基于粒子群算法的单电机伺服系统摩擦非线性补偿方法技术方案

技术编号:22567770 阅读:34 留言:0更新日期:2019-11-16 13:13
本发明专利技术公开了一种基于粒子群算法的单电机伺服系统摩擦非线性补偿方法,包括以下过程:离线获取单电机伺服系统的转速与摩擦力矩数据;根据离线获得的转速与摩擦力矩数据,利用粒子群算法对Stribeck摩擦模型进行参数辨识,获得辨识后的Stribeck摩擦模型;在线运行单电机伺服系统,根据辨识后的Stribeck摩擦模型实时获取摩擦力矩,并将摩擦力矩通过前馈系数补偿至电流信号,构建基于Stribeck摩擦模型的前馈补偿结构,利用该结构即可实现单电机伺服系统摩擦非线性补偿。本发明专利技术方法提高了电机伺服系统在跟踪正弦信号时的跟踪精度,能有效解决由于摩擦非线性导致系统存在静态跟踪误差的问题,整体方法简单,方便应用。

Friction nonlinear compensation method of single motor servo system based on particle swarm optimization

The invention discloses a friction non-linear compensation method of single motor servo system based on particle swarm optimization algorithm, which includes the following processes: obtaining the speed and friction torque data of single motor servo system offline; identifying the parameters of Stribeck friction model with particle swarm optimization method according to the speed and friction torque data obtained offline, obtaining the Stribeck friction model after identification; Online Running the single motor servo system, according to the identified Stribeck friction model, the real-time friction torque is obtained, and the friction torque is compensated to the current signal through the feed-forward coefficient, and the feed-forward compensation structure based on Stribeck friction model is constructed. The nonlinear friction compensation of single motor servo system can be realized by using this structure. The method of the invention improves the tracking accuracy of the motor servo system when tracking the sinusoidal signal, and can effectively solve the problem that the system has static tracking error due to the friction nonlinearity. The overall method is simple and convenient for application.

【技术实现步骤摘要】
基于粒子群算法的单电机伺服系统摩擦非线性补偿方法
本专利技术涉及电机控制领域,特别涉及一种基于粒子群算法的单电机伺服系统摩擦非线性补偿方法。
技术介绍
在电机伺服系统中,由于传动装置存在的一些固有机械特性,系统常常会显现出摩擦非线性的状况。对于伺服系统而言,摩擦非线性对系统的动态性能和稳态精度都会产生一定的影响。并且对于一些高精度伺服系统而言,摩擦非线性造成的影响将会更大。摩擦非线性因素主要是由于轴承部件之间或是两个有接触面的零部件之间产生了相对运动而造成的。摩擦模型可以分为两大类:静态模型和动态模型。在伺服系统中,摩擦非线性会对系统控制性能造成很大影响。摩擦会增加系统的静差,在低速换向运动时会造成系统抖动。为了降低摩擦非线性对系统的影响,许多关于摩擦非线性的补偿算法被提出。现有的摩擦补偿主要有两种方法:一种方法是只考虑摩擦的线性部分,也就是只补偿库仑摩擦力和粘性摩擦力;另一种方法是将摩擦当作外部扰动处理,用扰动观测器估计补偿。随着控制精度要求的提高,这两种方法都很难达到满意的效果。前一种方法没有考虑静摩擦力的影响,论文“Onthemodelingofcoulombfrinction”中提到的库仑摩擦模型是理想状态下的时延模型,没有描述零速度时刻的摩擦力矩大小,且认为摩擦力大小和速度大小无关;后一种方法的局限性在于扰动观测器基于线性系统理论,论文“摩擦非线性环节的特性、建模与控制补偿综述”实现了基于线性理论的扰动观测器,但难以有效的估计出精确的摩擦力矩。
技术实现思路
本专利技术的目的在于提供一种基于粒子群算法的单电机伺服系统摩擦非线性补偿方法。实现本专利技术目的的技术方案为:基于粒子群算法的单电机伺服系统摩擦非线性补偿方法,包括以下步骤:步骤1、离线获取单电机伺服系统的转速与摩擦力矩数据;步骤2、根据离线获得的转速与摩擦力矩数据,利用粒子群算法对Stribeck摩擦模型进行参数辨识,获得辨识后的Stribeck摩擦模型;步骤3、在线运行单电机伺服系统,根据辨识后的Stribeck摩擦模型实时获取摩擦力矩,并将摩擦力矩通过前馈系数补偿至电流信号,构建基于Stribeck摩擦模型的前馈补偿结构,利用该结构即可实现单电机伺服系统摩擦非线性补偿。本专利技术与现有技术相比,其显著优点为:1)采用Stribeck摩擦模型,能很好的反映预滑动位移、摩擦滞后、变化的临界摩擦力和粘性滑动等摩擦非线性特性,提高非线性补偿的可靠性;2)采用Stribeck摩擦模型能克服由摩擦非线性引起的爬行运动和极限环现象,提高非线性补偿的可靠性;3)采用粒子群算法对系统的Stribeck摩擦模型进行参数辨识,辨识精度更高,进而提高补偿效果;4)提高电机伺服系统在跟踪正弦信号时的跟踪精度,有效解决由于摩擦非线性导致系统存在静态跟踪误差的问题;5)方法简单,方便应用。附图说明图1为本专利技术基于粒子群算法的单电机伺服系统摩擦非线性补偿结构图。图2为本专利技术粒子群算法的实现原理流程图。图3为本专利技术单电机伺服系统控制系统简化框图。图4为本专利技术实施例中实际测量的转速与摩擦力矩曲线图。图5为本专利技术实施例中不含摩擦补偿的位置误差曲线图。图6为本专利技术实施例中含摩擦补偿的位置误差曲线图。具体实施方式本专利技术基于粒子群算法的单电机伺服系统摩擦非线性补偿方法,包括以下步骤:步骤1、离线获取单电机伺服系统的转速与摩擦力矩数据;步骤2、根据离线获得的转速与摩擦力矩数据,利用粒子群算法对Stribeck摩擦模型进行参数辨识,获得辨识后的Stribeck摩擦模型;步骤3、在线运行单电机伺服系统,根据辨识后的Stribeck摩擦模型实时获取摩擦力矩,并将摩擦力矩通过前馈系数补偿至电流信号,构建基于Stribeck摩擦模型的前馈补偿结构,利用该结构即可实现单电机伺服系统摩擦非线性补偿。图1所示为基于粒子群算法的单电机伺服系统摩擦非线性补偿结构图。进一步地,步骤1离线获取单电机伺服系统的转速与摩擦力矩数据,具体为:步骤1-1、在离线情况下,控制电机跟踪恒定转速vm,测量速度控制器的输出,获得电流值Iq;步骤1-2、根据Iq获取当前时刻摩擦力矩F:F=CtIq式中,Ct为电机转矩系数;由此获得转速vm与摩擦力矩F的数据。进一步地,步骤2利用粒子群算法对Stribeck摩擦模型进行参数辨识,获得辨识后的Stribeck摩擦模型,结合图2,具体为:Stribeck摩擦模型为:其中,式中,F为摩擦力,v为相对运动速度,Fc为库仑力,Fs为最大静摩擦力,vs为Stribeck速度,B为粘滞摩擦系数,δs为经验参数;步骤2-1、设定粒子的种群规模为n,学习因子c1、c2,参数运动范围为[s1,s2]、最大迭代次数M,并随机初始化粒子的位置向量为以及速度向量速度范围为[v1,v2];步骤2-2、根据粒子的初始位置计算粒子的适应值f(xi),并以适应值最优的粒子的位置向量初始化种群的最优位置;步骤2-3、选取惯性算法因子ω,更新粒子的速度和位置向量,产生新的种群,并判断粒子的位置和速度是否越界即是否超出所述参数运动范围,若超出将舍弃该粒子信息;其中,粒子的更新公式为:vid=ωvid+c1s1(pid-xid)+c2s2(pgd-xid)xid=xid+vid式中i=1,2,...,n,d=1,2,...,D,c1、c2为学习因子,vid为粒子的速度,xid为当前粒子的位置,s1、s2为介于(0,1)之间的随机数,pid为粒子i在搜索D维空间的解时搜索到的最优位置,pgd为种群最优位置,惯性算法因子ω采用线性递减的方式;步骤2-4、将粒子当前的适应值f(xi)与自身历史最优值进行比较,若当前的适应值f(xi)优于历史最优值,则更新自身最优值为f(xi)以及粒子位置;步骤2-5、将粒子当前的适应值f(xi)与种群最优值进行比较,若当前的适应值f(xi)优于种群最优值,则更新种群最优值为f(xi)以及粒子位置;步骤2-6、判断迭代次数是否达到最大迭代次数,若是,则结束迭代过程,获得粒子最优解即辨识后的Stribeck摩擦模型的参数根据辨识出的参数即可获得辨识后的Stribeck摩擦模型;若不满足,跳转至步骤2-3。示例性优选地,粒子的种群规模n为80,最大迭代次数M=500;四个参数的参数运动范围[s1,s2]均为(0,1),速度范围[v1,v2]为[-1,1];学习因子c1=1.2、c2=1.8。进一步地,步骤3根据辨识后的Stribeck摩擦模型实时获取摩擦力矩,并将摩擦力矩通过前馈系数补偿至电流信号,构建基于Stribeck摩擦模型的前馈补偿结构,具体为:步骤3-1、将转速作为输入变量,根据辨识后的Stribeck摩擦模型实时获取摩擦力矩F,并将摩擦力矩F通过前馈系本文档来自技高网...

【技术保护点】
1.一种基于粒子群算法的单电机伺服系统摩擦非线性补偿方法,其特征在于,包括以下步骤:/n步骤1、离线获取单电机伺服系统的转速与摩擦力矩数据;/n步骤2、根据离线获得的转速与摩擦力矩数据,利用粒子群算法对Stribeck摩擦模型进行参数辨识,获得辨识后的Stribeck摩擦模型;/n步骤3、在线运行单电机伺服系统,根据辨识后的Stribeck摩擦模型实时获取摩擦力矩,并将摩擦力矩通过前馈系数补偿至电流信号,构建基于Stribeck摩擦模型的前馈补偿结构,利用该结构即可实现单电机伺服系统摩擦非线性补偿。/n

【技术特征摘要】
1.一种基于粒子群算法的单电机伺服系统摩擦非线性补偿方法,其特征在于,包括以下步骤:
步骤1、离线获取单电机伺服系统的转速与摩擦力矩数据;
步骤2、根据离线获得的转速与摩擦力矩数据,利用粒子群算法对Stribeck摩擦模型进行参数辨识,获得辨识后的Stribeck摩擦模型;
步骤3、在线运行单电机伺服系统,根据辨识后的Stribeck摩擦模型实时获取摩擦力矩,并将摩擦力矩通过前馈系数补偿至电流信号,构建基于Stribeck摩擦模型的前馈补偿结构,利用该结构即可实现单电机伺服系统摩擦非线性补偿。


2.根据权利要求1所述的基于粒子群算法的单电机伺服系统摩擦非线性补偿方法,其特征在于,步骤1所述离线获取单电机伺服系统的转速与摩擦力矩数据,具体为:
步骤1-1、在离线情况下,控制电机跟踪恒定转速vm,测量速度控制器的输出,获得电流值Iq;
步骤1-2、根据Iq获取当前时刻摩擦力矩F:
F=CtIq
式中,Ct为电机转矩系数;
由此获得转速vm与摩擦力矩F的数据。


3.根据权利要求1所述的基于粒子群算法的单电机伺服系统摩擦非线性补偿方法,其特征在于,步骤2所述利用粒子群算法对Stribeck摩擦模型进行参数辨识,获得辨识后的Stribeck摩擦模型,具体为:
Stribeck摩擦模型为:



其中,



式中,F为摩擦力,v为相对运动速度,Fc为库仑力,Fs为最大静摩擦力,vs为Stribeck速度,B为粘滞摩擦系数,δs为经验参数;
步骤2-1、设定粒子的种群规模为n,学习因子c1、c2,参数运动范围为[s1,s2]、最大迭代次数M,并随机初始化粒子的位置向量为以及速度向量速度范围为[v1,v2];
步骤2-2、根据粒子的初始位置计算粒子的适应值f(xi),并以适应值最优的粒子的位置向量初始化种群的最优位置;
步骤2-3、选取惯性算法因子ω,更新粒子的速度和位置向量,产生新的种群,并判断粒子的位置和速度是否越界即是否超出所述参数运动范围,若超出将舍弃该粒子信息;
其中,粒子的更新公式为:
vid=ωvid+c1s1(pid-xid)+c2s2(pgd-xid)
xid=xid+vid
式中i=1,2,...,n,d=1,2,...,D,c1、c2为学习因子,vid为粒子的速度,xid为当前粒子的位置,s1、s2为介于(0,1)之间的随机...

【专利技术属性】
技术研发人员:吴益飞张翠艳刘洋郭健陈庆伟高熠李胜宋恺高珺宁靳懿
申请(专利权)人:南京理工大学
类型:发明
国别省市:江苏;32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1