自动识别永磁交流伺服系统的负载惯量和优化控制器参数.pdf

更新时间：2010-10-28 13:33:21 大小：382K 上传用户：hhzzhh0502 查看TA发布的资源 标签：自动识别 下载积分：2分评价赚积分（如何评价?）收藏评论(0) 举报

资料介绍

由于永磁同步伺服电动机具有气隙磁通密度高，产生的电磁转矩大，控制方便，电机结构紧凑等优点，使其成为伺服系统中执行机构的最佳选择之一。永磁同步电机伺服系统在实际应用中存在机械和电气相互配合的问题，当电机所带的负载转动惯量变化时，会对系统的伺服特性造成明显的影响。在电机运行于现场期间，电机所带的转动惯量并不十分清楚，为达到伺服系统高精度控制的良好动态和静态特性，需要实现对转动惯量的在线识别，同时相应地调整控制器的参数。因而，实现伺服系统的参数自动调整功能是实际应用的迫切需要，也是伺服系统向智能化发展的趋势。目前出现了很多先进的算法，但是由于pid控制策略具有原理简单，使用方便，技术容易掌握等优点，在工业应用中仍然占有主要的地位，特别是针对自身缺陷出现了一些改进的pid[1]，如智能pid和自校正pid，大大提高了pid控制策略的鲁棒性，使得pid控制策略在高精度的伺服系统中进一步扩大了应用[2-6]。人工神经网络由于本身具有很强的学习和非线性逼近能力的特点，已经成功地应用于很多辨识和控制问题当中[7]。本文中，为了克服转动惯量大幅度变化对伺服性能的影响，首先采用模型参考自适应方法对系统总的转动惯量进行辨识，然后把系统的稳态误差、转速和辨识得到的转动惯量值作为神经网络的输入变量，神经网络的输出变量用来调整pi控制器的比例增益kp和积分增益ki，构建了一个三层的前馈神经网络模型，从而实现了对pi控制器参数的在线调整，在转动惯量发生剧烈变化时，使伺服系统仍然具有良好的动、静态性能。另外，由于神经网络也把系统的稳态误差和转速作了输入变量，在一定程度上也可以抑制负载转矩和其它的一些干扰的影响，大大增强了系统的鲁棒性。