Super-Twisting Sliding Mode Control of Linear Magnetic Drive System Based on Fuzzy Variable Gain
-
摘要:
针对直线磁力驱动系统的位置跟踪精度易受外部扰动等不确定因素影响以及滑模控制中的抖振问题,提出一种基于模糊变增益的超螺旋滑模控制策略. 首先,介绍直线磁力驱动系统的工作原理,建立含扰动的直线磁力驱动系统数学模型;其次,使用超螺旋滑模算法设计速度控制器,实现系统精确、快速的收敛,并通过Lyapunov函数证明系统稳定性,进一步地,使用模糊算法对超螺旋滑模增益进行自适应调节;最后,对所提复合控制方法进行实验验证. 结果表明:基于模糊变增益的超螺旋滑模控制位置跟踪精度高,响应速度快;相对于超螺旋滑模控制,阶跃位置跟踪响应时间缩短28%,稳态误差从3 μm减小到1 μm,并且没有抖振现象;正弦位置跟踪相位差减小13%,位置跟踪精度提升14%;方波位置跟踪有更好的动态性能;施加扰动后,系统到达稳态时间减小13%,受到负载之后的延迟时间减小80%,抗扰性能大幅提升.
Abstract:To enhance the position tracking accuracy of the linear magnetic drive system susceptible to uncertainties such as external perturbations and address the jitter in sliding mode control, a super-twisting sliding mode control strategy was proposed based on the fuzzy variable gain. First, the working principle of the linear magnetic drive system was introduced, and its mathematical model was established with perturbations considered. Next, a speed controller based on the super-twisting sliding mode algorithm was designed to ensure fast and accurate system convergence. The stability of the system was verified by using the Lyapunov function, and the gain of the algorithm was adaptively adjusted via a fuzzy algorithm. Finally, the proposed composite control method was validated through experiments. Results demonstrate that super-twisting sliding mode control based on the fuzzy variable gain achieves high position tracking accuracy and fast response. Compared to that of the original super-twisting sliding mode control, the step position tracking response time is reduced by 28%, and the steady state error decreases from 3 µm to 1 µm. There is no jitter. The phase difference in sinusoidal position tracking is reduced by 13%, and the tracking accuracy increases by 14%. Additionally, square wave position tracking exhibits enhanced dynamic performance. The time of the system to reach a steady state declines by 13% after perturbations are applied, and the delay time is reduced by 80% after the load is applied, significantly enhancing perturbation resistance.
-
随着现代工业高精度技术、高性能产业的快速发展,直线磁力驱动系统以其结构简单、高精度、低功耗、推力大、快速响应以及易于控制等优势[1-2],在工业生产、航空航天、交通运输、医疗设备等领域都有着巨大的发展潜力[3-4]. 然而,在精密仪器、激光元件以及医疗等产品的生产制造中,产品制造车间的洁净程度决定了产品生产的效率与品质,为提升生产环境的洁净度,本团队已研制出功耗小、温升低且能够实现三自由度稳定悬浮的永磁悬浮平台[5],并成功设计出用于磁悬浮平台直线传送的直线磁力驱动系统[6],实现生产车间的超洁净运输.
为实现直线磁力驱动系统的高精度传送,所采用的控制策略必须满足高动态响应的要求,才能使控制系统具有较高的带宽,从而提升控制精度. 此外,直线磁力驱动系统的直接驱动结构也会导致摩擦力与周期性推力波动等干扰影响其位置跟踪精度[7-8]. 因此,直线磁力驱动系统的控制器设计中必须重点考虑上述因素,所采用的控制策略应具有动态响应快,并且对各种干扰具有较强鲁棒性等特点,以满足高精度定位的需求. 然而,传统的比例、积分、微分(PID)控制难以达到令人满意的控制效果.
为提高直线磁力驱动系统的控制性能,提出了多种控制策略,如神经网络控制[9-10]、分数阶复合控制[11-12]、模糊控制[13-15]、滑模控制 (SMC) [16-19]等. 其中,滑模控制具有算法简单、鲁棒性强且容易实现等优点,但滑模控制方法存在抖振问题. 学者们研究了多种方法来削弱滑模控制中的抖振现象. 文献[18]提出一种定结构的滑模控制器,该控制器保证系统状态都位于滑模面的同一侧,以此来降低抖振现象,并且使用扩展滑模扰动观测器对定结构滑模控制器中无法精确测量的系统扰动项进行观测,并补偿消除系统扰动;但这种方法中观测器精度对系统模型和参数有很强的依赖性,而且算法比较复杂. 文献[19]采用边界层积分滑模技术来减小抖振,这种方法仅能保证系统状态收敛到以滑动面为中心的边界层内,且只能通过较窄的边界层来任意接近滑模面,而不能使系统状态收敛到滑模面. 于是,各种高阶滑模算法相继被提出[20-21],其中,超螺旋滑模算法(ST-SMA)是使用最广泛的一种,将符号函数集成在积分项中,并将比例项替换成滑膜函数s,使得输出信号连续且无抖振,具有较强的鲁棒性. 文献[22]在传统超螺旋滑模算法中加入比例项,构建出快速超螺旋滑膜算法改进转速环,提高了系统的响应速度,但没有考虑对系统的抗扰性能和控制精度的影响,系统仍然会有较大的稳态误差. 文献[23]将超螺旋滑膜算法与自抗扰控制算法相结合,提升了系统的响应速度与抗扰性能,但是自抗扰控制算法参数较多,调试复杂.
为实现直线磁力驱动系统的高精度控制,基于滑模控制,本文设计超螺旋滑模控制器,利用Lyapunov函数证明含扰动的系统稳定性;针对系统运行过程中参数摄动与不确定性扰动的问题,在超螺旋滑模控制器的基础上结合模糊控制,使用模糊算法对超螺旋滑模增益进行自适应调节;通过实验验证模糊超螺旋滑模算法(FST-SMA)的正确性.
1. 直线磁力驱动系统原理与数学模型
直线磁力驱动系统的整体结构如图1所示. 磁力直驱系统主要由动子初级绕组和定子次级永磁体部分组成.
动子绕组部分采用双边U型无铁心绕组对称结构,并用环氧树脂封装固定,如图2所示. 为提高推力,在绕组背部加入背铁,从而增加磁通返回路径,提高驱动系统的推力密度.
定子次级永磁体采用三段式Halbach阵列排布,磁铁阵列排布示意如图3所示. 其中,径向充磁的永磁体在Halbach阵列中起主导作用,而切向充磁的永磁体起辅助作用,不同充磁方向产生的磁场相互叠加和干涉,在阵列一侧汇聚磁力线,形成较强的磁场;在另一侧,磁力线相互抵消或分散,磁场强度大幅降低,从而形成单边磁场,提高磁性材料利用率,并且有更好的正弦气隙磁通密度分布与正弦反电动势.
当向初级绕组内通入三相电流时,由正弦规律产生的交流电随时间变化产生行波磁场,与永磁体产生的静磁场相互作用,产生电磁推力推动动子线性移动.
假设空间磁场呈正弦分布,磁路近似为线性且不计磁阻和涡流损耗影响,直线磁力驱动系统采用q轴电流为0的磁场定向控制,力矩与定子电流的幅值成正比,从而实现直线磁力驱动系统的完全解耦控制. 此时,直线磁力驱动系统在d、q坐标系下的电流平衡方程为
[diddtdiqdt]=−[RLdRLq][idiq]+[LqLdπvτLdLqπvτ][idiq]+[1Ld1Lq][uduq]−[0πvτψfLq], (1) 式中:ud (uq)、id (iq)、Ld (Lq)分别为d (q)轴的动子电压、电流与电感;ψf为定子永磁体磁链;R为动子线圈电阻;τ为永磁体极距;v=τ/(πw),为动子线速度,w为角速度;t为时间.
根据能量守恒定律,直线磁力驱动系统的电磁功率Pe可由式(2)求出.
Pe=Fev=32Pnw(ψdiq−ψqid), (2) 式中:Fe为电磁推力,ψd(ψq)为d (q)轴磁链,Pn为极对数.
由于ψd=Ldid+ψf,ψq=Lqiq,本文使用直线驱动系统Ld=Lq,电磁推力方程可表示为
Fe=3π2τPn[ψf+(Ld−Lq)id]iq=3π2τPnψfiq. (3) 动子运动方程为
M˙v=Fe−Bvv−FL, (4) 式中:Bv为黏滞摩擦系数,M为动子和负载的总质量,FL为负载推力.
2. 基于超螺旋滑模算法的控制器设计
2.1 控制器设计
ST-SMA是从高阶滑模理论推导出来的,其运行轨迹是一条超螺旋曲线,在一定时间内可以收敛到原点[24].
通常超螺旋滑模控制的具体表达式为
{u=−a|s|rsgns+z,˙z=−bsgns, (5) 式中:u、z为状态变量,a和b均为正增益常数,r为待设计参数.
在超螺旋控制器的设计中,通常只需要知道滑膜函数s的信息而不需要知道s的一阶导数值. 该控制器主要由两部分组成:第一部分是滑模变量的非线性不连续函数,可以通过改变r来改变非线性变量,通常r取值为1/2;第二部分为滑模变量的积分值[25].
根据超螺旋算法的设计原则,首先选择速度滑模面函数为
s=v−v∗, (6) 式中:v∗为参考速度.
结合式(3)、(4)对滑模面求导可得
˙s=˙v−˙v∗=bu+φ(t), (7) 式中:b=3πPnψf2τM;控制器输入iq∗作为状态变量u,iq∗为用于替代iq的参考电流;φ(t)=−Bv−3π2τPnψf(i∗q−iq)−FLM−˙v∗,为总扰动.
对于式(7),基于超螺旋算法的二阶滑模控制器可以设计为
{u=−k1|s|1/2sgns+y,˙y=−k2sgns+˙φ, (8) 式中: k1和k2均为正增益常数,k1主要用于调节超螺旋控制器的非线性项,确保系统在滑模面附近快速收敛,k2与系统的鲁棒性直接相关,起到对未知扰动和建模误差的补偿作用;y为超螺旋滑模算法的状态变量.
2.2 稳定性分析
对于ST-SMA的稳定性分析,借鉴文献[26-27]提出类二次型Lyapunov函数的证明方法,对式(7)所示系统进行稳定性证明.
定义状态变量ζ为
ζT=[ζ1ζ2]=[|s|1/2sgnsy], (9) 求导可得
˙ζ=[|s|−1/2(−k1|s|1/2sgns+y)/2−k2sgns+˙φ]=|s|−1/2[(−k1ζ1+ζ2)/2−k2ζ1+|ζ1|˙φ]. (10) 对式(10)进一步化简可得
˙ζ=1|ζ1|(Aζ+˜φ), (11) 式中:A=[−k1/2−k2 1/20],˜φ=[0˙φ]T.
选取类二次型Lyapunov函数对系统进行稳定性分析,如式(12).
V=ζTPζ, (12) 式中:P为实对称正定矩阵,P=[2k2+k21/2−k1/2 −k1/21].
式(12)中V为连续正定函数,除集合{s=0}外,V处处可微,对V沿系统轨迹求导有
˙V=˙ζTPζ+ζTP˙ζ=1|ζ1|[ζT(ATP+PA)ζ+˜φTPζ+ζTP˜φ]. (13) 若系统扰动˙φ有界且满足|˙φ|⩽λ|ζ1|,λ>0,此时式(13)可表示为
˙V⩽1|ζ1|ζT(ATP+PA+BP+PC)ζ, (14) 式中:B=[0λ00],C=[00λ0].
令ATP+PA+BP+PC=−Q<0,˙V⩽−1|ζ1|ζTQζ,此时
Q=[k1k2+k1λ−k21/2−λ −k21/2−λk1/2]. (15) 根据Lyapunov稳定性定理,若控制系统稳定,则式(14)要满足˙V⩽−1|ζ1|ζTQζ<0,因此,Q需为正定矩阵,即
{k1>λ,k2>k41+λk21+2λ22k21. (16) 若增益k1、k2满足式(16)条件时,Q为正定矩阵,此时˙V⩽−1|ζ1|ζTQζ<0,系统满足Lyapunov稳定性条件.
3. 模糊超螺旋滑模控制器设计
在超螺旋滑模控制器中,系统响应的快慢和应对不确定性扰动的能力由控制律第一部分k1|s|1/2sgns决定. 系统其他参数不变,不同k1值下位移、速度响应仿真曲线如图4所示.
由图4可知:增益k1与系统的上升时间、趋近速度、振荡幅度呈正相关. 由此可以设计二维模糊控制器对超螺旋滑模控制器增益k1进行实时修正和调整,并且,将k1的变换范围设计在合理的区间之内,避免k1过大使得系统振荡,过小导致系统响应时间过长. 当系统外部状态变化时,增益k1也相应的实时变化;当系统处于趋近阶段或者系统存在外部扰动时,增益k1增大以提升系统响应速度和减小扰动带来的影响;当系统处于稳定,增益k1减小以柔化控制信号,减轻或避免滑模抖振现象. 以s及其微分作为模糊控制器的输入,输出量为增益变化量Δk,此时,超螺旋滑模控制器增益k1=k + Δk,k为超螺旋滑模控制器的固定增益. 基于以上分析,设计模糊规则如下:如果s˙s>0,则Δk增大;如果s˙s<0,则Δk减小.
记s与˙s的基本论域为[−1,1],模糊控制器输出变量的基本论域为[−1,1]. 输入、输出模糊集定义为{NB NM ZE PM PB},其中:NB为负大,NM为负小,ZE为正中,PM为正小,PB为正大. 输入、输出隶属度函数如图5所示,模糊规则如表1所示.
模糊控制器的结构框图如图6所示. s和˙s作为滑模控制器输入,Ep、Ed、Ei为比例、微分、积分的量化因子,按照模糊规则和重心法得到增益变化量Δk.
直线磁力驱动控制系统使用三闭环复合控制,三环由内向外分别为电流环、速度环和位置环,其中位置环使用比例P控制,电流环使用比例、积分PI控制. 速度环使用本文所设计模糊超螺旋滑模控制策略,基于模糊超螺旋滑模控制的直线磁力驱动控制系统结构如图7所示. 图中:FST-SMA为模糊超螺旋滑膜算法,SVPWM为空间矢量脉宽调制,VSI为电压源型逆变器,iα、iβ (uα、uβ)分别为坐标变换中α、β坐标系下的电流(电压),X、X* 分别为反馈位移和参考位移,θe为驱动系统在坐标变换中所需要的电角度.
表 1 模糊规则Table 1. Fuzzy ruless ˙s NB NM ZE PM PB NB PB PM ZE NM NB NM PM PM ZE NM NM ZE ZE ZE ZE ZE ZE PM NM NM ZE PM PM PB NB NM ZE PM PB 4. 实验验证
4.1 实验平台介绍
为验证所提出的模糊自适应超螺旋算法的有效性,提升直线磁力驱动系统的控制精度与抗扰性能,搭建实验系统如图8所示. 整个实验系统由5部分组成:直线磁力驱动系统原理样机,驱动器、dSPACE、位移传感器(MSK5000)和上位机. 位置传感器用于读取位置信息形成反馈控制,上位机主要是对位置环与速度环控制方法进行设计,dSPACE对接收到的信息进行处理后生成控制电流,驱动器通过将控制电流进行处理后生成三相电流来驱动直线磁力驱动系统.
按照dSPACE的开发流程,在上位机中使用MATLAB/Simulink软件进行控制方法设计,dSPACE快速原型系统作为主控制器将Simulink控制框图自动编译成C代码下载到实时系统硬件中,之后通过I/O口将数字量转成模拟量输出给驱动器,生成控制电流对直线磁力驱动系统进行控制. 实验进行中可以使用ControlDesk的调控界面对实验过程和参数进行实时的动态显示和控制,从而使直线磁力驱动系统的控制性能达到最优,直线磁力驱动系统具体参数见表2所示.
表 2 直线磁力驱动系统参数表Table 2. Parameters of linear magnetic drive system参数 M/kg Pn τ/mm ψf/Wb R/Ω Lq/mH Ld/mH 取值 2.99 5 12 5.5 3.8 0.85 0.85 4.2 阶跃响应分析
为验证本文控制方法的启动性能,FST-SMA、ST-SMA、SMC与传统PI 4种控制方法的100 mm阶跃响应实验结果如图9所示,各个控制策略参数取值如表3所示. 表中:kp、ki为速度环为PI控制时的PI参数. SMC具体参数由于本文没有对4个控制器参数含义进行介绍,所以不进行具体说明,其位置环参数与其他控制方法位置环参数相同. 下文实验中方波轨迹跟踪与本组参数相同.
从图9(a)中可以看出:在施加阶跃信号后PI控制响应最快,但是有15 mm的超调量,并且到达稳态时间很长,在5 s后,稳态误差为30 μm. 而FST-SMA比ST-SMA和SMC能更快到达,FST-SMA到达稳态时间为0.88 s,ST-SMA为1.03 s;从局部图可以看出SMC控制的稳态误差约为6 μm,ST-SMA控制的稳态误差约为3 μm,FST-SMA的稳态误差为1 μm. 从图9(b)可以看出,FST-SMA相比ST-SMA有更高的响应速度,并且速度最先降到平稳状态,阶跃跟踪响应时间缩短28%.
表 3 控制器参数表Table 3. Controller parameters控制方法 参数 FST-SMA 位置环 Kp=11;速度环 k1=2, k2=10,
Ep=1.2,Ed=0.8,Ei=0.5ST-SMA 位置环 Kp=11;速度环 k1=2, k2=10 PI 位置环 Kp=11;速度环 kp=5, ki=2 从实验结果可以看出,ST-SMA由于增益固定,在所给定控制器参数下,系统收敛速度与跟踪精度无法同时满足,当位移到达100 mm,系统处于稳态时,系统总扰动φ变得很小,此时较大的增益k1会加剧滑模的抖振现象. 从图9(c)可以看出,FST-SMA在系统收敛初期增大增益以提升系统响应速度,在系统趋于稳态时又减小增益以大幅度降低滑模控制带来的抖振,使得系统在稳态时的误差仅为1 μm,并且大幅度提升了系统的动态特性,验证了所提控制器的有效性.
4.3 跟踪性能分析
直线磁力驱动系统在实际应用中,通常执行变速运动,为验证本文所设计的FST-SMA控制器的动态跟踪性能. 设置x=20sin3t rad的正弦轨迹与幅值20 mm、频率0.5 Hz和幅值40 mm、频率0.5 Hz的方波轨迹来验证所提控制方法的优异性. 各个控制策略参数取值如表4所示,SMC控制位置环Kp=80.
表 4 正弦轨迹跟踪控制器参数表Table 4. Parameters of sinusoidal trajectory tracking controller控制方法 参数 FST-SMA 位置环 Kp=80;速度环 k1=4, k2=20,
Ep=1.2,Ed=0.8,Ei=0.5ST-SMA 位置环 Kp=80;速度环 k1=4, k2=20 PI 位置环 Kp=80;速度环 kp=10, ki=6 图10(a)为4种控制方法的正弦轨迹跟踪实验对比结果. 从图中可以看出:4种控制方法都可以对所给正弦信号进行有效跟踪,但都存在一定量的相位差,FST-SMA控制的相位差约为0.99°,ST-SMA控制的相位差约为1.12°,SMC控制的相位差约为1.47°,PI控制的相位差约为1.96°;从局部图看,FST-SMA控制的跟踪抖振相比其他控制方法较为平滑. 图10(b)为4种控制方法的位置跟踪误差. 可以看出,FST-SMA控制、ST-SMA控制、SMC控制、PI控制的最大跟踪误差分别为0.71、0.81、1.12、1.40 mm.
当直线磁力驱动系统沿着正弦轨迹运动时,不同于阶跃轨迹,此时系统一直处于持续运动状态,系统速度也随着正弦曲线发生变化,系统扰动随着速度的变化而不断发生着变化,如图10(c)所示:FST-SMA的增益k1也随着系统扰动的变化而不断变化,以柔滑控制信号,减小滑模抖振现象,并且提升了系统的动态性能,实验结果证明了FST-SMA的有效性.
综合上述分析,即正弦信号跟踪目标下,采用本文FST-SMA控制的抖动最小,位置误差最小,对直线磁力驱动系统有更好的控制精度.
从图9阶跃轨迹跟踪实验结果看,SMC和PI控制的收敛时间较长,在0.5 Hz的方波轨迹下无法收敛. 因此,方波对比实验只针对FST-SMA与ST-SMA控制.
使用幅值不同,频率相同的2组方波对比实验验证模糊控制器增益对超螺旋滑模控制器的动态补偿效果,2组方波实验所用参数完全一致. 如图11(a)所示:FST-SMA控制到达目标位置的时间是0.85 s,之后达到稳定状态,误差为1 μm,而ST-SMA在0.87 s时越过目标位置并且持续上升最终到达 20.02 mm处;从局部图来看,ST-SMA在位移切换点处的跟踪效果不好,较大的增益值使得系统产生一定的超调,并且一直有抖振现象存在.
如图11(b)所示:当方波幅值从20 mm增加到40 mm时,此时系统到达目标位移的时间增加;从局部图看,FST-SMA到达目标位置的时间是0.95 s,之后进入稳定状态,而ST-SMA在所设参数下没有能够在1.00 s内到达目标位置,一直处于上升阶段,最终到达位置39.77 mm后进行位移反转;FST-SMA的滑模抖振从2.80 s时开始逐渐减小,直到2.95 s后几乎没有波动,而ST-SMA的抖振现象一直存在直至位移反转. 2组不同幅值的方波对比实验证明了本文所提控制策略的有效性.
4.4 轨迹跟踪下的系统抗扰性能分析
为进一步验证FST-SMA在系统收到扰动下的性能,在100 mm阶跃实验中,直线磁力驱动系统在运动到90 mm后的某一位移处拉拽400 g的砝码来模拟系统受到的负载扰动,如图12所示. 实验结果表明:在该实验条件下,4种控制方法均能使系统回到给定目标值,PI控制的整体性能最差,在超调之后,经过1.00 s的延迟后系统缓慢回到给定位置,有较大的延迟性,并且到达稳态时间最长,在本组实验中,在5.00 s后系统还未完全稳定;SMC控制在受到负载扰动后也有0.90 s的延迟,最后到达参考位置;对于负载扰动的影响,ST-SMA控制相比PI控制和SMC控制较小,从放大图看,经过0.10 s的位移延迟后迅速到达给定位置;FST-SMA的整体控制效果最好,在受到负载扰动之后,位移曲线几乎没有延迟,经过小幅度振荡之后迅速到达给定位置,并且收敛速度也最快,相比ST-SMA,FST-SMA到达稳态时间减小13%,受到负载后延迟时间减小80%,抗扰性能大幅提升,表现最佳.
结合以上空载,负载实验结果可以明显看出,相比ST-SMA,FST-SMA不仅可以增加直线磁力系统的反应速度,提升系统的控制精度,并且可以消除滑模控制中的抖振现象,在受到不确定外部扰动之后FST-SMA可以更快地调整控制策略,展现出更强的鲁棒性.
5. 结 论
本文介绍了直线磁力驱动系统的基本原理与结构,建立了含扰动的直线磁力驱动系统数学模型,并设计了具有模糊变增益的超螺旋滑模控制器,通过实验验证得到以下结论:
1) 通过分析传统超螺旋滑模控制策略的增益对系统的影响,提出将模糊控制与超螺旋滑模控制相结合,以改变超螺旋滑模的固定增益,增强系统应对参数摄动与外部扰动的能力.
2) 提出的模糊超螺旋滑模控制策略可以加快滑模变量的收敛速度,从而提升系统的动态响应速度,当系统收敛后,对超螺旋增益适当减小以提高系统的跟踪精度,并且可以削弱滑模控制的抖振现象. 通过实验验证了所提控制策略的有效性,比起超螺旋滑模控制,模糊超螺旋滑模控制可以将阶跃位置跟踪的稳态误差从3 μm降低到1 μm,持续阶跃的方波轨迹有更好的动态特性,正弦轨迹跟踪的相位差减小13%,位置跟踪精度提升14%.
3) FST-SMA在受到同样给定负载扰动情况下的抗干扰性能更好,施加负载扰动后,FST-SMA的到达稳态时间最短,并且位移波动最小.
-
表 1 模糊规则
Table 1. Fuzzy rules
s ˙s NB NM ZE PM PB NB PB PM ZE NM NB NM PM PM ZE NM NM ZE ZE ZE ZE ZE ZE PM NM NM ZE PM PM PB NB NM ZE PM PB 表 2 直线磁力驱动系统参数表
Table 2. Parameters of linear magnetic drive system
参数 M/kg Pn τ/mm ψf/Wb R/Ω Lq/mH Ld/mH 取值 2.99 5 12 5.5 3.8 0.85 0.85 表 3 控制器参数表
Table 3. Controller parameters
控制方法 参数 FST-SMA 位置环 Kp=11;速度环 k1=2, k2=10,
Ep=1.2,Ed=0.8,Ei=0.5ST-SMA 位置环 Kp=11;速度环 k1=2, k2=10 PI 位置环 Kp=11;速度环 kp=5, ki=2 表 4 正弦轨迹跟踪控制器参数表
Table 4. Parameters of sinusoidal trajectory tracking controller
控制方法 参数 FST-SMA 位置环 Kp=80;速度环 k1=4, k2=20,
Ep=1.2,Ed=0.8,Ei=0.5ST-SMA 位置环 Kp=80;速度环 k1=4, k2=20 PI 位置环 Kp=80;速度环 kp=10, ki=6 -
[1] 卢琴芬,沈燚明,叶云岳. 永磁直线电动机结构及研究发展综述[J]. 中国电机工程学报,2019,39(9): 2575-2588.LU Qinfen, SHEN Yiming, YE Yunyue. Development of permanent magnet linear synchronous motors structure and research[J]. Proceedings of the CSEE, 2019, 39(9): 2575-2588. [2] CUI F R, SUN Z L, XU W, et al. Comparative analysis of bilateral permanent magnet linear synchronous motors with different structures[J]. CES Transactions on Electrical Machines and Systems, 2020, 4(2): 142-150. doi: 10.30941/CESTEMS.2020.00019 [3] CHEN S Y, CHIANG H H, LIU T S, et al. Precision motion control of permanent magnet linear synchronous motors using adaptive fuzzy fractional-order sliding-mode control[J]. IEEE/ASME Transactions on Mechatronics, 2019, 24(2): 741-752. doi: 10.1109/TMECH.2019.2892401 [4] WANG M Y, KANG K, ZHANG C M, et al. Precise position control in air-bearing PMLSM system using an improved anticipatory fractional-order iterative learning control[J]. IEEE Transactions on Industrial Electronics, 2024, 71(6): 6073-6083. doi: 10.1109/TIE.2023.3290251 [5] 赵川,孙凤,裴文哲,等. 永磁悬浮平台的分散串级控制方法[J]. 西南交通大学学报,2022,57(3): 618-626. doi: 10.3969/j.issn.0258-2724.20210960ZHAO Chuan, SUN Feng, PEI Wenzhe, et al. Independent cascade control method for permanent magnetic levitation platform[J]. Journal of Southwest Jiaotong University, 2022, 57(3): 618-626. doi: 10.3969/j.issn.0258-2724.20210960 [6] JIN J J, WANG X, ZHAO C, et al. Characteristics analysis of an electromagnetic actuator for magnetic levitation transportation[J]. Actuators, 2022, 11(12): 377.1-377.16. [7] 康劲松,丁浩,倪菲,等. 计及悬浮系统影响的高速磁浮直线同步电机建模方法[J]. 西南交通大学学报,2024,59(4): 729-736. doi: 10.3969/j.issn.0258-2724.20230431KANG Jingsong, DING Hao, NI Fei, et al. Modeling of high-speed maglev linear synchronous motors considering influence of suspension system[J]. Journal of Southwest Jiaotong University, 2024, 59(4): 729-736. doi: 10.3969/j.issn.0258-2724.20230431 [8] 丰富,胡海林,钟德鸣,等. 基于改进互联型全阶观测器的直线感应电机在线参数辨识[J]. 西南交通大学学报,2024,59(4): 776-785. doi: 10.3969/j.issn.0258-2724.20230507FENG Fu, HU Hailin, ZHONG Deming, et al. Online parameter identification of linear induction motors based on improved interconnected full-order observer[J]. Journal of Southwest Jiaotong University, 2024, 59(4): 776-785. doi: 10.3969/j.issn.0258-2724.20230507 [9] ZHAO X M, FU D X. Adaptive neural network nonsingular fast terminal sliding mode control for permanent magnet linear synchronous motor[J]. IEEE Access, 2019, 7: 180361-180372. doi: 10.1109/ACCESS.2019.2958569 [10] MAN F, WANG R K, CHEN Q Y, et al. Research on speed sensorless control of permanent magnet linear synchronous motor based on PID neural network[C]//2019 22nd International Conference on Electrical Machines and Systems (ICEMS). Harbin: IEEE, 2019: 1-4. [11] 刘志坚,蓝益鹏,徐泽来. 磁悬浮平台直线同步电动机悬浮系统的分数阶反步控制[J]. 电机与控制应用,2023,50(11): 52-58. doi: 10.12177/emca.2023.127LIU Zhijian, LAN Yipeng, XU Zelai. Fractional order backstepping control of linear synchronous motor suspension system of magnetic levitation platform[J]. Electric Machines & Control Application, 2023, 50(11): 52-58. doi: 10.12177/emca.2023.127 [12] 钟永彬,高健,冯富原,等. 基于闭环辨识模型的永磁同步直线电机分数阶反馈控制方法[J]. 中国机械工程,2023,34(23): 2773-2780,2793. doi: 10.3969/j.issn.1004-132X.2023.23.001ZHONG Yongbin, GAO Jian, FENG Fuyuan, et al. Fractional-order feedback control method for PMLSMs based on closed-loop identification model[J]. China Mechanical Engineering, 2023, 34(23): 2773-2780,2793. doi: 10.3969/j.issn.1004-132X.2023.23.001 [13] MANI P, RAJAN R, SHANMUGAM L, et al. Adaptive fractional fuzzy integral sliding mode control for PMSM model[J]. IEEE Transactions on Fuzzy Systems, 2019, 27(8): 1674-1686. doi: 10.1109/TFUZZ.2018.2886169 [14] LI B X, ZHAO X. Neural network-based adaptive sliding mode control for T-S fuzzy fractional order systems[J]. IEEE Transactions on Circuits and Systems Ⅱ: Express Briefs, 2023, 70(12): 4549-4553. [15] CHEN S Y, LEE C Y. Compensatory fuzzy neural network control with dynamic parameters estimation for linear voice coil actuator[J]. Precision Engineering, 2017, 48: 191-202. doi: 10.1016/j.precisioneng.2016.12.002 [16] 黄家才,张玎橙,施昕昕. 基于复合积分滑模的永磁同步电机硬件在环位置控制[J]. 电机与控制学报,2014,18(12): 108-114.HUANG Jiacai, ZHANG Dingcheng, SHI Xinxin. PMSM position control with hardware-in-loop based on composite integral sliding mode[J]. Electric Machines and Control, 2014, 18(12): 108-114. [17] 付东学,赵希梅. 永磁直线同步电机自适应非奇异快速终端滑模控制[J]. 电工技术学报,2020,35(4): 717-723.FU Dongxue, ZHAO Ximei. Adaptive nonsingular fast terminal sliding mode control for permanent magnet linear synchronous motor[J]. Transactions of China Electrotechnical Society, 2020, 35(4): 717-723. [18] 武志涛,李帅,程万胜. 基于扩展滑模扰动观测器的永磁直线同步电机定结构滑模位置跟踪控制[J]. 电工技术学报,2022,37(10): 2503-2512.WU Zhitao, LI Shuai, CHENG Wansheng. Fixed structure sliding mode position tracking control for permanent magnet linear synchronous motor based on extended sliding mode disturbance observer[J]. Transactions of China Electrotechnical Society, 2022, 37(10): 2503-2512. [19] BAIK I C, KIM K H, YOUN M J. Robust nonlinear speed control of PM synchronous motor using boundary layer integral sliding mode control technique[J]. IEEE Transactions on Control Systems Technology, 2000, 8(1): 47-54. doi: 10.1109/87.817691 [20] LEVANT A. Homogeneity approach to high-order sliding mode design[J]. Automatica, 2005, 41(5): 823-830. doi: 10.1016/j.automatica.2004.11.029 [21] BARTOLINI G, FERRARA A, USAI E. Chattering avoidance by second-order sliding mode control[J]. IEEE Transactions on Automatic Control, 1998, 43(2): 241-246. doi: 10.1109/9.661074 [22] 张庆超,马瑞卿,皇甫宜耿,等. 电机转速环节Super-Twisting算法二阶滑模控制律设计与研究[J]. 西北工业大学学报,2016,34(4): 669-676ZHANG Qingchao, MA Ruiqing, HUANGFU Yigeng, et al. Second-order sliding mode control based on super-twisting algorithm for the speed outer loop of motors[J]. Journal of Northwestern Polytechnical University, 2016, 34(4): 669-676. [23] 谢浩然,胡纯福,卢萌,等. 基于级联线性-非线性自抗扰控制器的永磁直线同步电机速度控制策略研究[J]. 中国电机工程学报,2024,44(15): 6158-6169.XIE Haoran, HU Chunfu, LU Meng, et al. Research on speed control strategy for permanent magnet linear synchronous motor based on cascaded linear-nonlinear active disturbance rejection controller[J]. Proceedings of the CSEE, 2024, 44(15): 6158-6169. [24] PATEL V, DI GENNARO S, BUCCELLA C, et al. Super twisting sliding mode controller for PMSM fed with multilevel inverter for E-transportation[C]//2020 IEEE 9th International Power Electronics and Motion Control Conference (IPEMC2020-ECCE Asia). Nanjing: IEEE, 2020: 238-244. [25] LASCU C, BOLDEA I, BLAABJERG F. Super-twisting sliding mode control of torque and flux in permanent magnet synchronous machine drives[C]//IECON 2013 - 39th Annual Conference of the IEEE Industrial Electronics Society. Vienna: IEEE, 2013: 3171-3176. [26] 李鹏,郑志强. 基于类二次型Lyapunov函数的Super-twisting算法收敛性分析[J]. 控制与决策,2011,26(6): 949-952.LI Peng, ZHENG Zhiqiang. Convergence of super-twisting algorithm based on quadratic-like Lyapunov function[J]. Control and Decisign, 2011, 26(6): 949-952. [27] MORENO J A, OSORIO M. Strict Lyapunov functions for the super-twisting algorithm[J]. IEEE Transactions on Automatic Control, 2012, 57(4): 1035-1040. doi: 10.1109/TAC.2012.2186179 -