CN108363301B - 基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法 - Google Patents

基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法 Download PDF

Info

Publication number
CN108363301B
CN108363301B CN201810142679.6A CN201810142679A CN108363301B CN 108363301 B CN108363301 B CN 108363301B CN 201810142679 A CN201810142679 A CN 201810142679A CN 108363301 B CN108363301 B CN 108363301B
Authority
CN
China
Prior art keywords
axis
error
contour
sliding mode
cross
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810142679.6A
Other languages
English (en)
Other versions
CN108363301A (zh
Inventor
王三秀
陈�光
邬玲伟
陈月芬
蒋胜韬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Lingze Environmental Protection Technology Co ltd
Original Assignee
Taizhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Taizhou University filed Critical Taizhou University
Priority to CN201810142679.6A priority Critical patent/CN108363301B/zh
Publication of CN108363301A publication Critical patent/CN108363301A/zh
Application granted granted Critical
Publication of CN108363301B publication Critical patent/CN108363301B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开的一种基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法，该方法提出了将滑模变结构控制、扰动观测器以及交叉耦合控制相结合的控制策略。具体步骤包括设计基于扰动观测的单轴伺服滑模变结构控制器；对基于扰动观测的滑模变结构控制算法进行稳定性分析；设计基于PID控制算法的交叉耦合控制器；仿真结果与分析。基于扰动观测的滑模变结构控制能有效消除扰动的影响，增强***鲁棒性，实现单轴运动准确跟踪；交叉耦合控制则用于消除各轴之间增益参数和动态不匹配的影响，减小轮廓误差，实现多轴协调运动。最后通过两轴***仿真模型，证明了该控制方法的有效性和优越性，实现了对跟踪误差和轮廓误差的有效补偿的。

Description

基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法
技术领域
本发明涉及一种多轴伺服***的控制方法，具体涉及一种基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法。
背景技术
为提高伺服***的轮廓控制精度，传统的多轴运动控制是通过对每轴设计运动控制器，提高单轴运动精度，减小伺服***的各轴跟踪误差，从而间接达到减小轮廓误差，提高***轮廓精度的目的。但是这种针对单轴独立控制的非耦合控制方法在各运动轴动态特性不匹配且***存在外部扰动的情况下，各轴间的不可见性使整个多轴伺服***的协调运动存在一定的局限性。当其他轴的负载或速度发生变化时，不能做相应的调整，从而影响跟踪误差和轮廓精度。
在各种跟踪控制策略中，滑模变结构控制能使***状态沿着人为规定的滑模面运动，不受参数摄动和外界干扰的影响，具有良好的鲁棒性，能有效保证单轴跟踪精度。但是，在伺服***运行及其周围环境中，扰动不可避免，伺服***所承受的各种扰动影响着***的跟踪精度。
发明内容
本发明的目的在于提供一种能提高伺服***轮廓控制精度的基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法。
为了解决上述技术问题，本发明所采用的技术方案如下：
一种基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法，该控制方法包含：
S1，针对单轴伺服运动采用滑模变结构控制，并通过扰动观测器对扰动进行观测，对扰动进行有效补偿；
S2，根据所述步骤S1，对基于扰动观测的滑模变结构控制算法进行稳定性分析判断；
S3，建立两轴联动伺服***的轮廓误差估计模型；
S4，基于所述步骤S3，设计基于PID控制算法的交叉耦合控制器，根据各坐标轴的反馈信息，实时修正轮廓误差模型增益，获得各轴的最佳补偿修正量，并送给各坐标轴，从而减小和消除轮廓误差。
进一步地，所述步骤S1的具体过程如下：
针对两轴执行机构Gx和Gy分别为考虑带有干扰的二阶***：
Figure GDA0002653989410000021
其中，a,b为大于零的常数，d为外部干扰信号，u为控制输入。
其中，以X轴执行机构Gx为例，针对公式(1)，取参考输入为rdx，则跟踪误差为ex＝rdx-rx，rx为实际输出。
令滑模函数s为
Figure GDA0002653989410000022
其中，c为大于零的常数。
则
Figure GDA0002653989410000023
基于干扰补偿的滑模控制器设计为
Figure GDA0002653989410000024
其中，
Figure GDA0002653989410000025
为X轴扰动估计误差，满足
Figure GDA0002653989410000026
η为大于零的常数。
设计扰动观测器为
Figure GDA0002653989410000027
Figure GDA0002653989410000028
其中
Figure GDA0002653989410000029
是对
Figure GDA00026539894100000210
的估计，k1，k2为大于零的常数。
进一步地，所述步骤S2的具体过程如下：
稳定性分析：
首先，定义Lyapunov函数V为
Figure GDA00026539894100000211
其中
Figure GDA00026539894100000212
则
Figure GDA00026539894100000213
假设X轴干扰信号变化较慢，即
Figure GDA00026539894100000214
比较小，并且取较大k1，使得满足
Figure GDA00026539894100000215
近似为零，则
Figure GDA0002653989410000031
满足
Figure GDA0002653989410000032
则上式满足
Figure GDA0002653989410000033
同理，Y轴执行机构Gy也采用上述X轴执行机构Gx同样的方法，对扰动进行有效补偿，并满足稳定性要求。
其中，rdx和rdy为两轴的参考输入，rx和ry为两轴实际输出，ex和ey为两轴跟踪误差，dx，dy和
Figure GDA0002653989410000034
分别为两轴的外界干扰及其干扰估计。
所述步骤S3的具体过程如下：
S3.1当跟踪误差
Figure GDA0002653989410000035
足够小时，轮廓误差
Figure GDA0002653989410000036
沿给定轮廓轨迹切线方向的分量
Figure GDA0002653989410000037
较大，而法线方向的分量
Figure GDA00026539894100000321
比较小，认为轮廓误差与实际位置到轨迹切线的距离近似相等。将实际位置到参考轨迹切线的最短距离作为轮廓误差的估计值，用
Figure GDA0002653989410000038
表示，则轮廓误差向量
Figure GDA0002653989410000039
可由轮廓误差估计矢量
Figure GDA00026539894100000310
近似表示。
轮廓误差估计矢量
Figure GDA00026539894100000311
平行等于轮廓误差法向矢量
Figure GDA00026539894100000312
因此，轮廓误差估计矢量
Figure GDA00026539894100000313
是跟踪误差向量
Figure GDA00026539894100000314
与轮廓误差法向矢量
Figure GDA00026539894100000315
的内积；将切向矢量
Figure GDA00026539894100000316
和轮廓误差法向矢量
Figure GDA00026539894100000317
分别表示成：
Figure GDA00026539894100000318
并满足如下关系：
Figure GDA00026539894100000319
则得到轮廓误差法向矢量
Figure GDA00026539894100000320
为
Figure GDA0002653989410000041
其中，tx，ty分别为切向量
Figure GDA0002653989410000042
在x轴和y轴的分量；nx，ny分别为轮廓误差法向矢量
Figure GDA0002653989410000043
在x轴和y轴的分量。
则轮廓误差估计矢量
Figure GDA0002653989410000044
可由下式表示
Figure GDA0002653989410000045
其中，
Figure GDA0002653989410000046
为跟踪误差向量，表示实际位置与参考位置之间的距离，
Figure GDA0002653989410000047
为***轮廓误差向量，表示实际位置与轮廓轨迹之间的最小距离，
Figure GDA0002653989410000048
为轮廓误差估计矢量；
Figure GDA0002653989410000049
表示轮廓误差的切向量，
Figure GDA00026539894100000410
为轮廓误差的法向矢量。
S3.2变增益交叉耦合控制器的控制思想是根据各轴反馈，实时修正轮廓误差模型的增益，从而达到对各轴轮廓误差进行补偿的目的。每个轴的补偿由交叉耦合控制增益确定，而轮廓误差估计矢量的大小是由控制器调节并沿着轮廓误差估计矢量的方向对每个运动轴进行补偿。因而，交叉耦合控制器的增益可以通过轮廓误差的估计向量获得。
令两轴交叉耦合增益分别表示为Cx和Cy，进一步得到交叉耦合控制增益为
Figure GDA00026539894100000411
则轮廓误差估计为
Figure GDA00026539894100000412
进一步地，所述步骤S4的具体过程如下：采用PID控制器作为交叉耦合控制器，根据各坐标轴的反馈信息，实时修正轮廓误差模型增益，获得各轴的最佳补偿修正量，并送给各坐标轴，从而达到减小和消除轮廓误差的目的。
交叉耦合控制器输出满足：
Figure GDA00026539894100000413
其中，Kp，Ki和Kd分别表示PID控制算法的比例、积分和微分增益。ε，
Figure GDA00026539894100000414
分别为轮廓误差及其导数。
进一步地，对所述的基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法进行仿真与分析。
有益效果：本发明与现有技术相比具有以下优点：
针对多轴伺服***，对每个运动轴采用基于干扰观测的滑模变结构控制，利用干扰观测器对各轴扰动进行估计，并通过滑模变结构控制保证各轴受到参数摄动和外部扰动时，具有鲁棒性；同时采用变增益交叉耦合控制用于各轴之间的协调运动，进一步减小***的轮廓误差，有效解决多轴轮廓控制问题。
附图说明
图1为本发明中的轮廓误差矢量图。
图2为本发明基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法的原理框图。
图3为本发明中两轴的跟踪误差曲线图。
图4为本发明中轮廓误差曲线图。
图5为本发明中两轴输出，圆形轮廓图。
图6为本发明中两轴的扰动信号及其观测器产生的扰动估计，实线表示外加扰动，虚线表示扰动估计。
具体实施方式
以下结合附图，通过详细说明一个较佳的具体实施例，对本发明做进一步阐述。
本发明一种基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法，该控制方法包含：
S1，针对单轴伺服运动采用滑模变结构控制，并通过扰动观测器对扰动进行观测，对
扰动进行有效补偿：
具体如下：
滑模变结构控制能使***状态沿着人为规定的滑模面运动，不受参数摄动和外界干扰的影响，具有良好的鲁棒性，保证单轴跟踪性能。本步骤是针对单轴运动采用滑模变结构控制，并通过扰动观测器对扰动进行观测，有效消除扰动的影响，保证单轴的精确跟踪。
令两轴执行机构Gx和Gy分别为考虑带有干扰的二阶***：
Figure GDA0002653989410000051
其中，a,b为大于零的常数，d为外部干扰信号，u为控制输入。
以X轴执行机构为例，针对公式(1)，取参考输入为rdx，则跟踪误差为ex＝rdx-rx，rx为实际输出。
令滑模函数s为
Figure GDA0002653989410000061
其中，c为大于0的常数；
则
Figure GDA0002653989410000062
基于干扰补偿的滑模控制器ux设计为
Figure GDA0002653989410000063
其中，
Figure GDA0002653989410000064
为X轴扰动估计误差，满足
Figure GDA0002653989410000065
η为大于零的常数。
设计扰动观测器为
Figure GDA0002653989410000066
Figure GDA0002653989410000067
其中
Figure GDA0002653989410000068
是对
Figure GDA0002653989410000069
的估计，k1，k2为大于零的常数。
S2，对基于扰动观测的滑模变结构控制算法进行稳定性分析判断；
定义Lyapunov函数V为
Figure GDA00026539894100000610
其中
Figure GDA00026539894100000611
则
Figure GDA00026539894100000612
假设X轴干扰信号变化较慢，即
Figure GDA00026539894100000613
比较小，并且取较大k1，使得满足
Figure GDA00026539894100000614
近似为零。
则
Figure GDA0002653989410000071
满足
Figure GDA0002653989410000072
则上式满足
Figure GDA0002653989410000073
同理，Y轴也采用基于干扰观测器的滑模变结构控制，对扰动进行有效补偿，并满足稳定性要求。
其中，rdx和rdy为两轴的参考输入，rx和ry为两轴实际输出，ex和ey为两轴跟踪误差，dx，dy和
Figure GDA0002653989410000074
分别为两轴的外界干扰及其干扰估计。Gx和Gy分别为X轴和Y轴的执行机构。
S3，建立两轴联动伺服***的轮廓误差估计模型；
以两轴联动***为研究对象，轮廓误差估计模型如图1所示；其中，R表示任意工作点的参考位置，P为该时刻的实际运行位置，
Figure GDA0002653989410000075
为跟踪误差向量，表示实际位置与参考位置之间的距离，
Figure GDA0002653989410000076
为***轮廓误差向量，表示实际位置与轮廓轨迹之间的最小距离，
Figure GDA0002653989410000077
为轮廓误差估计矢量。
Figure GDA0002653989410000078
表示轮廓误差切向量，
Figure GDA0002653989410000079
为轮廓误差法向矢量。
S3.1当跟踪误差
Figure GDA00026539894100000710
足够小时，轮廓误差
Figure GDA00026539894100000711
沿给定轮廓轨迹切线方向的分量
Figure GDA00026539894100000712
较大，而法线方向的分量
Figure GDA00026539894100000713
比较小，认为轮廓误差与实际位置到轨迹切线的距离近似相等。将实际位置到参考轨迹切线的最短距离作为轮廓误差的估计值，用
Figure GDA00026539894100000714
表示，则轮廓误差向量
Figure GDA00026539894100000715
可由轮廓误差估计矢量
Figure GDA00026539894100000716
近似表示。
轮廓误差估计矢量
Figure GDA00026539894100000717
平等于轮廓误差法向矢量
Figure GDA00026539894100000718
因此，轮廓误差估计矢量
Figure GDA00026539894100000719
是跟踪误差向量
Figure GDA00026539894100000720
与轮廓误差法向矢量
Figure GDA00026539894100000721
的内积；将切向矢量
Figure GDA00026539894100000722
和轮廓误差法向矢量
Figure GDA00026539894100000723
分别表示成：
Figure GDA00026539894100000724
并满足如下关系：
Figure GDA00026539894100000725
则得到轮廓误差法向矢量
Figure GDA0002653989410000081
为
Figure GDA0002653989410000082
其中，tx，ty分别为切向量
Figure GDA0002653989410000083
在x轴和y轴的分量；nx，ny分别为轮廓误差法向矢量
Figure GDA0002653989410000084
在x轴和y轴的分量。
则轮廓误差估计矢量
Figure GDA0002653989410000085
可由下式表示
Figure GDA0002653989410000086
S3.2变增益交叉耦合控制器的控制思想是根据各轴反馈，实时修正轮廓误差模型的增益，从而达到对各轴轮廓误差进行补偿的目的。每个轴的补偿由交叉耦合控制增益确定，而轮廓误差估计矢量的大小是由控制器调节并沿着轮廓误差估计矢量的方向对每个运动轴进行补偿。因而，交叉耦合控制器的增益可以通过轮廓误差的估计向量获得。
令两轴交叉耦合增益分别表示为Cx和Cy，进一步得到交叉耦合控制增益为
Figure GDA0002653989410000087
则轮廓误差估计为
Figure GDA0002653989410000088
S4，设计基于PID控制算法的交叉耦合控制器
上述步骤S2针对单轴提出了基于干扰观测器的滑模变结构控制，有效减小每轴的跟踪误差，从而达到减小轮廓误差的目的。然而各轴之间不可避免的存在增益变化和动态参数不匹配等问题，单纯依靠降低各轴跟踪误差的轮廓控制方法并不能完全有效减小***的整体轮廓误差。而交叉耦合控制能保证每个轴控制精度的前提下有效解决各轴之间的不匹配问题。变增益交叉耦合控制(CCC)的基本思想是根据各坐标轴的反馈信息，实时修正轮廓误差模型增益，获得各轴的最佳补偿修正量，并送给各坐标轴，从而达到减小和消除轮廓误差的目的。交叉耦合控制的结构如图2所示。其中，交叉耦合控制器采用PID控制算法。PID控制算法简单，控制器参数无需实时调节，计算量小，能保证***实时性，有效降低***轮廓误差，提高轮廓加工精度。
交叉耦合控制器输出U满足：
Figure GDA0002653989410000091
其中，Kp，Ki和Kd分别表示PID控制算法的比例、积分和微分增益。ε，
Figure GDA0002653989410000092
分别为轮廓误差及其导数。
S5，仿真结果与分析：通过仿真结果对基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法有效性进行验证。
X,Y两轴执行机构仿真对象为如式(1)所示的二阶***。由于负载变化和环境条件不同，两轴模型参数不完全匹配，会造成轮廓误差。仿真中，通过X和Y轴的仿真参数取值不同，以体现这种参数不匹配的现象。X轴仿真参数为a＝10，b＝0.25；Y轴仿真参数为a＝5，b＝0.15。外加扰动均选取为d＝100sin(0.5t)。
单轴运动控制采用滑模变结构控制，控制器参数为：c＝20，η＝8，为了降低抖振，采用饱和函数sat(s)代替控制器式(4)的符号函数sgn(s)。扰动观测器控制参数为：k1＝5000，k2＝500。交叉耦合控制器采用PID控制，控制参数分别为：Kp＝0.2，Ki＝0.5，Kd＝0.1。
选取跟踪曲线为半径为1的单位圆轮廓L：
L＝{(rdx(t),rdy(t))∈R2:rdx(t)＝sin(t),rdy(t)＝cos(t)}
仿真结果如下：图3为两轴的跟踪误差曲线；图4为轮廓误差曲线，图5为两轴输出，圆形轮廓；图6为两轴的扰动信号及其观测器产生的扰动估计，实线表示外加扰动，虚线表示扰动估计。仿真结果显示，在单轴滑模变结构控制算法作用下，X轴和Y轴都具有较好的跟踪性能，实际输出较好的跟踪期望的参考输入信号，单轴的跟踪误差都基本为零；在交叉耦合控制器的作用下，有效解决了各轴之间动态不匹配的问题，轮廓误差非常微小，圆输入轮廓得到了很好的跟踪。图6显示了X轴和Y轴的干扰信号通过扰动观测器亦都得到了很好的估计，有效的减小了扰动对***的影响。
综上所述，针对两轴联动***，本发明采用基于干扰观测的滑模变结构控制用于单轴运动控制，利用干扰观测器对外部干扰进行有效观测和估计，利用滑模变结构控制提高***的鲁棒性，减小单轴跟踪误差，实现精确跟踪；采用变增益交叉耦合控制器解决两轴之间参数增益和动态不匹配的问题，通过实时修正轮廓误差模型增益，获得各轴的最佳补偿修正量，有效减小***轮廓误差，实现高精度联动。通过仿真验证了控制算法的有效性。并可将控制算法方便的扩展到三轴及更多轴的高精度联动控制，只需对各轴之间做两两交叉耦合控制处理，如三轴X，Y，Z控制，只需增加XZ,YZ之间的交叉耦合控制，便可实现多轴联动，减小轮廓误差。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (6)

1.一种基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法，其特征在于，该控制方法包含：
S1，针对单轴伺服运动采用滑模变结构控制，并通过扰动观测器对扰动进行观测，对扰动进行有效补偿；
S2，根据所述步骤S1，对基于扰动观测的滑模变结构控制算法进行稳定性分析判断；
S3，建立两轴联动伺服***的轮廓误差估计模型；
S4，基于所述步骤S3，设计基于PID控制算法的交叉耦合控制器，根据各坐标轴的反馈信息，实时修正轮廓误差模型增益，获得各轴的最佳补偿修正量，并送给各坐标轴，从而减小和消除轮廓误差。
2.如权利要求1所述的基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法，其特征在于，所述步骤S1的具体过程如下：
针对两轴执行机构Gx和Gy分别为考虑带有干扰的二阶***：
Figure FDA0002653989400000011
其中，a,b为大于零的常数，d为外部干扰信号；u为控制输入；
其中，以X轴执行机构Gx为例，针对公式(1)，取参考输入为rdx，则跟踪误差为ex＝rdx-rx，rx为实际输出；
令滑模函数s为
Figure FDA0002653989400000012
其中，c为大于0的常数；
则
Figure FDA0002653989400000013
基于干扰补偿的滑模控制器ux设计为
Figure FDA0002653989400000014
其中，
Figure FDA0002653989400000015
为X轴扰动估计误差，满足
Figure FDA0002653989400000016
η为大于零的常数；
设计扰动观测器为
Figure FDA0002653989400000017
Figure FDA0002653989400000018
其中
Figure FDA0002653989400000019
是对
Figure FDA00026539894000000110
的估计，k1，k2为大于零的常数。
3.如权利要求1所述的基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法，其特征在于，所述步骤S2包含：
定义李雅普诺夫函数V：
Figure FDA0002653989400000021
其中
Figure FDA0002653989400000022
则
Figure FDA0002653989400000023
假设X轴干扰信号变化较慢，即
Figure FDA0002653989400000024
比较小，并且取较大k1，使得满足
Figure FDA0002653989400000025
近似为零，则
Figure FDA0002653989400000026
满足
Figure FDA0002653989400000027
则上式满足
Figure FDA0002653989400000028
同理，Y轴执行机构Gy也采用上述X轴执行机构Gx同样的方法，对扰动进行有效补偿，并满足稳定性要求；
其中，rdx和rdy为两轴的参考输入，rx和ry为两轴实际输出，ex和ey为两轴跟踪误差，dx，dy和
Figure FDA0002653989400000029
分别为两轴的外界干扰及其干扰估计。
4.如权利要求1所述的基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法，其特征在于，建立所述步骤S 3两轴联动轮廓误差估计模型，具体如下：
S3.1当跟踪误差
Figure FDA00026539894000000210
足够小时，轮廓误差
Figure FDA00026539894000000211
沿给定轮廓轨迹切线方向的分量
Figure FDA00026539894000000212
较大，而法线方向的分量
Figure FDA00026539894000000213
比较小，认为轮廓误差与实际位置到轨迹切线的距离近似相等；将实际位置到参考轨迹切线的最短距离作为轮廓误差的估计值，用
Figure FDA00026539894000000214
表示，则轮廓误差向量
Figure FDA00026539894000000215
可由轮廓误差估计矢量
Figure FDA0002653989400000031
近似表示；
轮廓误差估计矢量
Figure FDA0002653989400000032
平行等于轮廓误差法向矢量
Figure FDA0002653989400000033
因此，轮廓误差估计矢量
Figure FDA0002653989400000034
为跟踪误差向量
Figure FDA0002653989400000035
与轮廓误差法向矢量
Figure FDA0002653989400000036
的内积；将切向矢量
Figure FDA0002653989400000037
和轮廓误差法向矢量
Figure FDA0002653989400000038
分别表示成：
Figure FDA0002653989400000039
并满足如下关系：
Figure FDA00026539894000000310
则得到轮廓误差法向矢量
Figure FDA00026539894000000311
为
Figure FDA00026539894000000312
其中，tx，ty分别为切向量
Figure FDA00026539894000000313
在x轴和y轴的分量；nx，ny分别为轮廓误差法向矢量
Figure FDA00026539894000000314
在x轴和y轴的分量；
则轮廓误差估计矢量
Figure FDA00026539894000000315
可由下式表示
Figure FDA00026539894000000316
其中，
Figure FDA00026539894000000317
为跟踪误差向量，表示实际位置与参考位置之间的距离，
Figure FDA00026539894000000318
为***轮廓误差向量，表示实际位置与轮廓轨迹之间的最小距离，
Figure FDA00026539894000000319
为轮廓误差估计矢量；
Figure FDA00026539894000000320
表示轮廓误差的切向量，
Figure FDA00026539894000000321
为轮廓误差的法向矢量；
S3.2变增益交叉耦合控制器的控制思想是根据各轴反馈，实时修正轮廓误差模型的增益，从而达到对各轴轮廓误差进行补偿的目的；每个轴的补偿由交叉耦合控制增益确定，而轮廓误差估计矢量的大小是由控制器调节并沿着轮廓误差估计矢量的方向对每个运动轴进行补偿；因而，交叉耦合控制器的增益可以通过轮廓误差的估计向量获得；
令两轴交叉耦合增益分别表示为Cx和Cy，进一步得到交叉耦合控制增益为
Figure FDA00026539894000000322
则轮廓误差估计为
Figure FDA00026539894000000323
5.如权利要求1所述的基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法，其特征在于，所述步骤S4中：
交叉耦合控制器输出U满足：
Figure FDA0002653989400000041
其中，Kp，Ki和Kd分别表示PID控制算法的比例、积分和微分增益；ε，
Figure FDA0002653989400000042
分别为轮廓误差及其导数。
6.如权利要求1所述的基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法，其特征在于，对所述的基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法进行仿真与分析。
CN201810142679.6A 2018-02-11 2018-02-11 基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法 Active CN108363301B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810142679.6A CN108363301B (zh) 2018-02-11 2018-02-11 基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810142679.6A CN108363301B (zh) 2018-02-11 2018-02-11 基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法

Publications (2)

Publication Number Publication Date
CN108363301A CN108363301A (zh) 2018-08-03
CN108363301B true CN108363301B (zh) 2020-12-18

Family

ID=63005996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810142679.6A Active CN108363301B (zh) 2018-02-11 2018-02-11 基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法

Country Status (1)

Country Link
CN (1) CN108363301B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110788414B (zh) * 2018-11-29 2020-09-29 合肥工业大学 一种柔性电子齿轮箱的多轴同步运动控制方法
CN109639206B (zh) * 2019-01-31 2021-02-26 上海应用技术大学 基于全阶观测器的异步电机解耦控制方法及异步电机
CN109901511B (zh) * 2019-04-18 2020-04-14 台州学院 一种伺服***轮廓误差的控制算法
CN110018669B (zh) * 2019-04-18 2021-08-17 西北工业大学 五轴数控机床解耦的轮廓误差控制方法
CN110262394B (zh) * 2019-07-05 2020-09-08 华中科技大学 一种数控加工中轮廓误差的补偿方法
CN110515349B (zh) * 2019-08-13 2022-04-29 天津大学 伺服进给***的两轴交叉耦合控制器算法
CN110488749B (zh) * 2019-09-11 2020-08-21 台州学院 一种多轴运动***的轮廓误差控制器及其控制方法
CN110647105B (zh) * 2019-09-20 2022-03-29 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种适用于双轴或三轴进给驱动***的有限控制集模型预测轮廓控制方法
CN111930072B (zh) * 2020-07-15 2023-01-17 东南大学 一种双轴运动控制***的轨迹跟踪控制方法
CN112286139B (zh) * 2020-09-24 2021-10-15 台州学院 基于神经网络和扰动观测的运动***轮廓控制方法及***
CN113110303A (zh) * 2021-05-18 2021-07-13 哈尔滨理工大学 一种网络化多轴运动***轮廓跟踪控制方法
CN115268369A (zh) * 2022-08-16 2022-11-01 吉林大学 一种龙门机床动梁交叉耦合控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103414419A (zh) * 2013-08-07 2013-11-27 沈阳工业大学 基于模糊rbf网络滑模的双直线电机轮廓补偿装置与方法
CN103869748A (zh) * 2014-02-27 2014-06-18 北京信息科技大学 非圆曲面xy直驱加工廓形误差交叉耦合控制***及方法
CN105785762A (zh) * 2016-03-17 2016-07-20 北京航空航天大学 一种基于自适应反步滑模的两轴惯性稳定平台高精度控制方法
RU2015129764A (ru) * 2015-07-20 2017-01-25 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Брянский государственный технический университет" Способ повышения точности траектории перемещения исполнительных органов токарных станков с числовым программным управлением
CN107085373A (zh) * 2017-06-01 2017-08-22 浙江工业大学 一种基于通信干扰观测器的网络化多轴运动控制***的交叉耦合控制方法
CN110488749A (zh) * 2019-09-11 2019-11-22 台州学院 一种多轴运动***的轮廓误差控制器及其控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103414419A (zh) * 2013-08-07 2013-11-27 沈阳工业大学 基于模糊rbf网络滑模的双直线电机轮廓补偿装置与方法
CN103869748A (zh) * 2014-02-27 2014-06-18 北京信息科技大学 非圆曲面xy直驱加工廓形误差交叉耦合控制***及方法
RU2015129764A (ru) * 2015-07-20 2017-01-25 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Брянский государственный технический университет" Способ повышения точности траектории перемещения исполнительных органов токарных станков с числовым программным управлением
CN105785762A (zh) * 2016-03-17 2016-07-20 北京航空航天大学 一种基于自适应反步滑模的两轴惯性稳定平台高精度控制方法
CN107085373A (zh) * 2017-06-01 2017-08-22 浙江工业大学 一种基于通信干扰观测器的网络化多轴运动控制***的交叉耦合控制方法
CN110488749A (zh) * 2019-09-11 2019-11-22 台州学院 一种多轴运动***的轮廓误差控制器及其控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Evolutionary neural networks and DNA computing algorithms for dual-axis motion control;Ching-Huei Huang，Chun-Liang Lin;《Engineering Applications of Artificial Intelligence》;20111031;第1263-1273页 *
基于滑模变结构控制的多轴协调运动控制策略研究;张建国;《中国优秀硕士学位论文全文数据库 信息科技辑》;20070915;正文全文 *
直线电机驱动的数控机床XY工作台轮廓误差控制***设计;彭振洲;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20140115;正文全文 *

Also Published As

Publication number Publication date
CN108363301A (zh) 2018-08-03

Similar Documents

Publication Publication Date Title
CN108363301B (zh) 基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法
CN107121977B (zh) 基于双层结构的机械臂执行器故障容错控制***及其方法
CN108363293B (zh) 一种基于pid控制的交叉耦合控制算法和***
Wang et al. Finite-time fault-tolerant trajectory tracking control of an autonomous surface vehicle
Zhang et al. Observer-based prescribed performance attitude control for flexible spacecraft with actuator saturation
CN108614425B (zh) 移动机器人自适应积分滑模控制方法
CN103777641B (zh) 飞行器跟踪控制的复合自抗扰控制方法
Ghaffari et al. Dynamic contour error estimation and feedback modification for high-precision contouring
CN105171758B (zh) 一种机器人的自适应有限时间收敛滑模控制方法
CN110515349B (zh) 伺服进给***的两轴交叉耦合控制器算法
CN107193211B (zh) 基于自抗扰和反演技术的单臂机械手控制器及其设计方法
CN109901511B (zh) 一种伺服***轮廓误差的控制算法
CN113110048B (zh) 采用hosm观测器的非线性***输出反馈自适应控制***和方法
CN113341733B (zh) 直线电机***故障与未知扰动补偿方法
CN112286139B (zh) 基于神经网络和扰动观测的运动***轮廓控制方法及***
CN111158398A (zh) 考虑攻角约束的高超音速飞行器的自适应控制方法
CN111958606A (zh) 一种应用于多自由度机械臂的分布式鲁棒跟踪控制方法
CN111673742A (zh) 一种工业机器人轨迹跟踪控制算法
CN112549030A (zh) 一种基于抗干扰滤波的空间机械臂柔性关节位姿估计方法
Gu et al. Homography‐based uncalibrated visual servoing with neural‐network‐assisted robust filtering scheme and adaptive servo gain
Messaoui et al. Robust Finite-Time Control of a Multirotor System via an Improved Optimized Homogeneous Twisting Control: Design and Validation.
CN116755337A (zh) 基于长短时记忆神经网络线性自抗扰控制的高超声速飞行器容错控制方法
CN116339233A (zh) 基于激光干涉跟踪仪测量场的机床误差控制方法及***
CN115473467A (zh) 基于模糊观测器的柔性关节机械臂指令滤波反步控制方法
CN115236987A (zh) 一种基于误差跟踪的磁悬浮工作台迭代学习鲁棒控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231106

Address after: 318000 Room 301, Building 1, Jiaojiang District Large Garbage Sorting Center, Intersection of Jiutang Road and Modern Avenue, Sanjia Street, Taizhou Bay New Area, Taizhou City, Zhejiang Province (self declared)

Patentee after: Zhejiang Lingze Environmental Protection Technology Co.,Ltd.

Address before: 317000 Dongfang Road 605, Lin Hai City, Taizhou, Zhejiang

Patentee before: TAIZHOU University