本发明专利技术公开了一种伺服电机抗干扰补偿控制系统及控制方法，其核心在于：在“DOB+LuGre摩擦模型补偿”的控制方法基础上，引入递归模糊神经网络前馈补偿器，并通过模糊协调控制使RFNN和DOB输出的控制信号相互协调和结合；本发明专利技术的有益技术效果是：在高性能伺服控制中，采用模糊协调控制器实现RFNN和DOB两者间的相互协调和结合，形成一个复合的干扰补偿器进行控制，克服了当控制对象在大扰动和大范围参数变化下，高精度伺服系统跟踪性能无法保障的缺陷；同时，进一步弥补了LuGre模型摩擦补偿的不彻底，更好地抑制非线性摩擦的影响。
【技术实现步骤摘要】
本专利技术涉及一种电动机控制技术，尤其涉及一种。
技术介绍
高性能伺服系统的运动控制理论是一个重要研究领域，其发展直接影响并带动其它一些工业应用领域，如半导体加工、磁(光)存储介质加工、光学仪器、武器仿真及其它等领域(绘图机、坐标测量机、视觉光学校正等系统)。随着技术的进步，现代工业对伺服系统的抗干扰能力、稳定精度等提出了较高的要求。在实际应用过程中，伺服电机受到的干扰因素较多，如负载力矩、伺服电机的转动惯量、阻尼系数、结构强度以及润滑条件限制带来的摩擦力矩等参数均会发生变化，因此，需要伺服控制系统具有对外部扰动和系统参数变化有较强的抗扰能力；通常伺服系统的抗干扰设计分为两部分来独立进行，即一部分用于调节系统的抗干扰能力，另一部分实现对摩擦力矩的补偿。现有技术中，在闭环控制的基础上采用“干扰观测器(简称DOB) +LuGre摩擦模型补偿”的控制方法得到了较广泛应用。上述这种“模块化”补偿控制方法，有利于将补偿控制问题分解到不同的领域，分别有针对性地加以解决；例如，中国专利200910077755.0公开的“一种基于干扰观测器的高精度磁轴承轴向控制方法”，该方案提供了一种将DOB用于对外部扰动进行抑制的解决方案，但是，该方案中存在的问题是:基于DOB的伺服系统在扰动不大且系统模型参数变化不大的情况下，确实具有较高的动态性能及较高的跟踪精度，但对于幅值变化较大、较快或不光滑的干扰，较难起到好的效果，此时伺服系统跟踪的快速性将无法保障，因此，增强DOB对控制对象在大扰动和大范围参数变化的鲁棒性是亟待解决的问题。对于直接驱动的机械伺服系统，摩擦力矩是影响高精度伺服位置控制跟踪精度的主要因素；摩擦环节对伺服系统的不良影响主要体现在，稳态时存在静差或极限环振荡、低速爬行现象、速度过零时发生跟踪畸变，产生位置波形“平顶”现象。因此，现有技术中设置了摩擦补偿环节来提高伺服系统的低速平稳性和小信号跟踪能力；现有技术中较常用的是LuGre摩擦模型，该模型是动态摩擦模型，该模型考虑了两个接触表面之间弹性刚毛的平均偏移来表征摩擦的动态行为，精确地描述了摩擦过程复杂的静态和动态特性，如爬行、极限环振荡、滑前变形、摩擦记忆、变静摩擦以及静态Stribeck曲线等。
技术实现思路
针对
技术介绍
中的问题，专利技术人经过深入研究后发现，在“DOB+LuGre摩擦模型补偿”的控制方法基础上，增加一个递归模糊神经网络(简称RFNN)前馈补偿器，并通过模糊协调控制即可使RFNN和DOB输出的控制信号相互协调和结合，从而输出一个复合补偿控制信号，利用该复合补偿控制信号，一方面实现对外部大扰动和大范围参数变化的补偿，提高了系统鲁棒稳定性和跟踪性能，另一方面由于RFNN具有较强的自调能力，在整个补偿过程中始终有输出信号参与控制，也能弥补LuGre模型摩擦补偿的不彻底和其它不确定性干扰，从而更好地抑制非线性摩擦等影响，提高伺服控制系统的精度，具体方案是:一种伺服电机抗干扰补偿控制系统，包括电动机、伺服驱动、DSP和计算机，其中，DSP实时采集电动机的运行参数并根据运行参数进行相关处理获得主控制信号，DSP将主控制信号输出至伺服驱动，伺服驱动根据主控制信号调整电动机的运行状态，计算机与DSP通信连接，计算机用于操作人员与DSP之间的人机对话；其改进在于:所述DSP包括如下模块:干扰观测模块、模糊协调控制模块、递归模糊神经网络模块、主控制模块、摩擦补偿模块、预处理模块和处理模块；干扰观测模块、模糊协调控制模块、递归模糊神经网络模块、主控制模块、摩擦补偿模块和预处理模块均与处理模块通信连接;其中，预处理模块对DSP输出的主控制信号u (k-1)、给定位置信号0*(k)和电动机实际位置信号e (k-1)进行连续采样，并实时计算出如下参数:电动机给定位置信号与实际位置信号之间的误差e (k)，即电动机位置信号误差；时序上相邻两个误差之间的误差变化率(K幻，即电动机位置信号误差变化率；时序上相邻两个电动机实际位置信号之间的变化率6认-1)，即电动机位置信号变化率；前述的u(k-1)、e (k-1)、e(k)、蝴:)和火存储在预处理模块内以备其他模块调用；干扰观测模块从预处理模块中调用u (k-1)和0 (k-1)，并按常规手段对u (k-1)和6 (k-1)进行处理后，输出干扰控制信号ud(k)；摩擦补偿模块从预处理模块中调用4^-1),采用LuGre摩擦补偿模型按常规手段对6认-1)进行处理，输出摩擦控制信号Tf (k)；主控制模块从预处理模块中调用e(k)和，并采用常规的PI或PID控制进行调节处理，输出PI/PID控制信号+仏 )；递归模糊神经网络模块从预处理模块中调用e(k)和々O:);该模块内的递归模糊神经网络为4层结构，分别为输入层、成员函数层、模糊推理层和输出层；输入层采用电动机位置信号误差和电动机位置信号误差变化率作为两个神经元的输入；成员函数层的隶属度函数采用高斯基函数；递归模糊神经网络采用梯度下降法进行训练，通过调整成员函数层高斯基函数的均值中心和标准偏差以及模糊推理层的递归权值和输出层权值，使递归模糊神经网络模块输出递归模糊神经控制信号uf (k)；模糊协调控制模块从预处理模块中调用e (k)和我幻，同时，模糊协调控制模块调用^仏)和％(10 ;模糊协调控制模块内预置有两个模糊推理规则表，两个模糊推理规则表均为双输入、单输出模式，模糊推理规则表的两个输入变量分别为电动机位置信号误差和电动机位置信号误差变化率，输出变量为加权系数，其中，第一模糊推理规则表对应递归模糊神经网络模块，第一模糊推理规则表的输出变量为递归模糊神经控制信号uf (k)的加权系数、i，第二模糊推理规则表对应干扰观测模块，第二模糊推理规则表的输出变量为干扰控制信号Ud(k)的加权系数X2 ;模糊协调控制模块计算出加权系数后，按下式对Uf (k)和Ud(k)进行加权处理并输出加权控制信号UxtGO:Uxt (k) = X1UfGO-X2UdGO ；处理模块调用Up (k)、Tf (k)和Uxt (k)，处理模块按下式对up (k)、Tf (k)和Uxt (k)进行处理并输出主控制信号u(k):u (k) = up (k) +Uxt (k) +Tf (k)主控制信号u(k)即为DSP向伺服驱动输出的主控制信号；其中，k为采样次数的序号。前述方案，通过在现有的DSP中设置可实现本专利技术目的多个功能模块，并使多个功能模块根据相应的控制方法协调工作，从而实现本专利技术的目的；本专利技术的方案与现有技术的差异可通过图示对比而清晰地示出:参见附图说明图1，图中是现有技术中一种常用于抗干扰补偿的伺服控制系统逻辑图，该控制系统采用了伺服控制系统中较为广泛使用的“DOB+LuGre摩擦模型补偿”的控制结构；参见图2，图中是本专利技术的伺服控制系统逻辑图，图2与图1所示出的控制结构的不同点在于:图2中增加了一个RFNN前馈补偿器与一个模糊协调控制器，模糊协调控制器将RFNN前馈补偿器和DOB的输出信号进行相互协调与结合，从而输出一个复合补偿控制信号，利用该复合信号可使系统处于最佳补偿状态，从而解决现有伺服控制系统抗干扰补偿不足的问题。为更好地理解本专利技术，不妨结合图3(图3将图1中的控制系统以模型和参数的本文档来自技高网...
【技术保护点】
一种伺服电机抗干扰补偿控制系统，包括电动机、伺服驱动、DSP和计算机，其中，DSP实时采集电动机的运行参数并根据运行参数进行相关处理获得主控制信号，DSP将主控制信号输出至伺服驱动，伺服驱动根据主控制信号调整电动机的运行状态，计算机与DSP通信连接，计算机用于操作人员与DSP之间的人机对话；其特征在于：所述DSP包括如下模块：干扰观测模块、模糊协调控制模块、递归模糊神经网络模块、主控制模块、摩擦补偿模块、预处理模块和处理模块；干扰观测模块、模糊协调控制模块、递归模糊神经网络模块、主控制模块、摩擦补偿模块和预处理模块均与处理模块通信连接；其中，预处理模块对DSP输出的主控制信号u(k?1)、给定位置信号θ*(k)和电动机实际位置信号θ(k?1)进行连续采样，并实时计算出如下参数：电动机给定位置信号与实际位置信号之间的误差e(k)，即电动机位置信号误差；时序上相邻两个误差之间的误差变化率即电动机位置信号误差变化率；时序上相邻两个电动机实际位置信号之间的变化率即电动机位置信号变化率；前述的u(k?1)、θ(k?1)、e(k)、和存储在预处理模块内以备其他模块调用；干扰观测模块从预处理模块中调用u(k?1)和θ(k?1)，并按常规手段对u(k?1)和θ(k?1)进行处理后，输出干扰控制信号ud(k)；摩擦补偿模块从预处理模块中调用采用LuGre摩擦补偿模型按常规手段对进行处理，输出摩擦控制信号Tf(k)；主控制模块从预处理模块中调用e(k)和并采用常规的PI或PID控制进行调节处理，输出PI/PID控制信号up(k)；递归模糊神经网络模块从预处理模块中调用e(k)和递归模糊神经网络模块内的递归模糊神经网络为4层结构，分别为输入层、成员函数层、模糊推理层和输出层；输入层采用电动机位置信号误差和电动机位置信号误差变化率作为两个神经元的输入；成员函数层的隶属度函数采用高斯基函数；递归模糊神经网络采用梯度下降法进行训练，通过调整成员函数层高斯基函数的均值中心和标准偏差以及模糊推理层的递归权值和输出层权值，使递归模糊神经网络模块输出递归模糊神经控制信号uf(k)；模糊协调控制模块从预处理模块中调用e(k)和同时，模糊协调控制模块调用ud(k)和uf(k)；模糊协调控制模块内预置有两个模糊推理规则表，两个模糊推理规则表均为双输入、单输出模式，模糊推理规则表的两个输入变量分别为电动机位置信号误差和电动机位置信号误差变化率，输出变量为加权系数，其中，第一模糊推理规则表对应递归模糊神经网络模块，第一模糊推理规则表的输出变量为递归模糊神经控制信号uf(k)的加权系数λ1，第二模糊推理规则表对应干扰观测模块，第二模糊推理规则表的输出变量为干扰控制信号ud(k)的加权系 数λ2；模糊协调控制模块计算出加权系数后，按下式对uf(k)和ud(k)进行加权处理并输出加权控制信号uxt(k)：uxt(k)＝λ1uf(k)?λ2ud(k)；处理模块调用up(k)、Tf(k)和uxt(k)，处理模块按下式对up(k)、Tf(k)和uxt(k)进行处理并输出主控制信号u(k)：u(k)＝up(k)+uxt(k)+Tf(k)主控制信号u(k)即为DSP向伺服驱动输出的主控制信号；其中，k为采样次数的序号。FDA00002717619300011.jpg,FDA00002717619300012.jpg,FDA00002717619300013.jpg,FDA00002717619300014.jpg,FDA00002717619300015.jpg,FDA00002717619300016.jpg,FDA00002717619300017.jpg,FDA00002717619300018.jpg,FDA00002717619300019.jpg...
【技术特征摘要】
1.种伺服电机抗干扰补偿控制系统，包括电动机、伺服驱动、DSP和计算机，其中，DSP实时采集电动机的运行参数并根据运行参数进行相关处理获得主控制信号，DSP将主控制信号输出至伺服驱动，伺服驱动根据主控制信号调整电动机的运行状态，计算机与DSP通信连接，计算机用于操作人员与DSP之间的人机对话；其特征在于: 所述DSP包括如下模块:干扰观测模块、模糊协调控制模块、递归模糊神经网络模块、主控制模块、摩擦补偿模块、预处理模块和处理模块；干扰观测模块、模糊协调控制模块、递归模糊神经网络模块、主控制模块、摩擦补偿模块和预处理模块均与处理模块通信连接；其中，预处理模块对DSP输出的主控制信号u(k-l)、给定位置信号0*(k)和电动机实际位置信号e (k-1)进行连续采样，并实时计算出如下参数:电动机给定位置信号与实际位置信号之间的误差e (k)，即电动机位置信号误差；时序上相邻两个误差之间的误差变化率W幻，即电动机位置信号误差变化率；时序上相邻两个电动机实际位置信号之间的变化率6^-1)，即电动机位置信号变化率；前述的u(k-1)、0 (k-1)、e(k)、我幻和#(1-1)存储在预处理模块内以备其他模块调用； 干扰观测模块从预处理模块中调用u(k-l)和0 (k-1)，并按常规手段对u(k-l)和,0 (k-1)进行处理后，输出干扰控制信号ud(k)； 摩擦补偿模块从预处理模块中调用例< -1)，采用LuGre摩擦补偿模型按常规手段对火务-1)进行处理，输出摩擦控制信号Tf (k)； 主控制模块从预处理模块中调用e (k)和我幻，并采用常规的PI或PID控制进行调节处理，输出PI/PID控制信号+仏)； 递归模糊神经网络模块从预处理模块中调用e(k)和汉々);递归模糊神经网络模块内的递归模糊神经网络为4层结构，分别为输入层、成员函数层、模糊推理层和输出层；输入层采用电动机位置信号误差和电动机位置信号误差变化率作为两个神经元的输入；成员函数层的隶属度函数采用高斯基函数；递归模糊神经网络采用梯度下降法进行训练，通过调整成员函数层高斯基函数的均值中 心和标准偏差以及模糊推理层的递归权值和输出层权值，使递归模糊神经网络模块输出递归模糊神经控制信号uf (k)； 模糊协调控制模块从预处理模块中调用e(k)和☆(々)，同时，模糊协调控制模块调用ud(k)和％(10 ;模糊协调控制模块内预置有两个模糊推理规则表，两个模糊推理规则表均为双输入、单输出模式，模糊推理规则表的两个输入变量分别为电动机位置信号误差和电动机位置信号误差变化率，输出变量为加权系数，其中，第一模糊推理规则表对应递归模糊神经网络模块，第一模糊推理规则表的输出变量为递归模糊神经控制信号uf (k)的加权系数、i，第二模糊推理规则表对应干扰观测模块，第二模糊推理规则表的输出变量为干扰控制信号Ud(k)的加权系数X2 ;模糊协调控制模块计算出加权系数后，按下式对Uf (k)和Ud(k)进行加权处理并输出加权控制信号UxtGO: Uxt (k) = A jUf (k) - A 2ud (k)； 处...
【专利技术属性】
技术研发人员：徐凯，刘善超，张颖，许强，徐文轩，刘楚红，韩文康，
申请(专利权)人：重庆交通大学，
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。