一种永磁同步直线电机神经网络自适应轨迹跟踪控制方法技术

一种永磁同步直线电机神经网络自适应轨迹跟踪控制方法，属于直线电机运动控制技术领域。该方法利用神经网络控制器的非线性映射能力建立永磁同步直线电机的模型估计与补偿环节，以实现电机良好的轨迹跟踪性能。所述控制方法中包括基于径向基函数(RBF)的神经网络控制器、带有反馈增益的鲁棒控制器两部分，分别用来进行模型估计补偿和抑制建模误差的影响；本发明专利技术利用了神经网络的非线性逼近特性，建立了永磁同步直线电机模型非线性补偿环节，有效克服了电机运行过程中死区、推力波动等非线性因素的影响，有较强抗干扰能力和良好的稳定性，可实现良好的轨迹跟踪性能。

【技术实现步骤摘要】

本专利技术涉及直线电机运动控制方法，具体涉及一种永磁同步直线电机神经网络自适应轨迹跟踪控制方法。
技术介绍
相比于传统的旋转电机，永磁同步直线电机具有结构简单、无需传动装置可直接带动负载等特点，消除了不必要的机械传动环节所带来的间隙、死区、柔性等问题的影响，可实现高速高精度的直线运动，因而近年来在精密制造加工领域有着日益广泛的应用。但在实际的工业应用中存在难以忽略的不确定性以及扰动所带来的影响，如负载变化所带来的扰动、电机参数不确定性、直线导轨的摩擦力、磁场分布不均匀所带来的推力波动等，这些问题均影响直线电机的运动性能，对直线电机控制方法的设计提出了更高的要求。从理论上来说，由径向基函数构成的神经网络可以实现以任意精度逼近任意连续的非线性函数，RBF神经网络的这一特性可以被很好地应用于对于直线电机模型特性的估计与补偿中；通过选取合适的隐含层神经元节点以及其对应径向基函数的特征，可以在理论上实现对于模型的估计；神经网络的构建规则选用“定结构、变权值”的方式，通过合适的自适应规则实现对于权值的最佳调整。合理的权值与神经网络结构可以尽可能精确地实现对于直线电机动力学模型的估计与逼近。一般来说在直线电机运动控制系统的实际应用中由于存在不确定性和测量噪声等影响，很难保证实现对于模型完全准确的估计，为了在建模误差的影响下依然保持系统的稳定性，还需要在控制律中加入合理的鲁棒控制项。
技术实现思路
本专利技术目的在于提出一种永磁同步直线电机神经网络自适应轨迹跟踪控制方法，以解决上述
技术介绍
中所提出的问题，使其具有较强抗干扰能力和良好的稳定性。为实现上述目的，本专利技术提供如下技术方案：步骤S1：建立永磁同步直线电机动力学模型： M x ·· = - B x · - K x - V + u ]]>其中M为直线电机动子部分等效质量，x为直线电机的位移，为直线电机的速度，为直线电机的加速的，u为电机推力，B、K分别表示与速度、位移相关的非线性特性经过线性化后的参数，两者均为正数，V为未建模部分的动力学特性；步骤S2：计算轨迹跟踪误差e：e＝x-xd其中xd为期望的轨迹；步骤S3：建立用于自适应鲁棒控制的滑模面变量σ： σ = α e + e · ]]>其中表示轨迹跟踪误差e的导数，α为大于0的常数；步骤S4：根据步骤S1-S3，得到电机特性f的表达式： f = M x ·· d + B x · d + Kx d + V ]]>其中xd为期望位移，为期望速度，为期望加速度；步骤S5：建立三层径向基函数神经网络：神经网络第一层为输入层，包含2个输入单元，分别为期望位移xd和期望速度这两个输入单元构成输入层的输入向量；第二层为隐含层，选择n个隐含层节点，n为正整数；根据输入层的输入向量确定各隐含层节点输出，其中i＝1,2,...,n：其中表示由参考轨迹确定的均匀分布的轨迹点向量，h表示每个隐含层节点的作用范围；第三层为输出层，该层只含有一个输出单元，其输出为隐含层各单元输出的加权求和；存在一组理想的权值向量W＝[W1,...,Wi,...,Wn]T，使得电机特性f表示为：步骤S6：通过RBF神经网络建立对于电机特性f的估计与补偿其中为RBF神经网络估计得到的权值向量，为各径向基函数的输出向量；步骤S7：确定估计的权值向量的更新规则：其中γ为自适应增益；对于计算机控制系统的操作过程，每个控制周期权值的变化量ΔW为： Δ W = W ^ · × T s ]]>其中Ts为控制周期；步骤S8：设计神经网络建模误差的鲁棒补偿控制作用ur：ur＝-d sgn(σ)其中d为根据实际情况选择的建模误差的正实数边界，表示σ的符号函数；步骤S9：设计永磁同步直线电机神经网络自适应轨迹跟踪控制方法的最终控制作用： u = - a 1 e - a 2 e · + f ^ + u r ]]>其中α1>0,α2>0表示线性控制增益，同时α1、α2还需要满足以下条件： a 1 - ( α M + B ) > 0 a 2 - K > 0 . ]]>本专利技术具有以下优点及突出性的技术效果：有效克服了电机运行过程中死区、推力波动以及未知扰动等非线性因素的影响，有较强抗干扰能力和良好的稳定性，可实现良好的轨迹跟踪性能。附图说明图1为神经网络自适应轨迹跟踪控制系统框图。图2为径向基函数神经网络结构示意图。具体实施方式下面结合附图和本专利技术实例对本专利技术实施例中的技术方案进行清晰、完整描述，显然所描述的实施例为本专利技术用于直线电机轨迹跟踪控制的一个具体实施方案，而并非全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。设计直线电机神经网络自适应轨迹跟踪控制系统的主体思想是：利用神经网络控制器的非线性映射能力建立永磁同步直线电机的模型估计与补偿环节以实现电机良好的轨迹跟踪性能；所述神经网络模型补偿结构包括由一组径向基函数构成的网络以及动态调整的权值向量，以期望位移xd期望位移为网络的输入信本文档来自技高网...

【技术保护点】
一种永磁同步直线电机神经网络自适应轨迹跟踪控制方法，其特征在于所述方法包括如下步骤：：步骤S1：建立永磁同步直线电机动力学模型：Mx··=-Bx·-Kx-V+u]]>其中M为直线电机动子部分等效质量，x为直线电机的位移，为直线电机的速度，为直线电机的加速度，u为最终控制作用，B、K分别表示与速度、位移相关的非线性特性经过线性化后的参数，两者均为正数，V为未建模部分的动力学特性；步骤S2：计算轨迹跟踪误差e：e＝x‑xd其中xd为期望的轨迹；步骤S3：建立用于自适应鲁棒控制的滑模面变量σ：σ=αe+e·]]>其中表示轨迹跟踪误差e的导数，α为大于0的常数；步骤S4：根据步骤S1‑S3，得到电机特性f的表达式：f=Mx··d+Bx·d+Kxd+V]]>其中xd为期望位移，为期望速度，为期望加速度；步骤S5：建立三层径向基函数神经网络：神经网络第一层为输入层，包含2个输入单元，分别为期望位移xd和期望速度这两个输入单元构成输入层的输入向量；第二层为隐含层，选择n个隐含层节点，n为正整数；根据输入层的输入向量确定各隐含层节点输出：其中表示由参考轨迹确定的均匀分布的轨迹点向量，h表示每个隐含层节点的作用范围；第三层为输出层，该层只含有一个输出单元，其输出为隐含层各单元输出的加权求和；存在一组理想的权值向量W＝[W1,...,Wi,...,Wn]T，使得电机特性f表示为：步骤S6：通过RBF神经网络建立对于电机特性f的估计与补偿其中为RBF神经网络估计得到的权值向量，为各径向基函数的输出向量；步骤S7：确定估计的权值向量的更新规则：其中γ为自适应增益；对于计算机控制系统的操作过程，每个控制周期权值的变化量ΔW为：ΔW=W^·×Ts]]>其中Ts为控制周期；步骤S8：设计神经网络建模误差的鲁棒补偿控制作用ur：ur＝‑d sgn(σ)其中d为根据实际情况选择的建模误差的正实数边界，表示σ的符号函数；步骤S9：设计永磁同步直线电机神经网络自适应轨迹跟踪控制方法的最终控制作用：u=-a1e-a2e·+f^+ur]]>其中α1>0,α2>0表示线性控制增益，同时α1、α2还需要满足以下条件：a1-(αM+B)>0a2-K>0.]]>...

【技术特征摘要】
1.一种永磁同步直线电机神经网络自适应轨迹跟踪控制方法，其特征在于所述方法包括如下步骤：：步骤S1：建立永磁同步直线电机动力学模型： M x ·· = - B x · - K x - V + u ]]>其中M为直线电机动子部分等效质量，x为直线电机的位移，为直线电机的速度，为直线电机的加速度，u为最终控制作用，B、K分别表示与速度、位移相关的非线性特性经过线性化后的参数，两者均为正数，V为未建模部分的动力学特性；步骤S2：计算轨迹跟踪误差e：e＝x-xd其中xd为期望的轨迹；步骤S3：建立用于自适应鲁棒控制的滑模面变量σ： σ = α e + e · ]]>其中表示轨迹跟踪误差e的导数，α为大于0的常数；步骤S4：根据步骤S1-S3，得到电机特性f的表达式： f = M x ·· d + B x · d + Kx d + V ]]>其中xd为期望位移，为期望速度，为期望加速度；步骤S5：建立三层径向基函数神经网络：神经网络第一层为输入层，包含2个输入单元，分别为期望位移xd和期望速度这两个输入单元构成输入层的输入向量；第二层为隐含层，选择n个隐含层节点，n为正整数；根据输入层的输入向量确定各隐含层节点输出：其中表示由参考轨迹确定的均匀分布的轨迹点向量，h表示每个隐含层节点的作用范围；第三层为输出层，该层只含有一个输出单元，其输出为隐含层各单元输出的加权求和；存在一组理想的权值向量W＝[W1,...,Wi,...,Wn]T，使得电机特性f表示为：步骤S6：通过RBF神经网络建立对于电机特性f的估计与补偿其中为RBF神经网络估计得到的权值向量...

【专利技术属性】
技术研发人员：胡楚雄，朱煜，汪泽，李敏，何苏钦，张鸣，胡金春，杨开明，尹文生，徐登峰，穆海华，成荣，
申请(专利权)人：清华大学，北京华卓精科科技股份有限公司，
类型：发明
国别省市：北京;11