高性能伺服驱动器及控制方法技术

本申请提供一种高性能伺服驱动器及控制方法，应用于高性能伺服驱动器控制技术领域，包括：伺服控制环模块设置在数字信号处理器中，AI学习算法模块设置在现场可编程逻辑阵列中；AI学习算法模块：基于高性能伺服驱动器所在的伺服系统产生的运行参数，AI学习算法进行训练学习，得到特征模型以及输出的补偿电流分量；伺服控制环模块：用于根据补偿电流分量对伺服系统进行振动抑制。与现有技术相比，本申请通过补偿电流分量进行振动抑制，能够对任意振幅的振动，任意时间长度的振动，任意因素引起的振动，均可以有效的抑制；以电流环的周期步调执行，因此，没有延迟或相对于机械系统，该延迟可完全忽略，可完全适应高速或超高速运行场合。场合。场合。

【技术实现步骤摘要】
高性能伺服驱动器及控制方法


[0001]本申请涉及高性能伺服驱动器控制
，具体涉及一种高性能伺服驱动器及控制方法。

技术介绍

[0002]高性能伺服驱动器，在高端高精度智能制造设备，如机床，机器人，航空航天，医疗器械等领域有广泛应用。高性能伺服驱动器要求具备高定位精度和高稳定性能。伺服系统本身是一种机电一体系统，伺服电机拖动机械系统执行转动或进给运动时，如何保证定位精度，如何保证机械系统不振动，或者即使发生振动了能及时快速抑振是一个难题。
[0003]实际系统中，即使伺服系统配置有高分辨率电机编码器，驱动控制硬件软件系统配置精度、控制性能较高，但如果在运行期间，机械系统发生振动，甚至共振，都会对伺服定位精度产生不良影响，导致定位误差增大，不能满足要求，甚至对机械系统本身产生致命影响。而产生伺服系统振动的因素很多，如控制参数设置不合适，机械系统遭遇外部扰动，伺服系统负载变化，系统共振，等等，即使是短暂的轻微振动，也会造成伺服系统性能下降。因此，高性能伺服驱动器如果无法对振动情况进行有效抑制，即使本身硬件软件配置水平再高，也无法完全保证系统达到高性能高精度。
[0004]现有技术条件下，对振动的抑制方法一般分为两种情况，一种是离线设置方式，另一种是在线抑制方式。离线设置方式需要提前测算出机械系统的共振频率，然后在伺服控制系统中设置具有相应频率值的滤波器，从而消除该频率的振动。这种方式的缺点是，需要提前测算系统的共振频率；这种方式，对共振频率之外的其他频率成分的振动无效；且这种方式，对系统因其他原因引起的轻微振动或短时振动无法消除。在线抑制振动方式，利用一定的自适应算法，或者在线识别共振频率的方法，或者借助外部振动监测传感器，实时抑制机械振动。这种方式优于离线方式，但目前这种技术还远未成熟，不同的企业可能采取不同的技术措施。总的来说，这种方式对振动的幅值，振动持续的时间均有一定的门槛值的要求，以方便控制系统进行识别、计算，因而，对较短时间的，门槛幅值以下的振动不起作用。另外，大多这种方式，就目前技术水平而言，其基本原理多为通过算法对振动频率、幅值等参数进行识别、跟踪振动频率的变化，从而实时计算振动频率值，设置相应的滤波器，这种方法因为要采用复杂的算法，对控制核心的算力具有一定的要求，产生的振动抑制效果具有一定的滞后效应，因此，对高速运行系统，具有一定的局限性，可能无法达到较好的振动抑制效果，甚至失效；对某些特殊负载情况，可能根本就无法起作用了。
[0005]至于外加振动监测传感器的系统，造成系统成本提高，系统复杂度增加，可靠性下降，非必要场合，是不提倡的。
[0006]因此，在现有技术条件下，还没有一种有较好适应性的、高性能的振动抑制控制方法，来应对高性能伺服驱动系统面临的各类振动问题。
[0007]因此，需要一种新的有较好适应性的、高性能的振动抑制方法，来应对高性能伺服驱动系统面临的各类振动问题的技术方案。

技术实现思路

[0008]有鉴于此，本专利技术提供一种高性能伺服驱动器及控制方法，利用AI学习算法建立高性能伺服驱动器的特征模型，持续的对特征模型进行训练学习迭代计算，并从特征模型中识别出与振动相关的补偿电流分量，进而通过把补偿电流分量馈入伺服控制环模块中的电流环控制器的方式，达到抑制振动的目的。任何轻微振动，短时振动，机械共振等，都可以被识别到并且进行补偿消除，从而实现高性能伺服性能。
[0009]本专利技术提供以下技术方案：
[0010]本专利技术提供一种高性高性能伺服驱动器，包括：伺服控制环模块和AI学习算法模块；
[0011]伺服控制环模块设置在数字信号处理器中，AI学习算法模块设置在现场可编程逻辑阵列中；
[0012]AI学习算法模块：用于基于高性能伺服驱动器所在的伺服系统的运行参数，AI学习算法进行训练学习，得到特征模型以及特征模型输出的补偿电流分量；
[0013]伺服控制环模块：用于根据AI学习算法模块输出的补偿电流分量对伺服系统进行振动抑制。
[0014]优选地，运行参数，包括：电机的指令电流值、电机编码器的输出的角度信号和脉宽调制产生信号的时刻。
[0015]优选地，伺服控制环模块，包括：位置环控制器、速度环控制器和电流环控制器。
[0016]优选地，伺服控制环模块将补偿电流分量输入电流环控制器，进行振动抑制。
[0017]优选地，数字信号处理器和现场可编程逻辑阵列通过数据总线进行数据交换。
[0018]优选地，现场可编程逻辑阵列外置有随机存取存储器和闪存存储器。
[0019]优选地，现场可编程逻辑阵列中，包括：AI学习算法模块、数据采集处理模块、脉宽调制产生模块和编码器接口模块。
[0020]优选地，数据采集处理模块对运行参数进行同时采集，并存储在闪存存储器中；AI学习算法模块将运行参数调入随机存取存储器中，进行处理，并输出补偿电流分量。
[0021]本专利技术还提供一种高性能伺服驱动器控制方法，包括：
[0022]步骤1：基于高性能伺服驱动器所在的伺服系统的运行参数，学习算法进行训练学习，得到特征模型以及特征模型输出的补偿电流分量；
[0023]步骤2：根据补偿电流分量对伺服系统进行振动抑制。
[0024]优选地，运行参数，包括：电机的指令电流值、电机编码器的输出的角度信号和脉宽调制产生信号的时刻。
[0025]与现有技术相比，本专利技术采用的上述至少一个技术方案能够达到的有益效果至少包括：能够对任意振幅的振动，任意时间长度的振动，任意因素引起的振动，均可以有效的抑制；以电流环控制器的周期步调执行，因此，没有延迟，或相对于机械系统，该延迟可完全忽略，可完全适应高速或超高速运行场合；对机械负载类型基本没有限制，可适应任意机械负载，均可以通过AI学习算法模块训练出其实时模型并不断修正，因此，高性能伺服驱动器适应性高。
附图说明
[0026]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0027]图1是本申请中的一种高性能伺服驱动器的控制结构示意图；
[0028]图2是本申请中的一种高性能伺服驱动器的硬件配置示意图；
[0029]图3是本申请中的一种AI学习算法模块的输入参数实现方法示意图；
[0030]图4是本申请中的一种AI学习算法模块框图；
[0031]图5是本申请中的另一种高性能伺服驱动器的控制结构示意图；
[0032]图6是本申请中的一种同步带机械负载位置控制振动抑制结果的示意图。
具体实施方式
[0033]下面结合附图对本申请实施例进行详细描述。
[0034]以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。显本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高性能伺服驱动器，其特征在于，包括：伺服控制环模块和AI学习算法模块；所述伺服控制环模块设置在数字信号处理器中，所述AI学习算法模块设置在现场可编程逻辑阵列中；所述AI学习算法模块：用于基于所述高性能伺服驱动器所在的伺服系统的运行参数，AI学习算法进行训练学习，得到特征模型以及所述特征模型输出的补偿电流分量；所述伺服控制环模块：用于根据所述AI学习算法模块输出的所述补偿电流分量对所述伺服系统进行振动抑制。2.根据权利要求1所述的高性能伺服驱动器，其特征在于，所述运行参数，包括：电机的指令电流值、电机编码器的输出的角度信号和脉宽调制产生信号的时刻。3.根据权利要求1或2所述的高性能伺服驱动器，其特征在于，所述伺服控制环模块，包括：位置环控制器、速度环控制器和电流环控制器。4.根据权利要求3所述的高性能伺服驱动器，其特征在于，所述伺服控制环模块将所述补偿电流分量输入所述电流环控制器，进行振动抑制。5.根据权利要求1所述的高性能伺服驱动器，其特征在于，所述数字信号处理器和所述现场可编程逻辑阵列通过数据...

【专利技术属性】
技术研发人员：韦鲲，张建政，董易，
申请(专利权)人：上海飒智智能科技有限公司，
类型：发明
国别省市：