论文部分内容阅读
传统的旋转电机通过齿轮、皮带和滚珠丝杠等装置间接获得直线运动,然而该驱动方式涉及的中间部件较多,使得系统存在着弹性变形、机械损耗、摩擦等问题,同时这种技术已经无法满足人们对加工精度的要求。而永磁直线同步电机(PMLSM)具有结构简单、响应快速、定位精密等特点,已在微电子生产、工业机器人、航空航天等领域广泛应用。但PMLSM易受到参数摄动、负载扰动等不确定因素的影响,进而影响系统的稳定运行及跟踪控制精度。为了削弱PMLSM中不确定因素对系统性能的影响,提高系统的跟踪控制精度,增强系统的鲁棒稳定性,本文主要进行了以下几个方面的研究:首先,针对PMLSM系统速度环受到参数摄动和负载扰动影响的问题,提出了一种基于非线性干扰观测器的反步滑模控制方法。该方法通过构造非线性干扰观测器对系统的不确定项进行观测估计,并将输出的观测值引入到而后设计的反步滑模控制器中进行补偿。仿真结果表明:所提控制方法有效提高了系统的动静态性能和鲁棒稳定性。其次,针对PMLSM系统速度环和电流环同时受到参数摄动、负载扰动和未建模动态影响的问题,提出了一种基于极限学习机(ELM)神经网络的动态面反步滑模控制方法。该方法通过构造非线性干扰观测器(NDO)和ELM神经网络分别对系统的非匹配不确定项和匹配不确定项进行观测估计,并将输出的观测值引入到而后设计的动态面反步滑模位移跟踪控制器中进行补偿;采用人工鱼群-蛙跳混合算法对所设计控制器的主要参数进行优化,有效提高了系统的位移跟踪精度和响应速度。最后,为了实现PMLSM位移跟踪误差在固定时间内收敛,提出了一种基于固定时间干扰观测器的动态面反步控制方法。该方法通过构造固定时间收敛观测器对系统的非匹配不确定项和匹配不确定项进行观测估计;将动态面与反步控制相结合完成PMLSM位移跟踪控制器的设计,有效避免了常规反步控制中存在的“微分爆炸”问题,简化了系统控制器的设计过程,并使系统状态能够在固定时间内收敛。