一种提高永磁同步直线电机位置精度的控制方法技术

本发明专利技术提供一种提高永磁同步直线电机位置精度的控制方法，在现有模糊PID控制的基础上引入鸡群算法进行优化，在保证高精度的同时，具有良好的自适应性、自调整性以及较强的抗干扰能力。本发明专利技术通过对永磁同步直线电机控制方法的优化，在不添加先进硬件设备的前提下，可以大幅度降低直线电机的跟踪误差，进一步提高直线电机的控制精度，因而有效地降低了控制成本。本发明专利技术结合改进的鸡群算法，使得模糊控制器可以根据实际运动中的误差和误差变化率实时寻找出最优的控制器参数，摆脱了以往模糊控制器的设计过分依赖先验知识和反复试凑等设计方法，为模糊控制器的设计提供了一种行之有效的方法。

【技术实现步骤摘要】
一种提高永磁同步直线电机位置精度的控制方法
本专利技术属于直线电机运动控制
，特别是应用在直线电机驱动的自动化机械设备中，具体涉及一种提高永磁同步直线电机位置精度的控制方法。
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、死区等问题的影响，从而可以实现直接驱动的高速响应，减小了机械摩擦和跟踪滞后，提高了机械的效率和精度，因而将直线电机作为高速高精度平台的驱动，应用到精密制造加工领域已经日益广泛。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，如负载变化引起的扰动、直线导轨中的摩擦阻力、磁场分布不均匀带来的推力波动等，这些不确定因素都直接影响着直线电机的运动性能，增加了控制的难度。在要求较高的伺服控制场合，传统单一的PID控制器很难获得满意的动态响应，特别是高速、高精度的点位控制中直线电机在启停过程中消除静差很慢，难以保证系统的快速精确定位。所以，为了在运动的过程中，要保证高精度跟踪，直线电机控制方法需要进一步的改进。现有的直线电机位置控制方法存在抗干扰能力较差、自适应自调整能力较弱等问题。而现有的传统控制、现代控制以及单纯的智能控制均不能使其发挥最佳性能，采用复合控制可以实现比它们更好的效果。目前较常见的应用于直线电机控制中的复合控制方法是模糊PID控制，模糊控制是智能控制的一个分支，它适用于数学模型难以获取，动态特性不易掌握或者变化非常显著的对象。模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于直线电机这种非线性、时变及时滞系统的控制。虽然在实际直线电机中不乏应用了模糊控制的实例，但是按常规方法设计的模糊控制器无法根据系统的运行状况和环境的变化进行自动调整，因此，其控制性能在大范围内往往得不到有效保证。主要原因体现在以下两个方面：(1)由于模糊控制器中各相关参数以及控制规则不可更改，而模糊控制规则一般由专家的经验或者现场工程师得到，因此常常带有很大的主观性，难以得到精确和客观的模糊控制规则，对于复杂的外部情况时，仅仅凭主观确定的模糊控制规则就难以达到满意的控制效果。(2)按照一般公式计算得到的量化因子和比例因子通常得到的控制效果并不好，一般都需要用试凑法反复调整它们的取值，以得到最佳的控制效果，然而反复调整的过程极其浪费时间，同时也不能保证得到的就是最佳的控制器参数。同时，由于模糊控制器中量化因子和比例因子的取值很大程度上决定着控制效果的好坏，所以还需根据误差及其变化率实时改变控制器参数和模糊规则等来进一步提高控制精度。针对这一情况，引入一种具有较快收敛速度、较高的收敛精度以及较强的鲁棒性的全局优化算法来优化模糊控制器中的量化因子和比例因子就显得很有必要，进而就能够间接改变模糊控制器的控制规则和隶属函数，实现对模糊控制器中参数的最佳调整，达到自寻优控制的目的。
技术实现思路
为了解决现有技术中存在的上述技术问题，本专利技术提供一种提高永磁同步直线电机位置精度的控制方法，在现有模糊PID控制的基础上引入鸡群算法进行优化，在保证高精度的同时，具有良好的自适应性、自调整性以及较强的抗干扰能力。本专利技术是通过以下技术方案实现的：一种提高永磁同步直线电机位置精度的控制方法，适用于永磁同步直线电机及其数控系统，并基于位置环控制方式；所述控制方法包括如下步骤：步骤1，设定位置环PID控制器的控制参数初始值，据此按照给定运动驱动所述直线电机工作；步骤2，利用所述直线电机运动过程中的位置跟踪误差以及误差变化率，依据模糊控制原理，在所述位置环PID控制器中添加二维模糊控制器；步骤3，基于鸡群算法，选取时间乘以误差绝对值积分作为目标函数，对模糊控制器中的量化因子Ke、Kec和比例因子KpG、KiG、KdG进行优化；据此编译并执行基于鸡群算法的模糊PID控制的直线电机伺服控制程序，使得位置环PID控制器实时自动调整到最优的控制参数。作为优化的技术方案，在所述步骤3中，选取时间乘以误差绝对值积分作为目标函数，对模糊控制器中的量化因子Ke、Kec和比例因子KpG、KiG、KdG进行优化的方法具体为：步骤301，采用ITAE作为性能评估指标，如公式(1)所示；其中，e(t)为位置跟踪偏差，t为时间；选取ITAE函数作为目标函数，同时定义鸡群个体的适应度函数为：步骤302，定义鸡群算法参数，根据鸡群优化算法迭代规则，进行寻优，寻优过程采用目标函数逐步减小的原则，不断校正调整所述模糊控制器中比例因子和量化因子，进而输出一组优选的比例系数、积分系数、微分系数的调节量ΔKp、ΔKi、ΔKd；其中，所述鸡群中包括3种类型的鸡，分别为：母鸡、公鸡和小鸡；定义鸡群算法参数具体包括：鸡群规模，包括公鸡数目、母鸡数目和小鸡数目；母鸡对小鸡的影响因子H，最大迭代次数W，小鸡跟随公鸡的学习因子M，小鸡自我学习系数B；所述鸡群优化算法迭代规则包括：所述公鸡对应的位置更新规则如公式(2)和公式(3)所示：xi,j(t+1)＝xi,j(t)·[1+Randn(0,σ2)](2)其中，xi,j(t+1)，xi,j(t)分别表示第i只公鸡j维空间中第t+1次和t次迭代时位置；Randn(0,σ2)代表均值为0、标准差为σ2且正态分布的随机数；ε是一个很小的常数但不等于0；k为随机选取的第k只公鸡(不含i)；fi、fk各自代表第i和k只公鸡适应度大小；所述母鸡对应的位置更新规则如公式(4)、公式(5)和公式(6)所示：xi,j(t+1)＝xi,j(t)+C1·Rand·(xu,j(t)-xi,j(t))+C2·Rand·(xv,j(t)-xi,j(t))(4)C2＝exp(fv-fi)(6)式中，xi,j(t+1)、xi,j(t)为第i只母鸡在j维空间中t+1和t次迭代位置；其中，Rand为[0，1]之间均匀分布的随机数；u为从第i只母鸡所在鸡群内随机选取的第u只公鸡；C1为伙伴公鸡u对第i只母鸡的影响因子；v为在公鸡和母鸡中随机选取的第v只个体，但u不等于v；C2为其它公鸡、母鸡对第i只母鸡的影响因子；fu、fv分别为第u只、第v只公鸡的适应度；所述小鸡对应的位置更新规则如公式(7)所示：xi,j(t+1)＝B·xi,j(t)+H·(xm,j(t)-xi,j(t))+M·(xn,j(t)-xi,j(t))(7)式中，xi,j(t+1)、xi,j(t)为第i只小鸡在j维空间中t+1次和t次迭代时位置；B为小鸡的自学习系数，xm,j(t)为第i只小鸡的妈妈母鸡m在t次迭代时位置；H为妈妈母鸡位置对第i只小鸡位置的影响因子，取值区间是[0，2]；xn,j(t)为妈妈母鸡所在鸡群中公鸡n在t次迭代时位置，M为小鸡跟随公鸡的学习因子；步骤303，利用公式(8)、公式(9)和公式(10)，将上述所得优选的ΔKp、ΔKi、ΔKd，与初始的PID参数Kp0、Ki0、Kd0进行相互作用得到最终的PID控制参数；Kp＝Kp0+ΔKp(8)Ki＝Ki0+ΔKi(9)Kd＝Kd0+ΔKd(10)。作为优化的技术方案，所述步骤1中设定所述控制参数初始值的方法具体为：步骤101，利用所述直线电机的位置给定值CP和位置反馈值AP，计算所述位置给定值CP本文档来自技高网...

【技术保护点】
1.一种提高永磁同步直线电机位置精度的控制方法，适用于永磁同步直线电机及其数控系统，并基于位置环控制方式；其特征在于，所述控制方法包括如下步骤：步骤1，设定位置环PID控制器的控制参数初始值，据此按照给定运动驱动所述直线电机工作；步骤2，利用所述直线电机运动过程中的位置跟踪误差以及误差变化率，依据模糊控制原理，在所述位置环PID控制器中添加二维模糊控制器；步骤3，基于鸡群算法，选取时间乘以误差绝对值积分作为目标函数，对模糊控制器中的量化因子Ke、Kec和比例因子KpG、KiG、KdG进行优化；据此编译并执行基于鸡群算法的模糊PID控制的直线电机伺服控制程序，使得位置环PID控制器实时自动调整到最优的控制参数。

【技术特征摘要】
1.一种提高永磁同步直线电机位置精度的控制方法，适用于永磁同步直线电机及其数控系统，并基于位置环控制方式；其特征在于，所述控制方法包括如下步骤：步骤1，设定位置环PID控制器的控制参数初始值，据此按照给定运动驱动所述直线电机工作；步骤2，利用所述直线电机运动过程中的位置跟踪误差以及误差变化率，依据模糊控制原理，在所述位置环PID控制器中添加二维模糊控制器；步骤3，基于鸡群算法，选取时间乘以误差绝对值积分作为目标函数，对模糊控制器中的量化因子Ke、Kec和比例因子KpG、KiG、KdG进行优化；据此编译并执行基于鸡群算法的模糊PID控制的直线电机伺服控制程序，使得位置环PID控制器实时自动调整到最优的控制参数。2.根据权利要求1所述的控制方法，其特征在于，在所述步骤3中，选取时间乘以误差绝对值积分作为目标函数，对模糊控制器中的量化因子Ke、Kec和比例因子KpG、KiG、KdG进行优化的方法具体为：步骤301，采用ITAE作为性能评估指标，如公式(1)所示；其中，e(t)为位置跟踪偏差，t为时间；选取ITAE函数作为目标函数，同时定义鸡群个体的适应度函数为：步骤302，定义鸡群算法参数，根据鸡群优化算法迭代规则，进行寻优，寻优过程采用目标函数逐步减小的原则，不断校正调整所述模糊控制器中比例因子和量化因子，进而输出一组优选的比例系数、积分系数、微分系数的调节量ΔKp、ΔKi、ΔKd；其中，所述鸡群中包括3种类型的鸡，分别为：母鸡、公鸡和小鸡；定义鸡群算法参数具体包括：鸡群规模，包括公鸡数目、母鸡数目和小鸡数目；母鸡对小鸡的影响因子H，最大迭代次数W，小鸡跟随公鸡的学习因子M，小鸡自我学习系数B；所述鸡群优化算法迭代规则包括：所述公鸡对应的位置更新规则如公式(2)和公式(3)所示：xi,j(t+1)＝xi,j(t)·[1+Randn(0,σ2)](2)其中，xi,j(t+1)，xi,j(t)分别表示第i只公鸡j维空间中第t+1次和t次迭代时位置；Randn(0,σ2)代表均值为0、标准差为σ2且正态分布的随机数；ε是一个很小的常数但不等于0；k为随机选取的第k只公鸡(不含i)；fi、fk各自代表第i和k只公鸡适应度大小；所述母鸡对应的位置更新规则如公式(4)、公式(5)和公式(6)所示：xi,j(t+1)＝xi,j(t)+C1·Rand·(xu,j(t)-xi,j(t))+C2·Rand·(xv,j(t)-xi,j(t))(4)C2＝exp(fv-fi)(6)式中，xi,j(t+1)、xi,j(t)为第i只母鸡在j维空间中t+1和t次迭代位置；其中，Rand为[0，1]之间均匀分布的随机数；u为从第i只母鸡所在鸡群内随机选取的第u只公鸡；C1为伙伴公鸡u对第...

【专利技术属性】
技术研发人员：夏链，程仕祥，韩江，朱永刚，王凡志，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34