-
公开(公告)号:CN108228975A
公开(公告)日:2018-06-29
申请号:CN201711337480.0
申请日:2017-12-14
Applicant: 北京理工大学
Abstract: 本发明公开了电机伺服控制系统参数辨识方法以及消隙控制方法,能够实现电机快速和准确跟踪的目的。本发明技术方案为:建立含有齿隙的电机伺服系统的动力学方程,根据电机和负载接触时的传输力矩来表示齿隙模型,针对齿隙模型进行线性化处理;针对含有齿隙的电机伺服系统的动力学方程进行离散化处理,利用离散化处理后的含有齿隙的电机伺服系统的动力学方程,对线性化处理后的齿隙模型进行重构得到第一紧凑型表达式,并采用递归最小二乘法对第一紧凑型表达式进行辨识,获得电机参数;将得到电机参数的辨识结果代入线性化处理后的齿隙模型之后,再次建立第二紧凑型表达式并辨识获得负载参数。同时基于辨识结果给出了消隙控制方法。
-
公开(公告)号:CN108228975B
公开(公告)日:2020-08-11
申请号:CN201711337480.0
申请日:2017-12-14
Applicant: 北京理工大学
Abstract: 本发明公开了电机伺服控制系统参数辨识方法以及消隙控制方法,能够实现电机快速和准确跟踪的目的。本发明技术方案为:建立含有齿隙的电机伺服系统的动力学方程,根据电机和负载接触时的传输力矩来表示齿隙模型,针对齿隙模型进行线性化处理;针对含有齿隙的电机伺服系统的动力学方程进行离散化处理,利用离散化处理后的含有齿隙的电机伺服系统的动力学方程,对线性化处理后的齿隙模型进行重构得到第一紧凑型表达式,并采用递归最小二乘法对第一紧凑型表达式进行辨识,获得电机参数;将得到电机参数的辨识结果代入线性化处理后的齿隙模型之后,再次建立第二紧凑型表达式并辨识获得负载参数。同时基于辨识结果给出了消隙控制方法。
-
公开(公告)号:CN108196446A
公开(公告)日:2018-06-22
申请号:CN201711337500.4
申请日:2017-12-14
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了模型未知的双电机负载的动态规划最优控制方法,能够应用神经网络逼近方法和自适应算法,计算得到对模型未知双电机伺服系统的最优控制。该方法包括如下步骤:建立针对双电机负载系统的神经网络模型,估计所述双电机负载系统的神经网络模型的权重参数。建立针对性能指标函数的神经网络模型,结合哈密尔顿-雅克比-贝尔曼HJB方程,估计所述性能指标函数的神经网络模型的权重参数。结合所述双电机负载系统的神经网络模型以及所述性能指标函数的神经网络模型采用HJB方程求解最优控制,获得每个电机的最优输入力矩。根据所述最优输入力矩对相应电机的参数进行调节。
-
公开(公告)号:CN108196446B
公开(公告)日:2020-04-17
申请号:CN201711337500.4
申请日:2017-12-14
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了模型未知的双电机负载的动态规划最优控制方法,能够应用神经网络逼近方法和自适应算法,计算得到对模型未知双电机伺服系统的最优控制。该方法包括如下步骤:建立针对双电机负载系统的神经网络模型,估计所述双电机负载系统的神经网络模型的权重参数。建立针对性能指标函数的神经网络模型,结合哈密尔顿‑雅克比‑贝尔曼HJB方程,估计所述性能指标函数的神经网络模型的权重参数。结合所述双电机负载系统的神经网络模型以及所述性能指标函数的神经网络模型采用HJB方程求解最优控制,获得每个电机的最优输入力矩。根据所述最优输入力矩对相应电机的参数进行调节。
-
公开(公告)号:CN108092560B
公开(公告)日:2020-04-17
申请号:CN201810037942.5
申请日:2018-01-16
Applicant: 北京理工大学
IPC: H02P5/46
Abstract: 本发明公开了一种双电机伺服系统的保性能鲁棒分散控制方法,能够针对含齿隙互联项的双电机伺服系统,在解决负载电机间耦合因素的影响下实现系统的负载跟踪和电机同步。包括如下步骤:对含齿隙的双电机伺服系统进行分析,采用齿隙的死区模型,建立双电机伺服系统的状态空间表达式。针对双电机伺服系统,在负载端未知非线性满足李氏条件下,利用线性二次型跟踪器设计最优状态反馈,并结合鲁棒控制器构造基于保性能的鲁棒分散跟踪控制器。在假定每个电机未知非线性均一致的情况下,设计最优积分滑模控制器实现两个电机之间的同步。结合保性能的鲁棒分散跟踪控制器与电机的最优积分滑模控制器构造每个电机的实际控制器对电机进行同步控制。
-
公开(公告)号:CN108092560A
公开(公告)日:2018-05-29
申请号:CN201810037942.5
申请日:2018-01-16
Applicant: 北京理工大学
IPC: H02P5/46
Abstract: 本发明公开了一种双电机伺服系统的保性能鲁棒分散控制方法,能够针对含齿隙互联项的双电机伺服系统,在解决负载电机间耦合因素的影响下实现系统的负载跟踪和电机同步。包括如下步骤:对含齿隙的双电机伺服系统进行分析,采用齿隙的死区模型,建立双电机伺服系统的状态空间表达式。针对双电机伺服系统,在负载端未知非线性满足李氏条件下,利用线性二次型跟踪器设计最优状态反馈,并结合鲁棒控制器构造基于保性能的鲁棒分散跟踪控制器。在假定每个电机未知非线性均一致的情况下,设计最优积分滑模控制器实现两个电机之间的同步。结合保性能的鲁棒分散跟踪控制器与电机的最优积分滑模控制器构造每个电机的实际控制器对电机进行同步控制。
-
公开(公告)号:CN107102634A
公开(公告)日:2017-08-29
申请号:CN201710327738.2
申请日:2017-05-11
Applicant: 北京理工大学
IPC: G05B23/02
CPC classification number: G05B23/02
Abstract: 本发明公开一种基于转台伺服系统的参数估计与跟踪控制方法,属于参数辨识和机电控制技术领域。本发明对含未知参数的转台伺服系统进行分析,按照机理建模方法建立含未知参数的转台伺服系统的数学模型;采用滤波理论更新自适应率,引入带有遗忘因子的性能指标函数,通过最优化性能指标函数,设计变增益自适应率实现最优自适应参数估计;采用超螺旋算法的滑膜控制设计系统的控制器实现位置跟踪控制。本发明能够实现系统的参数估计和跟踪控制,具有下述优点:(1)、减小系统参数估计超调量,加快参数估计收敛性;(2)、保证跟踪误差在有限时间收敛到零;不需要获得滑模变量的导数信息,且不需要滑模的控制律为连续;消除抖振、提高控制器鲁棒性。
-
公开(公告)号:CN109946975B
公开(公告)日:2020-04-24
申请号:CN201910295400.2
申请日:2019-04-12
Applicant: 北京理工大学
Abstract: 本发明主要涉及模型未知伺服系统的强化学习最优跟踪控制器的设计方法。主要基于简化的强化学习评价‑执行结构,应用高阶神经网络逼近方法,介绍模型未知伺服系统的强化学习最优跟踪控制器的设计方法,加快电机最优跟踪控制求解速度。针对模型未知的伺服系统,首先应用多层神经网络智能辨识系统模型,求解稳态控制;给定性能指标,应用高阶神经网络逼近最优性能指标函数;根据近似的性能指标函数和辨识的系统模型建立哈密尔顿‑雅克比‑贝尔曼(HJB)方程,求得伺服系统最优反馈控制。根据求得的稳态控制和最优反馈控制,计算最优跟踪控制,使负载转角和转速快速跟踪给定信号的同时,跟踪误差积累值和系统能耗同时达到最小。
-
公开(公告)号:CN109946975A
公开(公告)日:2019-06-28
申请号:CN201910295400.2
申请日:2019-04-12
Applicant: 北京理工大学
Abstract: 本发明主要涉及模型未知伺服系统的强化学习最优跟踪控制器的设计方法。主要基于简化的强化学习评价-执行结构,应用高阶神经网络逼近方法,介绍模型未知伺服系统的强化学习最优跟踪控制器的设计方法,加快电机最优跟踪控制求解速度。针对模型未知的伺服系统,首先应用多层神经网络智能辨识系统模型,求解稳态控制;给定性能指标,应用高阶神经网络逼近最优性能指标函数;根据近似的性能指标函数和辨识的系统模型建立哈密尔顿-雅克比-贝尔曼(HJB)方程,求得伺服系统最优反馈控制。根据求得的稳态控制和最优反馈控制,计算最优跟踪控制,使负载转角和转速快速跟踪给定信号的同时,跟踪误差积累值和系统能耗同时达到最小。
-
公开(公告)号:CN107102634B
公开(公告)日:2019-06-04
申请号:CN201710327738.2
申请日:2017-05-11
Applicant: 北京理工大学
IPC: G05B23/02
Abstract: 本发明公开一种基于转台伺服系统的参数估计与跟踪控制方法,属于参数辨识和机电控制技术领域。本发明对含未知参数的转台伺服系统进行分析,按照机理建模方法建立含未知参数的转台伺服系统的数学模型;采用滤波理论更新自适应率,引入带有遗忘因子的性能指标函数,通过最优化性能指标函数,设计变增益自适应率实现最优自适应参数估计;采用超螺旋算法的滑膜控制设计系统的控制器实现位置跟踪控制。本发明能够实现系统的参数估计和跟踪控制,具有下述优点:(1)、减小系统参数估计超调量,加快参数估计收敛性;(2)、保证跟踪误差在有限时间收敛到零;不需要获得滑模变量的导数信息,且不需要滑模的控制律为连续;消除抖振、提高控制器鲁棒性。
-
-
-
-
-
-
-
-
-