永磁同步电机作为最常用的自动化设备执行器之一,在现代工业中扮演着不可或缺的作用。实际应用中,永磁同步电机往往需要执行周期跟踪任务,此时系统中会存在许多周期性干扰。重复学习控制通过利用上一周期的运行数据修正当前周期的控制输入,能够有效提高系统对周期轨迹的跟踪精度或消除周期性扰动的影响。本文研究永磁同步电机系统的自适应重复学习控制,以实现系统对周期性期望轨迹的高精度跟踪。主要研究内容包括:(1)建立参数化不确定永磁同步电机系统的数学模型,并设计自适应鲁棒控制器。进一步地,针对系统中参数不确定性的周期特性,提出自适应重复学习控制方法。通过设计重复学习律估计和补偿周期不确定性,从而消除周期扰动的影响,提高系统对周期性期望轨迹的跟踪性能。此外,通过引入限幅学习机制,保证学习律的有界性。(2)建立非参数化不确定永磁同步电机系统的数学模型,根据期望轨迹的周期特性,将非参数化不确定分成两个部分:周期性不确定和非周期性不确定。首先,设计周期性期望控制输入,使其包含周期性不确定部分,并设计全限幅学习律估计未知周期性期望控制输入,保证估计值被限制在预设的界内。然后,将非周期性不确定转化为参数化形式,并设计自适应更新律对其补偿。所设计的自适应重复学习控制器能够实现系统对周期性期望轨迹的高精度跟踪,且由于不包含符号函数,从而可以有效避免控制信号抖振问题。在此基础上,将对系统模型进行扩展,将自适应重复学习控制设计方法推广到一类非参数化不确定系统。(3)基于数字信号处理器DSP28335搭建永磁同步电机实验平台,验证论文中所提的控制方法。实验结果表明,本文所设计的自适应重复学习控制方法,通过对周期性期望控制输入的重复学习估计与补偿,能够实现高精度跟踪周期性期望轨迹。