θ(k)表示第k个节拍时的电机转子转动的角度，e(k)表示第k个节拍时实际电机转动的角速度与期望的控制目标参考角速度的差值；递归学习点计算单元，用于计算与当前位置最靠近的学习点；补偿值更新单元，于该递归学习点计算单元计算的学习点到预期学习点时，利用上次递归周期的学习结果更新当前递归周期当前时刻的补偿值；下次递归补偿值计算单元，利用当前及历史位置域学习点的补偿值和当前时刻以及历史时刻的跟踪误差来计算下一次位置域周期对应点的补偿值；更新单元，更新学习结果对应存储位置的值，并更新预期学习点以及更新e(k-1)和e(k-2)，其中e(k-1)和e(k-2)表示历史节拍上的跟踪误差。3.如权利要求2所述的补偿位置域上重复干扰的交互式学习控制器，其特征在于：该学习点设定单元平均分割重复位置域成N点，设定预期学习点为N。4.如权利要求3所述的补偿位置域上重复干扰的交互式学习控制器，其特征在于，该递归学习点计算单元利用下式计算递归学习点：j＝fix(θ+π/N)/(2π/N),fix为取整运算。5.如权利要求4所述的补偿位置域上重复干扰的交互式学习控制器，其特征在于，该下次补偿值递归计算单元通过下式计算下...

【专利技术属性】
技术研发人员：张敬良，王宝磊，贾庆伟，
申请(专利权)人：宁波韦尔德斯凯勒智能科技有限公司，
类型：发明
国别省市：浙江,33