论文部分内容阅读
电机控制研究在工业界与学术界具有重要的意义,其中电机位置跟踪控制是目前的关键技术之一。本课题以永磁直线同步电机伺服系统为研究对象,进行了电机位置跟踪控制研究。针对电机位置跟踪控制,本文主要进行了如下的工作:首先,研究了永磁直线同步电机的数学模型,并详细介绍永磁直线同步电机的基本结构与基本工作原理、永磁直线同步电机的数学模型并阐述了直线电机与旋转电机在结构和工作原理上的关系并进行比较,以及选用永磁直线同步电机作为伺服系统的必要性。其次,针对直线电机位置跟踪控制问题,本文建立了双闭环电机跟踪控制策略,速度环采用比例积分微分控制,位置环采用迭代学习控制。考虑到迭代学习收敛速度慢并且迭代初期误差大的问题,本文在迭代学习的基础上进一步改进,采用预测式迭代学习控制作为位置跟踪控制回路,并与比例积分微分控制相结合,形成了预测迭代学习与比例积分微分相结合的控制策略。通过Matlab/Simulink进行建模与仿真,结果表明,预测迭代学习与比例积分微分相结合的控制策略可以在迭代初期有效地对系统轨迹误差进行补偿并且具有比迭代学习与比例积分微分相结合的控制策略收敛速度更快的特点。再次,考虑到电机在工作过程中,会由于外界环境的干扰以及电机本身的非线性因素导致跟踪误差,同时,自抗扰控制器在抗干扰控制方面具有广泛应用。基于上述考虑,本文将速度环比例积分微分控制算替换为自抗扰控制,并与预测迭代学习控制结合构成预测迭代学习与自抗扰相结合的控制策略对电机位置进行控制,通过Matlab/Simulink进行建模与仿真,结果表明,提出的预测迭代学习与自抗扰相结合的控制策略能够很好的抵抗外界的不确定因素。最后,鉴于自抗扰控制器参数设计具有较强的经验因素,本文采用改良型粒子群优化算法对其进行快速寻优寻求最佳的控制参数。通过Matlab/Simulink对所设计的控制系统进行建模与仿真,结果表明,基于改良粒子群演算法的预测迭代学习与自抗扰相结合的控制策略具有更好的抗外界未知干扰的能力。