永磁同步伺服系统PID型迭代学习控制研究

来源 :广东工业大学 | 被引量 : 0次 | 上传用户:caiyoutian
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
永磁同步电机(PMSM)是一个非线性、强耦合的多变量系统。PMSM作为永磁同步伺服系统的控制对象,要实现伺服系统高速度,高精度的控制,对控制方法的要求较高。本文基于迭代学习控制研究永磁同步伺服系统的速度与位置PID控制策略。首先,介绍永磁同步伺服的控制结构,根据坐标变换理论,在旋转坐标系下建立PMSM的数学模型和状态空间模型。接着分析引起速度周期性波动的原因和介绍di=0矢量控制方法及电压空间矢量脉宽调制(SVPWM)技术。然后,阐述了迭代学习控制原理和应用条件,以PID型迭代学习控制算法进行研究。针对永磁同步电机齿槽转矩,磁通谐波等原因引起较大速度波动的问题,速度环采用PI控制器并联P型迭代学习控制器构成复合控制,来减小速度稳态波动。为提高永磁同步伺服系统位置跟踪精度,位置环采用P控制器和PD型迭代学习控制器并联构成复合控制。在系统重复运行中进行迭代学习控制,使位置跟踪精度得到提高。关于迭代学习控制器的设计,速度环采用P型迭代学习控制器,根据永磁同步电机的机械运动方程和迭代学习控制的收敛条件,确定学习增益,并用频域法进行分析。在位置环控制设计时,从频域中推导出迭代学习控制收敛条件,根据伯德图验证收敛条件,对所满足收敛的频段收敛性进行分析,确定学习增益。在Matlab中分别搭建双闭环速度控制的仿真模型和三闭环位置控制的仿真模型。通过仿真,验证迭代学习控制器的性能。最后在实验平台上,完成永磁同步伺服系统迭代学习控制的相关实验。双闭环速度控制实验中加入P型迭代学习控制器与PI速度控制器相比,速度波动得到减小。三闭环伺服系统位置控制实验中加入PD型迭代学习控制器与P控制器相比,提高了位置跟踪精度。
其他文献
语音是人类最基本、最重要、最快捷的信息交流传播方式。语音中不仅包含着说话者表达的内容,还包含着说话者丰富情感信息。随着大数据时代的到来,语音情感识别成为非常活跃的研究领域,在人机交互系统方面具有潜在的应用。语音情感识别作为人机交互系统的重要组成部分,其目的是通过直接的语音交流与机器形成情感互动。但是,由于情感的复杂多样性,语音情感识别是一项非常具有挑战性的工作。在语音情感识别研究中,研究主要内容是
随着经济全球化以及数字经济学的迅速崛起,推动了全球经济的快速发展。股票市场作为金融行业中最为重要的一部分,对经济的波动有着重要影响。股票价格涨跌的不确定性、难预测性和高回报高风险性,激起了众多学者的研究热潮,更受到了广大投资者的关注与追捧。如何提高股票涨跌预测的变化趋势成为众多学者与投资者最为关注的热点,因此,对金融趋势预测技术模型的研究与设计不仅具有深刻的理论意义,也具有非常重要的使用价值。由于
城市道路交通堵塞及事故的频发,给市民的交通出行和社会生产带来极大的困扰,尽管诸多的城市管理者对解决当前问题做了很多不同的尝试,但这些现象依然存在于各个城市中,且呈现上升趋势,如何在现有的交通设施基础下有效的提高城市道路的运行效率及管理能力是当前交通运输领域的主要难题。城市路网中无时无刻有网约车在运行,包含大量全面的城市交通时空信息,而且GPS数据具有可靠性高、数据量大等特点,采集到的数据通过无线网
长期以来,细粒度图像分类作为传统图像分类的一个细分方向,在现实世界的场景中有着广泛的实际应用需求。细粒度图像分类追求更加细致的类别划分,比如,输入一张鸟类的图像,可以对目标物体的具体子类别进行准确识别。显而易见的,细粒度图像分类相比传统意义上的图像分类提出了更高的要求。细粒度图像分类问题最大的挑战在于样本的类间差异小、类内差异大。为了解决这个问题,聚焦于近年来使用深度学习方法在细粒度图像分类问题上
目前人脸识别技术以及红外测温技术非常成熟,但对于人脸存在遮挡物的识别和口罩佩戴检查识别方面的应用场景,目前仍处于发展的阶段。目前在实际应用工程应用当中,面对复杂的室内外环境因素下,对人脸身份识别及配合红外非接触式测温装置的进行体温测量,仍存在一些关键技术问题,亟待科研人员和工程师共同解决:如对于人脸的关键点进行定位;判断人脸特征(如否佩戴好口罩)进行实时检测识别;在室内外进行非接触式测温精度控制和
随着移动智能终端的快速普及和物联网技术的快速发展,人们对于位置感知需求的应用急剧增加,定位服务作为移动互联网应用程序的一部分,深刻的影响着人们的出行的各个方面。近年来,随着室外定位技术的日渐成熟,总体净利率在逐年下降,而室内定位的需求却在不断增长,巨大的商业价值驱使人们更加关注室内定位技术的发展,其中,Wi-Fi(Wireless Fiedelity,无线保真)室内定位技术凭借基础设施部署广泛和终
科技的日异月新催促着各行各业的蓬勃发展,互联网作为社会的领头羊,与各行各业无时无刻连接在一起。伴随在传输、基础设施、计算能力都获得快速提升的基石下,智能互联网也因此诞生。手机作为人与互联网的一个重要接口,每天都会在其上面留下大量的行为数据,这些数据维度极其丰富且具有较强时效性。在互联网业务场景中,如何对用户画像进行高效预测是目前各大公司研究的核心问题之一。传统的用户画像都是以人工打标签为主,其效率
全球计算机与数字通信技术发生了翻天覆地的变化,在信息的传播和获取变得非常方便的同时,多媒体信息遭受着许多的攻击,信息的安全也变得尤为重要。人们对于知识产权的保护意识也越来越强烈,发布到网络上的多媒体的版权问题也越来越多。国内外许多专家和学者对此提出了各种有效的方法,保护多媒体版权信息大多采取了数字水印技术,该技术近几年在国际上得到了广泛的应用与研究。数字水印是一种新的保护手段。以语音和文本类的数据
随着信息技术的发展和计算速度的提升,人工智能等热点技术不断取得突破和进展。同时医疗产业信息化产生了大量的医疗数据,使得人工智能技术与医疗健康的结合成为当下的研究热点。糖尿病作为威胁人类健康的九大疾病之一,有效地评估患者的再入院风险,可以辅助医生进行更好的决策,提高医院的医疗质量。同时还能节约医疗资源,降低医疗开销,有一定的现实意义。本文尝试利用机器学习技术,基于结构化医疗数据进行疾病预测,判断糖尿
随着计算机科学与网络通信的高速发展,信息安全的重要性不断提升。为确保隐私或机密数据不受窃取和篡改,密码算法已成为至关重要的密码保护手段。其中,AES和SM4算法是被广泛应用于无线传感网和物联网智能设备的分组密码算法。然而,在集成了这两种算法的现有安全芯片中,AES和SM4多为独立实现,未能利用二者的相似结构以优化硬件实现,且随着侧信道攻击的发展,安全芯片缺乏有效的防护设计。因此,利用可重构思想设计