CN112769368B - 基于分数阶滑模控制器的永磁直流电机控制方法及*** - Google Patents
基于分数阶滑模控制器的永磁直流电机控制方法及*** Download PDFInfo
- Publication number
- CN112769368B CN112769368B CN202110018288.5A CN202110018288A CN112769368B CN 112769368 B CN112769368 B CN 112769368B CN 202110018288 A CN202110018288 A CN 202110018288A CN 112769368 B CN112769368 B CN 112769368B
- Authority
- CN
- China
- Prior art keywords
- permanent magnet
- direct current
- magnet direct
- current motor
- sliding mode
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000006870 function Effects 0.000 claims description 71
- 230000015654 memory Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013499 data model Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- URWAJWIAIPFPJE-YFMIWBNJSA-N sisomycin Chemical compound O1C[C@@](O)(C)[C@H](NC)[C@@H](O)[C@H]1O[C@@H]1[C@@H](O)[C@H](O[C@@H]2[C@@H](CC=C(CN)O2)N)[C@@H](N)C[C@H]1N URWAJWIAIPFPJE-YFMIWBNJSA-N 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P23/0009—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using sliding mode control
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P23/0022—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/0077—Characterised by the use of a particular software algorithm
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/04—Arrangements or methods for the control of AC motors characterised by a control method other than vector control specially adapted for damping motor oscillations, e.g. for reducing hunting
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/14—Estimation or adaptation of motor parameters, e.g. rotor time constant, flux, speed, current or voltage
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了基于分数阶滑模控制器的永磁直流电机控制方法及***，包括：在存在外部干扰的情况下，基于永磁直流电机的输出电流和输入电压，建立待控制永磁直流电机的数据驱动模型；通过扰动估计和偏导数估计，将所述数据驱动模型转换为新的数据驱动模型；针对新的数据驱动模型，建立对应的分数阶终端滑模函数；设计分数阶终端滑模函数的控制律；对分数阶终端滑模函数的控制律中的符号函数进行修正，以减轻抖振现象；基于分数阶终端滑模函数修正后的控制律，控制待控制永磁直流电机的运行。
Description
技术领域
本申请涉及滑模控制技术领域，特别是涉及基于分数阶滑模控制器的永磁直流电机控制方法及***。
背景技术
本部分的陈述仅仅是提到了与本申请相关的背景技术，并不必然构成现有技术。
直流(DC)电动机具有易于驱动，高转矩重量比，较低的维护成本等优点，因此广泛的应用于智能家居、轮式机器人、无人机等领域。对于实际的***，由于传感器的局限性和经济原因，几乎没有实现状态单元的测量。另外，由于***数学模型未知，通常使用状态观测器和模型逼近来设计控制器。已经证明，滑模控制器应用于直流电动机控制***的鲁棒性优势。即使滑模控制器具有鲁棒性，也必须建立状态估计器以根据不断变化的环境干扰做出更快的响应，提高直流电机闭环***的控制性能。
在机电***中，已利用连续时间直流电动机的动态模型设计了输出反馈滑模控制器。此外，除了离散时域或计算机***外，直流电动机的控制问题在许多工业应用中也变得重要。已经开发出了实用的控制方案来控制直流电动机，例如比例积分微分(PID)模糊控制器，神经网络控制技术和鲁棒控制器。但是，设计上述控制器。通常需要或估计一些未知的不确定因素，例如死区，输出约束和反电动势等，这些非线性项会影响控制***的跟踪效果。
无模型自适应控制方法(Model-Free Adaptive Control,MFAC)作为数据驱动控制的典型代表之一，已广泛的应用于涉及非线性***控制的许多领域。分数阶滑模控制(Fractional Order Sliding Model Control,FOSMC)具有一些独特的特征，如明显的物理意义，全局记忆和轻微的抖动等。当采用数字计算机***实现其控制策略时，由于忽略采样间隔的影响而导致控制精度变差。此外，如果采用Riemann-Liouville型分数阶算子定义，则在实验中存在非物理初始条件。因此，Caputo的分数微积分用于在数学上解决这个问题，但在工程应用中，Caputo的定义只能在基于拉普拉斯变换的近似方法中实现，这将在控制***中引入额外的近似误差。
相较于FOSMC，分数阶终端滑模控制(Fractional Order Terminal SlidingModel Control,FOTSMC)能够获得更高的控制精度。但是，大多数现有FOTSMC控制技术均是基于模型的控制方法，而实际中，永磁直流电机的精确数学模型通常难以获得。MFAC技术基于控制***的输入输出建立动态线性化数据模型，控制器设计与受控***的模型参数无关，且数据模型的参数能够在线更新。因此，为进一步提高永磁直流电机的控制精度，利用MFAC方法和FOTSMC方法各自的优势，将两种方法结合起来进行控制***设计成为当前的研究热点。
发明内容
为了解决现有技术的不足，本申请提供了基于分数阶滑模控制器的永磁直流电机控制方法及***；
第一方面，本申请提供了基于分数阶滑模控制器的永磁直流电机控制方法；
基于分数阶滑模控制器的永磁直流电机控制方法，包括：
在存在外部干扰的情况下，基于永磁直流电机的输出电流和输入电压，建立待控制永磁直流电机的数据驱动模型；
通过扰动估计和偏导数估计，将所述数据驱动模型转换为新的数据驱动模型；
针对新的数据驱动模型，建立对应的分数阶终端滑模函数；设计分数阶终端滑模函数的控制律；
对分数阶终端滑模函数的控制律中的符号函数进行修正，以减轻抖振现象；
基于分数阶终端滑模函数修正后的控制律，控制待控制永磁直流电机的运行。
第二方面，本申请提供了基于分数阶滑模控制器的永磁直流电机控制***；
基于分数阶滑模控制器的永磁直流电机控制***，包括：
模型建立模块，其被配置为：在存在外部干扰的情况下，基于永磁直流电机的输出电流和输入电压，建立待控制永磁直流电机的数据驱动模型；
模型转换模块，其被配置为：通过扰动估计和偏导数估计，将所述数据驱动模型转换为新的数据驱动模型；
分数阶终端滑模函数建立模块，其被配置为：针对新的数据驱动模型，建立对应的分数阶终端滑模函数；设计分数阶终端滑模函数的控制律；
修正模块，其被配置为：对分数阶终端滑模函数的控制律中的符号函数进行修正，以减轻抖振现象；
控制模块，其被配置为：基于分数阶终端滑模函数修正后的控制律，控制待控制永磁直流电机的运行。
第三方面，本申请还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述第一方面所述的方法。
第四方面，本申请还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
第五方面，本申请还提供了一种计算机程序(产品)，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现前述第一方面任意一项的方法。
与现有技术相比，本申请的有益效果是：
本发明针对永磁直流电机的控制问题，提出一种基于数据驱动的分数阶终端滑模控制方法，其具体优点包括四个方面：其一，该方法在永磁直流电机存在外部扰动的情况下，通过扰动估计算法在线估计***未知扰动，提高控制***的抗干扰能力；其二，与目前存在的处理方法相比，由于采用分数阶终端滑模控制方法，使得相平面原点附近的滑模面具有更陡峭的斜率，进一步提高了永磁直流电机的轨迹跟踪精度；其三，通过调节设计参数，能够快速、稳定地跟踪***期望轨迹；其四，所设计控制器仅仅依靠永磁直流电机控制***的输入输出测量数据，与永磁直流电机的数学模型参数无关。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为第一个实施例的方法流程图；
图2为第一个实施例的三种方法跟踪性能比较示意图；
图3为第一个实施例的三种方法控制输入示意图；
图4为第一个实施例的三种方法的伪偏导数更新过程；
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例提供了基于分数阶滑模控制器的永磁直流电机控制方法；
如图1所示，基于分数阶滑模控制器的永磁直流电机控制方法，包括：
S101：在存在外部干扰的情况下，基于永磁直流电机的输出电流和输入电压，建立待控制永磁直流电机的数据驱动模型；
S102：通过扰动估计和偏导数估计，将所述数据驱动模型转换为新的数据驱动模型；
S103：针对新的数据驱动模型，建立对应的分数阶终端滑模函数；设计分数阶终端滑模函数的控制律；
S104：对分数阶终端滑模函数的控制律中的符号函数进行修正，以减轻抖振现象；
S105：基于分数阶终端滑模函数修正后的控制律，控制待控制永磁直流电机的运行。
作为一个或多个实施例，所述S101：在存在外部干扰的情况下，基于永磁直流电机的输出电流和输入电压，建立待控制永磁直流电机的数据驱动模型；具体包括：
在存在参数不确定、负载和摩擦的情况下，基于永磁直流电机的输出电流和输入电压，建立待控制永磁直流电机的数据驱动模型；
y(k+1)＝y(k)+φ(k)Δu(k)+Δd(k) (8)
其中，y(k)是k时刻永磁直流电机的输出电流，y(k+1)是k+1时刻永磁直流电机的输出电流，Δu(k)是k时刻永磁直流电机输入端电压与k-1时刻的永磁直流电机输入端电压之差；Δd(k)＝d(k)-d(k-1)表示k时刻***扰动与k-1时刻***扰动之差，此处定义为广义扰动，且|d(k)|≤D，D>0是一个正常数；φ(k)表示时变伪偏导数，且|φ(k)|≤b，b是一个正常数。
作为一个或多个实施例，所述S102：通过扰动估计和偏导数估计，将所述数据驱动模型转换为新的数据驱动模型；新的数据驱动模型是指：
其中，
δ(k)表示伪偏导数估计误差；
表示伪偏导数估计值；Δu(k)表示k时刻永磁直流电机输入端电压与k-1时刻的永磁直流电机输入端电压之差；
表示k时刻***扰动与k-1时刻***扰动之差的估计值；
是扰动估计误差。
作为一个或多个实施例，所述S103：针对新的数据驱动模型，建立对应的分数阶终端滑模函数；具体为：
s(k)＝λ1e(k)+λ2Δα-1eξ(k-1) (23)
其中，s(k)表示分数阶终端滑模函数；λ1和λ2是非零正常数；e(k)表示k时刻输出电流的跟踪误差；eξ(k-1)表示k-1时刻输出电流的跟踪误差，ξ为两个奇整数的比率，且0<ξ<1；Δα-1表示分数阶微积分算子，α表示分数阶算子的阶数。
e(k)＝y(k)-yr(k) (22)
其中，y(k)是k时刻永磁直流电机的实际输出电流值，yr(k)是k时刻永磁直流电机的给定输出电流值。
作为一个或多个实施例，所述S103：设计分数阶终端滑模函数的控制律；具体为：
其中，Δu(k)表示k时刻永磁直流电机输入端电压与k-1时刻的永磁直流电机输入端电压之差；
表示k时刻***扰动与k-1时刻***扰动之差的估计值；
表示伪偏导数估计值；yr(k+1)是k+1时刻永磁直流电机的给定输出电流值；s(k)表示分数阶终端滑模函数；y(k)是k时刻永磁直流电机的实际输出电流值；Δα-1表示分数阶微积分算子，α表示分数阶算子的阶数；eξ(k)表示k时刻输出电流的跟踪误差，ξ为两个奇整数的比率，且0<ξ<1；λs是切换控制增益；sgn(s(k))表示s(k)的符号函数，即s(k)为正数时，sgn(s(k))符号为正，反之亦然。
δ(k)为伪偏导数估计误差且有界，为方便控制器整定，将δ(k)的值取为不大于M的常数δ；当
很小时，控制输入有可能变得很大甚至无界，引入参数估计误差δ，作为估计值
的附加校正项，避免这种现象的发生。
作为一个或多个实施例，所述S104：对分数阶终端滑模函数的控制律中的符号函数进行修正，以减轻抖振现象；具体包括：
将分数阶终端滑模函数的控制律的符号函数替换为：
其中σ>0。
一种基于数据驱动的分数阶离散时间终端滑模控制(Data Driven Fractional-order Discrete-time Terminal Sliding Mode Control，DD-FODTSMC)方法。其方法步骤如下：
步骤一：数据驱动建模分析
其中y(k+1)，u(k)分别是***k+1时刻的输出和k时刻的输入；d(k)表示***扰动或未建模动态，此处定义为广义扰动，且|d(k)|≤D，D>0是一个正常数；ny和nu是***未知阶数；f(·)为未知的非线性函数.令
由式(1)可知
y(k+1)＝ym(k+1)+d(k) (3)
假设1:***(1)的输入输出可观测且可控，即在包含广义扰动d(k)且期望输出信号yr(k+1)有界的情况下,存在有界的控制输入信号，使***在此信号的作用下其输出等于***的期望输出.
假设2:f(·)关于u(k)的偏导数是连续的.
假设3:***(1)满足广义Lipschitz，即对任意的k和|Δu(k)|≠0有
|Δy(k+1)|≤b|Δu(k)| (4)其中Δy(k+1)＝y(k+1)-y(k)，Δu(k)＝u(k)-u(k-1)，b是一个正常数.
引理1对满足假设条件1-3，如式(2)所示的非线性***，当|Δu(k)|≠0时，一定存在一个称作是伪偏导数的量φ(k)，使得
Δym(k+1)＝φ(k)Δu(k) (5)
并且|φ(k)|≤b，其中b是一个正常数，Δym(k+1)＝y(k+1)-y(k)，Δu(k)＝u(k)-u(k-1).
将(5)改写得
ym(k+1)＝ym(k)+φ(k)Δu(k) (6)
可推出
Δy(k+1)＝Δym(k+1)+Δd(k) (7)
其中Δym(k+1)＝ym(k+1)-ym(k)，Δy(k+1)＝y(k+1)-y(k)，Δd(k)＝d(k)-d(k-1).
考虑式(5)可得
y(k+1)＝y(k)+φ(k)Δu(k)+Δd(k) (8)
步骤二：扰动估计
基于扰动估计技术，式(8)中的扰动项Δd(k)可以通过其一步延时的值估计如下：
则式(8)变为
其中
是扰动估计误差且有界，进一步表示为
假设未知扰动Δd(k)是慢时变的且***采样频率很小.由引理1可知，φ(k)是有界的.且ym(k)，u(k)有界，故认为由式(11)表示的
有界是合理的.
步骤三：伪偏导数估计
未知参数φ(k)采用以下准则函数估计
由最优条件
可得
当
或|Δu(k-1)|≤ε时，
其中μ>0；η∈(0，1]；ε为一个足够小的正常数.
为
的初值，且
式(10)可改写为
其中
表示参数估计误差.
步骤四：Grünwald–Letnikov分数阶函数
具有任意阶数α∈R的Grünwald–Letnikov分数阶差分描述如下：
其中h表示采样间隔，样本数表示为k。
为二项式系数，可以根据下式计算：
为了节省计算资源，将有限记录数L引入到给定的分数阶差分定义中，则式(16)变为
在数学运算n！中允许n取值为实数甚至是复数的基础上得到的欧拉Gamma函数Γ(q)，其具体形式为
其中q在复平面的右半平面取值，即Re(q)>0。
其中Γ(·)采用式(19)计算。
考虑有界序列y(k)，k＝0，1，...且max{y(k-1)}≤γy，相应的分数阶差分有界，如下式所示
其中
步骤五：控制器设计；
针对式(15)所示***，设计其滑模控制器，定义输出跟踪误差如下：
e(k)＝y(k)-yr(k) (22)
其中y(k)是***输出，yr(k)是期望输出.
离散分数阶终端滑模函数定义如下：
s(k)＝λ1e(k)+λ2Δα-1eξ(k-1) (23)
其中λ1>0，λ2>0，ξ为两个奇整数的比率，且0<ξ<1。
离散滑模控制方案可以基于趋近律或等效控制设计.为了在一个采样时刻强制到达滑动面，基于以下趋近律设计DITSMC控制策略：
Δs(k)＝s(k+1)-s(k)＝0 (24)
将式(15)代入式(24)，可得：
忽略干扰估计误差
可得等效控制Δueq(k)为
其中控制器的实现需要将来的参考位置yr(k+1).通常，在控制***应用中yr(k+1)是预先定义的.因此，yr(k+1)先验已知.
值得注意的是，假设干扰可以被精确估计情况下，即
可得式(26)所示的控制律.但实际上
因此，为了提高控制器的鲁棒性，设计切换控制如下：
其中sgn(·)表示符号函数，λs是切换控制增益.且满足
将等效控制Δueq(k)与切换控制Δusw(k)组合给出总控制律：
Δu(k)＝Δueq(k)+Δusw(k) (28)
即
δ(k)为PPD估计误差且有界，例如|δ(k)|≤M，δ(k)有界性证明见本文稳定性分析部分.由于φ(k)是未知的，因此δ(k)不能精确的获得.为方便控制器整定，将δ(k)的值取为不大于M的常数δ.另外，当
很小时，控制输入有可能变得很大甚至无界，引入参数估计误差δ，作为估计值
的附加校正项，可避免这种现象的发生.
步骤六：稳定性分析
这一步证明所设计控制***的稳定性。
定理1:满足假设1-3的离散时间非线性***式(8)，滑模函数选为式(23)，采用控制律式(29)，且满足
那么***将在有限数量的步骤内达到准滑动模态.
由式(23)，可以得出如下的一步向前滑模函数s(k+1)：
s(k+1)＝λ1e(k+1)+λ2Δα-1eξ(k) (30)
将式(22)代入式(30)，并考虑式(15)和式(29)，可得
由式(31)式可得
考虑
可得
因此，当s(k)>0时，可以由式(32)和式(33)得
当s(k)<0时，可以由式(32)和式(33)得到
考虑到式(34)和式(35)，可得出
式(36)满足离散滑模存在和到达条件
且式(37)是离散准滑模状态存在的充要条件.且s(k)单调减小，即|s(k)|<|s(k+1)|，也就意味着在式(29)作用下，***将在有限数量的步骤内达到准滑动模态。
为了减轻抖振现象，式(29)中的符号函数替换为
其中σ>0.在实际中，参数σ在鲁棒性和抑制抖动效应之间折中选择.
步骤七：仿真实验验证
通过SISO离散时间非线性***验证所提出控制方案的正确性和有效性，并与MFAC和神经网络滑模控制(Neural Networks Sliding mode control,NN-SMC)方法进行比较。
考虑非线性***如下
其中，扰动为d(k)＝[0.5,0.15sin(k/30)][y(k),y(k-1)]T，时变参数a(k)＝1+round(k/500)。显然，该被控***的结构、参数和阶数都是时变的。
期望输出信号为
三种相比较的方法中，***初始条件相同，均设置为u(1)＝u(2)＝0，y(1)＝y(2)＝0，
参数估计算法参数均设置为η＝μ＝1。原型MFAC方法中ρ＝0.6，λ＝2.NN-SMC方法中q＝0.6，c＝[1,2]，σ＝3，ε＝0.0002。所提出方法中λ1＝λ2＝0.1，α＝0.5，ξ＝9/11，λs＝0.002，h＝0.002，L＝10。仿真结果如图1-3所示。为了量化跟踪结果，平均绝对误差(MAE)和均方根误差(RMSE)定义如下
其中k表示采样数据的数量。
从图2和表1的量化结果可以清楚地看到：1)本文所述DD-FODTSMC方法在各项性能指标上均获得了优于原型MFAC和NN-SMC的控制效果.2)NN-SMC的***响应速度及控制精度要略优于原型MFAC，但其超调量较大。值得指出的是，当k＝500时，即***结构发生变化时，由细节图可看出，三种比较的方法中，NN-SMC方法响应速度最快，但超调量较大。当k＝855时，由细节图可看出，原型MFAC方法和NN-SMC方法均产生较大的震荡，所提出方法效果较好。三种控制方法所对应的控制输入量如图3所示。不同控制方法的参数PPD更新过程如图4所示。
表1输出误差指标
步骤八：设计结束
整个设计过程重点考虑了控制器设计的简便性、稳定性和轨迹跟踪的快速精确性。针对所考虑问题，首先在上述第一步确定了非线性***的数据模型；第二步重点给出了扰动估计方法；第三步给出数据模型中伪偏导数的估计方法；第四步给出了Grünwald–Letnikov分数阶函数的具体描述；第五步设计了基于数据驱动模型的分数阶离散终端滑模控制器；第六步介绍了闭环***轨迹跟踪稳定性分析。经上述步骤后，设计结束。
实施例二
本实施例提供了基于分数阶滑模控制器的永磁直流电机控制***；
基于分数阶滑模控制器的永磁直流电机控制***，包括：
模型建立模块，其被配置为：在存在外部干扰的情况下，基于永磁直流电机的输出电流和输入电压，建立待控制永磁直流电机的数据驱动模型；
模型转换模块，其被配置为：通过扰动估计和偏导数估计，将所述数据驱动模型转换为新的数据驱动模型；
分数阶终端滑模函数建立模块，其被配置为：针对新的数据驱动模型，建立对应的分数阶终端滑模函数；设计分数阶终端滑模函数的控制律；
修正模块，其被配置为：对分数阶终端滑模函数的控制律中的符号函数进行修正，以减轻抖振现象；
控制模块，其被配置为：基于分数阶终端滑模函数修正后的控制律，控制待控制永磁直流电机的运行。
此处需要说明的是，上述模型建立模块、模型转换模块、分数阶终端滑模函数建立模块、修正模块和控制模块对应于实施例一中的步骤S101至S105，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为***的一部分可以在诸如一组计算机可执行指令的计算机***中执行。
上述实施例中对各个实施例的描述各有侧重，某个实施例中没有详述的部分可以参见其他实施例的相关描述。
所提出的***，可以通过其他的方式实现。例如以上所描述的***实施例仅仅是示意性的，例如上述模块的划分，仅仅为一种逻辑功能划分，实际实现时，可以有另外的划分方式，例如多个模块可以结合或者可以集成到另外一个***，或一些特征可以忽略，或不执行。
实施例三
本实施例还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述实施例一所述的方法。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元及算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
实施例四
本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一所述的方法。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (4)
1.基于分数阶滑模控制器的永磁直流电机控制方法，其特征是，包括：
在存在外部干扰的情况下，基于永磁直流电机的输出电流和输入电压，建立待控制永磁直流电机的数据驱动模型；具体包括：
在存在参数不确定、负载和摩擦的情况下，基于永磁直流电机的输出电流和输入电压，建立待控制永磁直流电机的数据驱动模型；
y(k+1)＝y(k)+φ(k)Δu(k)+Δd(k) (8)
其中，y(k)是k时刻永磁直流电机的输出电流，y(k+1)是k+1时刻永磁直流电机的输出电流，Δu(k)是k时刻永磁直流电机输入端电压与k-1时刻的永磁直流电机输入端电压之差；Δd(k)＝d(k)-d(k-1)表示k时刻***扰动与k-1时刻***扰动之差，此处定义为广义扰动，且|d(k)|≤D，D>0是一个正常数；φ(k)表示时变伪偏导数，且|φ(k)|≤b，b是一个正常数；
通过扰动估计和偏导数估计，将所述数据驱动模型转换为新的数据驱动模型；新的数据驱动模型是指：
其中，δ(k)表示伪偏导数估计误差；表示伪偏导数估计值；Δu(k)表示k时刻永磁直流电机输入端电压与k-1时刻的永磁直流电机输入端电压之差；表示k时刻***扰动与k-1时刻***扰动之差的估计值；是扰动估计误差；
针对新的数据驱动模型，建立对应的分数阶终端滑模函数；具体为：
s(k)＝λ1e(k)+λ2Δα-1eξ(k-1) (23)
其中，s(k)表示分数阶终端滑模函数；λ1和λ2是非零正常数；e(k)表示k时刻输出电流的跟踪误差；eξ(k-1)表示k-1时刻输出电流的跟踪误差，ξ为两个奇整数的比率，且0<ξ<1；Δα-1表示分数阶微积分算子，α表示分数阶算子的阶数；
e(k)＝y(k)-yr(k) (22)
其中，y(k)是k时刻永磁直流电机的实际输出电流值，yr(k)是k时刻永磁直流电机的给定输出电流值；
设计分数阶终端滑模函数的控制律；
对分数阶终端滑模函数的控制律中的符号函数进行修正，以减轻抖振现象；
基于分数阶终端滑模函数修正后的控制律，控制待控制永磁直流电机的运行；
设计分数阶终端滑模函数的控制律；具体为：
其中，Δu(k)表示k时刻永磁直流电机输入端电压与k-1时刻的永磁直流电机输入端电压之差；表示k时刻***扰动与k-1时刻***扰动之差的估计值；表示伪偏导数估计值；yr(k+1)是k+1时刻永磁直流电机的给定输出电流值；s(k)表示分数阶终端滑模函数；y(k)是k时刻永磁直流电机的实际输出电流值；Δα-1表示分数阶微积分算子，α表示分数阶算子的阶数；eξ(k)表示k时刻输出电流的跟踪误差，ξ为两个奇整数的比率，且0<ξ<1；λs是切换控制增益；sgn(s(k))表示s(k)的符号函数，即s(k)为正数时，sgn(s(k))符号为正，反之亦然；
δ(k)为伪偏导数估计误差且有界，为方便控制器整定，将δ(k)的值取为不大于M的常数δ；当很小时，控制输入有可能变得很大甚至无界，引入参数估计误差δ，作为估计值的附加校正项，避免这种现象的发生；
对分数阶终端滑模函数的控制律中的符号函数进行修正，以减轻抖振现象；具体包括：
将分数阶终端滑模函数的控制律的符号函数替换为：
其中σ>0。
2.基于分数阶滑模控制器的永磁直流电机控制***，其特征是，包括：
模型建立模块，其被配置为：在存在外部干扰的情况下，基于永磁直流电机的输出电流和输入电压，建立待控制永磁直流电机的数据驱动模型；
模型转换模块，其被配置为：通过扰动估计和偏导数估计，将所述数据驱动模型转换为新的数据驱动模型；
分数阶终端滑模函数建立模块，其被配置为：针对新的数据驱动模型，建立对应的分数阶终端滑模函数；
设计分数阶终端滑模函数的控制律；
修正模块，其被配置为：对分数阶终端滑模函数的控制律中的符号函数进行修正，以减轻抖振现象；
控制模块，其被配置为：基于分数阶终端滑模函数修正后的控制律，控制待控制永磁直流电机的运行；
在存在外部干扰的情况下，基于永磁直流电机的输出电流和输入电压，建立待控制永磁直流电机的数据驱动模型；具体包括：
在存在参数不确定、负载和摩擦的情况下，基于永磁直流电机的输出电流和输入电压，建立待控制永磁直流电机的数据驱动模型；
y(k+1)＝y(k)+φ(k)Δu(k)+Δd(k) (8)
其中，y(k)是k时刻永磁直流电机的输出电流，y(k+1)是k+1时刻永磁直流电机的输出电流，Δu(k)是k时刻永磁直流电机输入端电压与k-1时刻的永磁直流电机输入端电压之差；Δd(k)＝d(k)-d(k-1)表示k时刻***扰动与k-1时刻***扰动之差，此处定义为广义扰动，且|d(k)|≤D，D>0是一个正常数；φ(k)表示时变伪偏导数，且|φ(k)|≤b，b是一个正常数；
通过扰动估计和偏导数估计，将所述数据驱动模型转换为新的数据驱动模型；新的数据驱动模型是指：
其中，δ(k)表示伪偏导数估计误差；表示伪偏导数估计值；Δu(k)表示k时刻永磁直流电机输入端电压与k-1时刻的永磁直流电机输入端电压之差；表示k时刻***扰动与k-1时刻***扰动之差的估计值；是扰动估计误差；
针对新的数据驱动模型，建立对应的分数阶终端滑模函数；具体为：
s(k)＝λ1e(k)+λ2Δα-1eξ(k-1) (23)
其中，s(k)表示分数阶终端滑模函数；λ1和λ2是非零正常数；e(k)表示k时刻输出电流的跟踪误差；eξ(k-1)表示k-1时刻输出电流的跟踪误差，ξ为两个奇整数的比率，且0<ξ<1；Δα-1表示分数阶微积分算子，α表示分数阶算子的阶数；
e(k)＝y(k)-yr(k) (22)
其中，y(k)是k时刻永磁直流电机的实际输出电流值，yr(k)是k时刻永磁直流电机的给定输出电流值；
设计分数阶终端滑模函数的控制律；具体为：
其中，Δu(k)表示k时刻永磁直流电机输入端电压与k-1时刻的永磁直流电机输入端电压之差；表示k时刻***扰动与k-1时刻***扰动之差的估计值；表示伪偏导数估计值；yr(k+1)是k+1时刻永磁直流电机的给定输出电流值；s(k)表示分数阶终端滑模函数；y(k)是k时刻永磁直流电机的实际输出电流值；Δα-1表示分数阶微积分算子，α表示分数阶算子的阶数；eξ(k)表示k时刻输出电流的跟踪误差，ξ为两个奇整数的比率，且0<ξ<1；λs是切换控制增益；sgn(s(k))表示s(k)的符号函数，即s(k)为正数时，sgn(s(k))符号为正，反之亦然；
δ(k)为伪偏导数估计误差且有界，为方便控制器整定，将δ(k)的值取为不大于M的常数δ；当很小时，控制输入有可能变得很大甚至无界，引入参数估计误差δ，作为估计值的附加校正项，避免这种现象的发生；
对分数阶终端滑模函数的控制律中的符号函数进行修正，以减轻抖振现象；具体包括：
将分数阶终端滑模函数的控制律的符号函数替换为：
其中σ>0。
3.一种电子设备，其特征是，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述权利要求1所述的方法。
4.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110018288.5A CN112769368B (zh) | 2021-01-07 | 2021-01-07 | 基于分数阶滑模控制器的永磁直流电机控制方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110018288.5A CN112769368B (zh) | 2021-01-07 | 2021-01-07 | 基于分数阶滑模控制器的永磁直流电机控制方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112769368A CN112769368A (zh) | 2021-05-07 |
| CN112769368B true CN112769368B (zh) | 2023-04-25 |
Family
ID=75700666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110018288.5A Active CN112769368B (zh) | 2021-01-07 | 2021-01-07 | 基于分数阶滑模控制器的永磁直流电机控制方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112769368B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113485112B (zh) * | 2021-07-14 | 2023-02-28 | 江南大学 | 一种预设性能自适应分数阶滑模控制方法及*** |
| CN113625573B (zh) * | 2021-09-18 | 2023-06-30 | 金陵科技学院 | 受非对称死区输入影响的分数阶***反步滑模控制方法 |
| CN114442489A (zh) * | 2022-01-28 | 2022-05-06 | 青岛科技大学 | 一种非线性连续时间***的采样无模型自适应控制技术 |
| CN115048768B (zh) * | 2022-05-13 | 2024-01-23 | 兰州大学 | 多元分数阶状态空间模型的滑模控制方法和装置 |
| CN114859729A (zh) * | 2022-05-13 | 2022-08-05 | 中国第一汽车股份有限公司 | 一种控制方法、装置、设备以及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101937219A (zh) * | 2010-08-13 | 2011-01-05 | 东华大学 | 嵌入激素调控机制的数据驱动智能控制***及其方法 |
| CN108429508A (zh) * | 2018-03-13 | 2018-08-21 | 西南石油大学 | 开关磁阻电机分数阶滑模控制器的设计方法及控制*** |
| CN108768232A (zh) * | 2018-06-13 | 2018-11-06 | 青岛科技大学 | 一种半潜船动力定位***推进电机控制方法及*** |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104601071B (zh) * | 2015-01-30 | 2017-06-06 | 福州大学 | 基于扰动观测器的永磁同步电机电流环滑模控制*** |
| CN109951123B (zh) * | 2019-04-02 | 2020-10-30 | 江南大学 | 针对直线感应电机的速度控制方法 |
| CN111459051B (zh) * | 2020-04-23 | 2023-05-12 | 河北工业大学 | 一种带扰动观测器的离散终端滑模无模型控制方法 |
-
2021
- 2021-01-07 CN CN202110018288.5A patent/CN112769368B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101937219A (zh) * | 2010-08-13 | 2011-01-05 | 东华大学 | 嵌入激素调控机制的数据驱动智能控制***及其方法 |
| CN108429508A (zh) * | 2018-03-13 | 2018-08-21 | 西南石油大学 | 开关磁阻电机分数阶滑模控制器的设计方法及控制*** |
| CN108768232A (zh) * | 2018-06-13 | 2018-11-06 | 青岛科技大学 | 一种半潜船动力定位***推进电机控制方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112769368A (zh) | 2021-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112769368B (zh) | 基于分数阶滑模控制器的永磁直流电机控制方法及*** | |
| Yao et al. | Active disturbance rejection adaptive control of uncertain nonlinear systems: Theory and application | |
| Zheng et al. | Stable adaptive PI control for permanent magnet synchronous motor drive based on improved JITL technique | |
| Cao et al. | Stability Margins of ${\cal L} _ {1} $ Adaptive Control Architecture | |
| Na et al. | Adaptive control for nonlinear pure-feedback systems with high-order sliding mode observer | |
| Galuppini et al. | Model predictive control of systems with deadzone and saturation | |
| Wu et al. | Adaptive tracking control for uncertain switched systems under asynchronous switching | |
| Kim et al. | The Lyapunov-based controller with a passive nonlinear observer to improve position tracking performance of microstepping in permanent magnet stepper motors | |
| Weng et al. | Adaptive sliding mode decoupling control with data-driven sliding surface for unknown MIMO nonlinear discrete systems | |
| CN112769367B (zh) | 永磁直线电机数据驱动离散迭代积分滑模控制方法及*** | |
| CN104199294A (zh) | 电机伺服***双神经网络摩擦补偿和有限时间协同控制方法 | |
| Huang et al. | Quadratic regularization of data-enabled predictive control: Theory and application to power converter experiments | |
| Mazaheri et al. | Performance evaluation of nonlinear Kalman filtering techniques in low speed brushless DC motors driven sensor-less positioning systems | |
| Golestani et al. | Fast robust adaptive tracker for uncertain nonlinear second‐order systems with time‐varying uncertainties and unknown parameters | |
| Liu | Predictive control of high-order fully actuated nonlinear systems with time-varying delays | |
| Hsu et al. | Intelligent nonsingular terminal sliding-mode control via perturbed fuzzy neural network | |
| Do et al. | Sliding mode learning control of non‐minimum phase nonlinear systems | |
| Hu et al. | Real-time iterative compensation framework for precision mechatronic motion control systems | |
| Meng et al. | Adaptive EPCH strategy for nonlinear systems with parameters uncertainty and disturbances | |
| Makarow et al. | Model predictive trajectory set control with adaptive input domain discretization | |
| Chen et al. | Motion control with deadzone estimation and compensation using GRNN for TWUSM drive system | |
| Prasetyo et al. | Implementation of model predictive control using Algorithm-3 on Arduino Mega 2560 for speed control of BLDC motor | |
| Liu et al. | An observer-based IT2 TSK FLS compensation controller for PMSM servo systems: design and evaluation | |
| Haus et al. | Model predictive control for switching gain adaptation in a sliding mode controller of a dc drive with nonlinear friction | |
| Liu et al. | Neural Network Identification and Sliding Mode Control for Hysteresis Nonlinear System with Backlash‐Like Model |
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 |