【技术实现步骤摘要】
本专利技术属于计算机控制系统技术，具体涉及永磁同步电机的pid控制算法，尤其涉及一种基于演化强化学习的伺服电机控制参数优化方法。
技术介绍
1、永磁同步电机因其拥有结构紧凑、效率和功率密度高、调速性能好等优点，在电动交通、工业机器人、航空航天等领域均得到了广泛的应用。永磁同步电机位置伺服系统中常用的磁场定向控制(foc)策略往往是基于pid三环控制器对电机转动角度进行控制。虽然因算法的低复杂性和稳定性在工业实践中获得了广泛的应用，但是当其面临驱动场景变化时，pid三环控制器也面临诸多挑战和不足：
2、首先，伺服电机控制系统的pid控制算法依赖参数设置，而永磁同步电机的内部参数较多，参数的敏感性不强，且参数之间存在耦合关系，这意味着最优参数的选取和调试比较困难。当伺服电机驱动一些高阶非线性的负载机构，pid控制器的参数难以通过模型和需求确定，因此需要依赖人工经验和专业知识进行试错调整，并在动态响应方面难以拥有很好的性能。其次，当面对不同型号电机、传动模型及应用对象的差异时，依靠人工经验调参无法满足高性能高精度高实时性的控制需求。
3、因此，如何设计一种可实现pid自动调参的优化策略算法，使其能根据真实场景下的伺服电机控制系统环境输出pid参数的调优值，降低pid参数搜索对人工经验的依赖性并通过优化pid参数以提高真实场景中的控制精度，具有重要意义，并具有相当挑战性。
技术实现思路
1、专利技术目的：针对上述的pid三环控制方法在伺服电机控制的情景下，依靠人工经
2、技术方案：一种基于演化强化学习的伺服电机控制参数优化方法，该方法基于高阶非线性负载和foc控制框架下的永磁同步电机伺服控制系统，在pid三环控制基础上，通过演化强化学习调优搜索策略对电流环、速度环和位置环的参数进行调优，以控制过程中的理想参考曲线为优化目标，通过伺服系统对pid参数的反馈评估值自适应调整进化方向和步长，增加向最优参数方向搜索的概率，以实现对伺服控制系统的参数优化。
3、进一步地，该方法包括如下步骤：
4、(1)构建面向真实场景的基于foc控制框架的永磁同步电机驱动的伺服系统的负载及其传动机构的测试平台；
5、(2)在foc控制框架上构建基于pid控制器的三环控制方案；
6、(3)采用演化强化学习调优搜索策略对基础pid三环控制的电流环、速度环和位置环在内的pid参数进行自动搜索调优，以降低pid参数搜索对人工经验的依赖性，同时通过优化pid参数以提高真实场景中的控制精度。
7、更近一步地，所述方法考虑现实场景下的永磁同步电机驱动的伺服系统在foc控制框架中的行为，包括其中控制量和响应量及其约束；然后构建负载及其传动机构的测试平台，电机负载考虑包括传动机构的弹性形变、摆动机构的动力学方程，同时还考虑库伦摩擦、三角连杆机构中的力矩传递在内的非线性因素，具体包括如下步骤：
8、(11)将相对旋转坐标系下的d、q两轴的电压vd和vq作为系统输入，驱动电机向传动机构施加动力矩，表现为电机转子的转动角度θm，同时负载及传动装置向电机施加时变负载转矩tl；
9、(12)获得电机转子转动角度θm和角速度ωm作为控制器的计算参数，同时电流传感器检测定子电流ia，ib，ic，并使用clarke变换和park变化将其转换为d、q两轴的电流值id，iq；
10、(13)伺服系统中的表贴式永磁同步电机，满足：
11、lq＝ld
12、考虑到稳态下运行的永磁同步电机转子转速ωm和定子电流is应保持在阈值范围内，满足：
13、|ωm|≤ωlimit
14、
15、其中，ωlimit为转子转速最大值；ilimit为定子电流最大值；
16、(14)基于foc策略将永磁同步电机的相变量分解为磁场分量和转矩分量，并对其进行独立控制，对电机磁场和转矩的精确控制中需要获取电机的转子位置和速度信息用于静止坐标系下的相变量和d-q坐标的相对旋转变量之间的变换计算，在d-q坐标系下，电机方程可描述为：
17、
18、其中：rs为定子电阻；vd，vq分别为d轴，q轴电压；id，iq分别为d轴，q轴电流；ld，lq分别为d轴，q轴电感；λm为永磁体d轴磁通；te，tl分别为输出转矩和负载转矩；b为轴承粘滞系数；j为电机和负载的总转动惯量；ωm，ωr分别为转子机械角速度和转子电磁角速度，p为永磁体对数，满足ωr＝p×ωm；
19、该模块响应输入的d-q两轴的电压，根据外部的负载力矩tl，输出电机角度θm和角速度ωr，并通过电流检测器检测得到d-q轴电流；
20、(15)电机转轴的动力矩通过传动比为gr的二级齿轮传动驱动丝杆旋转，丝杆以nr的减速比产生相应的进程，其中转动产生对弹性丝杆的作用力为：
21、
22、(16)考虑质量为me、弹性阻尼为be，组合刚度为kp的丝杆受挤压的弹性运动，其动力学方程：
23、
24、其中，δl为丝杆压缩行程；
25、(17)丝杆产生的弹性形变产生的作用力推动三角形连杆机构的丝杆边，使得负载边的力臂产生一个力矩使得负载绕轴产生角度偏转；
26、其中，丝杆的伸出/缩进量l与偏转角度α的关系近似表述为：
27、
28、其中a，b分别为三角形连杆机构中，摆动角的两个相邻边oa，ob长；α0，l0分别为负载偏转角度为0时摆心角∠aob和边ab长度；
29、(18)考虑一个摆动惯量为jb，摆动阻尼为bb，位置阻力矩为kde1ta，摩擦力矩为mf的摆动机构，收到大小为m的力矩，其动力学方程为：
30、
31、其中摩擦力矩建模为库伦摩擦力：
32、
33、进一步地，针对foc控制框架下的永磁同步电机驱动的伺服系统，所述方法采用基于pid控制器的三环控制对最终的位置角度做基础控制，保证系统运行的稳定性和鲁棒性，具体步骤包括：
34、(21)控制转矩的电流环构建为解耦电流控制器，将相互耦合的d、q两轴电压项分解为线性项和非线性项：
35、
36、其中，vd1和vq1可以由线性的pid电流控制器进行控制，而非线性项vd0和vq0可以通过编码器的转子速度值计算得到：
37、
38、(22)考虑pid控制器中输入误差e(t)和输出控制值u(t)两者的联系：
39、
40、(23)将反馈的电机转速ωfb和转速指令ωref做差作为转速pi控制器的输入，将控制器的输出作为q轴电流的参考值；
41、(24)在转速控制器的基础上，构建位置控制环，具体是基于负载的三角型连杆结构，将指令偏转角度α本文档来自技高网...
【技术保护点】
1.一种基于演化强化学习的伺服电机控制参数优化方法，其特征在于，该方法基于高阶非线性负载和FOC控制框架下的永磁同步电机伺服控制系统，在PID三环控制基础上，通过演化强化学习调优搜索策略对电流环、速度环和位置环的参数进行调优，以控制过程中的理想参考曲线为优化目标，通过伺服系统对PID参数的反馈评估值自适应调整进化方向和步长，增加向最优参数方向搜索的概率，以实现对伺服控制系统的参数优化。
2.根据权利要求1所述的基于演化强化学习的伺服电机控制参数优化方法，其特征在于，该方法包括如下步骤：
3.根据权利要求1所述的基于演化强化学习的伺服电机控制参数调优方法，其特征在于，所述方法考虑现实场景下的永磁同步电机驱动的伺服系统在FOC控制框架中的行为，包括其中控制量和响应量及其约束；然后构建负载及其传动机构的测试平台，电机负载考虑包括传动机构的弹性形变、摆动机构的动力学方程，同时还考虑库伦摩擦、三角连杆机构中的力矩传递在内的非线性因素，具体包括如下步骤：
4.根据权利要求1所述的基于演化强化学习的伺服电机控制参数调优方法，其特征在于，针对FOC控制框架下的
5.根据权利要求1所述的基于演化强化学习的伺服电机控制参数调优方法，其特征在于，步骤(3)针对真实场景下基础PID三环控制，基于演化强化学习对电流环、速度环和位置环12个PID参数进行自动搜索调优，具体是使用协方差矩阵自适应调整的进化策略，以控制过程中的理想参考曲线为优化目标，通过伺服电机控制系统环境对PID参数的反馈评估值，学习到伺服电机控制系统的知识，进而自适应调整进化方向和步长，增大向着最优参数方向搜索的概率，从而增大获取最优的PID控制参数的概率，输出PID参数调优值，以降低PID参数搜索对人工经验的依赖性，同时通过优化PID参数以提高真实场景中的控制精度。
6.根据权利要求5所述的基于演化强化学习的伺服电机控制参数调优方法，其特征在于，步骤(3)具体步骤包括：
...【技术特征摘要】
1.一种基于演化强化学习的伺服电机控制参数优化方法，其特征在于，该方法基于高阶非线性负载和foc控制框架下的永磁同步电机伺服控制系统，在pid三环控制基础上，通过演化强化学习调优搜索策略对电流环、速度环和位置环的参数进行调优，以控制过程中的理想参考曲线为优化目标，通过伺服系统对pid参数的反馈评估值自适应调整进化方向和步长，增加向最优参数方向搜索的概率，以实现对伺服控制系统的参数优化。
2.根据权利要求1所述的基于演化强化学习的伺服电机控制参数优化方法，其特征在于，该方法包括如下步骤：
3.根据权利要求1所述的基于演化强化学习的伺服电机控制参数调优方法，其特征在于，所述方法考虑现实场景下的永磁同步电机驱动的伺服系统在foc控制框架中的行为，包括其中控制量和响应量及其约束；然后构建负载及其传动机构的测试平台，电机负载考虑包括传动机构的弹性形变、摆动机构的动力学方程，同时还考虑库伦摩擦、三角连杆机构中的力矩传递在内的非线性因素，具体包括如下步骤：
4.根据权利要求1所述的基...
【专利技术属性】
技术研发人员：朱海峰，易畅言，满天晴，陈翔，吴昊，郑好，祝可可，戴兴安，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
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。