基于變?cè)鲆鍹RAI轉(zhuǎn)動(dòng)慣量辨識(shí)及控制參數(shù)優(yōu)化*

董烈超，周鳳星，盧少武

(武漢科技大學(xué) 信息科學(xué)與工程學(xué)院，武漢　430081)

?

基于變?cè)鲆鍹RAI轉(zhuǎn)動(dòng)慣量辨識(shí)及控制參數(shù)優(yōu)化*

董烈超，周鳳星，盧少武

(武漢科技大學(xué) 信息科學(xué)與工程學(xué)院，武漢430081)

摘要：為了使交流伺服系統(tǒng)在不同負(fù)載情況下運(yùn)行時(shí)，保持良好動(dòng)、靜態(tài)特性，需實(shí)時(shí)辨識(shí)系統(tǒng)轉(zhuǎn)動(dòng)慣量并及時(shí)調(diào)整控制器控制參數(shù)。提出一種變?cè)鲆婺Ｐ蛥⒖甲赃m應(yīng)辨識(shí)法(MRAI)對(duì)系統(tǒng)的轉(zhuǎn)動(dòng)慣量進(jìn)行精確辨識(shí)，并根據(jù)辨識(shí)結(jié)果結(jié)合速度控制器的數(shù)學(xué)模型，采用遺傳算法對(duì)速度控制器的PI控制參數(shù)進(jìn)行優(yōu)化的方法，實(shí)現(xiàn)對(duì)交流伺服系統(tǒng)控制參數(shù)的整定優(yōu)化。仿真結(jié)果表明，變?cè)鲆婺Ｐ蛥⒖甲赃m應(yīng)辨識(shí)法辨識(shí)精度高、收斂速度快，結(jié)合遺傳算法對(duì)速度控制器參數(shù)進(jìn)行優(yōu)化，有效提高了交流伺服系統(tǒng)的動(dòng)態(tài)特性，增強(qiáng)了系統(tǒng)的穩(wěn)定性。

關(guān)鍵詞：交流伺服系統(tǒng)；模型參考自適應(yīng)；轉(zhuǎn)動(dòng)慣量；遺傳算法

0引言

數(shù)控機(jī)床、智能機(jī)器人等領(lǐng)域都對(duì)永磁同步電機(jī)交流伺服系統(tǒng)的速度動(dòng)態(tài)性能和控制精度有很高的要求。當(dāng)負(fù)載轉(zhuǎn)動(dòng)慣量發(fā)生變化時(shí)，會(huì)對(duì)整個(gè)交流伺服系統(tǒng)的機(jī)械特性造成明顯影響。因此，準(zhǔn)確、快速地辨識(shí)出交流伺服系統(tǒng)的轉(zhuǎn)動(dòng)慣量值，并且根據(jù)轉(zhuǎn)動(dòng)慣量辨識(shí)結(jié)果對(duì)相應(yīng)的速度控制器控制參數(shù)進(jìn)行整定優(yōu)化[1-3]，是提高交流伺服系統(tǒng)速度控制器動(dòng)態(tài)性能的有效途徑。

目前，眾多學(xué)者在交流伺服系統(tǒng)轉(zhuǎn)動(dòng)慣量辨識(shí)和控制參數(shù)優(yōu)化方面做了大量研究。文獻(xiàn)[4]提出了含遺忘因子遞推平方根算法進(jìn)行轉(zhuǎn)動(dòng)慣量在線辨識(shí)，該方法辨識(shí)結(jié)果準(zhǔn)確，但該方法運(yùn)行時(shí)占用較多的處理器內(nèi)存，運(yùn)算速度偏慢。文獻(xiàn)[5-6]提出了模型參考自適應(yīng)辨識(shí)法應(yīng)用在伺服系統(tǒng)轉(zhuǎn)動(dòng)慣量辨識(shí)中，該方法具有辨識(shí)精度高、辨識(shí)過(guò)程收斂速度快的優(yōu)點(diǎn)。文獻(xiàn)[7-8]提出了遺傳算法應(yīng)用于伺服系統(tǒng)控制參數(shù)整定優(yōu)化，該算法結(jié)構(gòu)開放且易于與實(shí)際問(wèn)題相結(jié)合，且具有并行計(jì)算、全局收斂、編碼操作、運(yùn)算速度快等特點(diǎn)，在交流伺服系統(tǒng)速度控制器控制參數(shù)優(yōu)化上具有良好的可行性和準(zhǔn)確性。

本文采用變?cè)鲆婺Ｐ蛥⒖甲赃m應(yīng)辨識(shí)法對(duì)交流伺服系統(tǒng)轉(zhuǎn)動(dòng)慣量進(jìn)行辨識(shí)，根據(jù)辨識(shí)得到的系統(tǒng)轉(zhuǎn)動(dòng)慣量值，采用遺傳算法對(duì)當(dāng)前工作環(huán)境的交流伺服系統(tǒng)速度PI控制器控制參數(shù)進(jìn)行優(yōu)化。在Matlab環(huán)境下進(jìn)行仿真，實(shí)驗(yàn)結(jié)果較為理想，表明該方法具有良好的可行性和穩(wěn)定性，且有效提高了交流伺服系統(tǒng)的魯棒性。

1永磁同步電機(jī)的數(shù)學(xué)模型

永磁同步電機(jī)的機(jī)械運(yùn)動(dòng)方程為：

(1)

(2)

式中ωr為永磁同步電機(jī)機(jī)械角速度，Te為電磁轉(zhuǎn)矩，Tl為負(fù)載轉(zhuǎn)矩，B為摩擦系數(shù)，J為轉(zhuǎn)子轉(zhuǎn)動(dòng)慣量,pn為極對(duì)數(shù)，ψf為永磁體磁通，iq為q軸電流。

2基于變?cè)鲆鎱⒖寄Ｐ妥赃m應(yīng)辨識(shí)法

基于模型參考自適應(yīng)的辨識(shí)方法是將實(shí)際系統(tǒng)作為參考模型，并建立含有未知參數(shù)的可調(diào)模型。兩模型具有相同物理意義的輸入與輸出量，比較兩個(gè)模型的輸出，通過(guò)某種自適應(yīng)規(guī)律調(diào)整可調(diào)模型的參數(shù)，最終實(shí)現(xiàn)可調(diào)模型輸出跟隨參考模型輸出。在這個(gè)過(guò)程中，可調(diào)模型的輸出盡可能地接近實(shí)際輸出，可調(diào)模型的未知參數(shù)逐漸接近實(shí)際情況。當(dāng)可調(diào)模型的輸出和參考模型的輸出偏差不再改善時(shí)，則可調(diào)模型的未知參數(shù)被作為待辨識(shí)參數(shù)的估計(jì)值，即辨識(shí)結(jié)果。

忽略摩擦阻力，將永磁同步電機(jī)的機(jī)械運(yùn)動(dòng)方程(1)離散化：設(shè)采樣時(shí)間為T，則離散方程如下[9]：

(3)

(4)

由于采樣時(shí)間較短，電機(jī)所帶轉(zhuǎn)矩負(fù)載的變化周期遠(yuǎn)遠(yuǎn)大于慣量辨識(shí)控制周期，可以認(rèn)為在k-1,k-2時(shí)刻的負(fù)載轉(zhuǎn)矩不變，即

Tl(k-1)=Tl(k-2)

(5)

由式(3)減式(4)，可得式(6)：

ωr(k)=2ωr(k-1)-ωr(k-2)+b(k)ΔTe(k-1)

(6)

將上式作為參考模型，可得可調(diào)模型方程為：

ωg(k)=2ωr(k-1)-ωr(k-2)+bg(k)ΔTe(k-1)

(7)

式中，ωg為估計(jì)速度，bg為估計(jì)變量。參考模型和可調(diào)模型的輸出誤差為：

ε(k)=ωr(k)-ωg(k)

(8)

Popov超穩(wěn)定性理論有如下特點(diǎn)：利用函數(shù)來(lái)判斷系統(tǒng)的全局和局部漸進(jìn)的穩(wěn)定性，無(wú)需求解系統(tǒng)的微分方程，可以準(zhǔn)確得到系統(tǒng)的自適應(yīng)律[10]。由Popov超穩(wěn)定性理論設(shè)計(jì)的轉(zhuǎn)動(dòng)慣量的自適應(yīng)律為：

(9)

式中β為自適應(yīng)增益因子。β越大，辨識(shí)過(guò)程收斂速度越快但辨識(shí)結(jié)果波動(dòng)較大，β越小辨識(shí)精度越高但收斂時(shí)間越長(zhǎng)。為了保證辨識(shí)算法具有較高的辨識(shí)精度，同時(shí)使辨識(shí)過(guò)程具有快速收斂性，本文采用變?cè)鲆婺Ｐ蛥⒖甲赃m應(yīng)辨識(shí)法：即當(dāng)交流伺服系統(tǒng)轉(zhuǎn)動(dòng)慣量發(fā)生變化時(shí)，增益因子β跟隨變化。當(dāng)系統(tǒng)轉(zhuǎn)動(dòng)慣量發(fā)生突變時(shí)，β值迅速變大，滿足快速跟蹤系統(tǒng)轉(zhuǎn)動(dòng)慣量變化的要求，當(dāng)跟蹤到到真實(shí)值后，再逐漸減小β值，保證辨識(shí)結(jié)果的精確性。變?cè)鲆嬉蜃铀阕尤缦率剑?/p>

(10)

式中：λ為調(diào)整系數(shù)，λ越小β衰減速度越快。

3基于遺傳算法速度PI控制參數(shù)整定

3.1速度PI控制器數(shù)學(xué)模型

在交流伺服系統(tǒng)中，電流環(huán)的時(shí)間常數(shù)很小，遠(yuǎn)小于速度環(huán)時(shí)間常數(shù)，因此可將電流環(huán)近似為一階小慣性環(huán)節(jié)。電流控制器的閉環(huán)傳遞函數(shù)為：

(11)

τi為電流環(huán)時(shí)間常數(shù)，速度環(huán)等效原理如圖1所示。

圖1　速度環(huán)等效原理

(12)

3.2基于遺傳算法的PI控制參數(shù)優(yōu)化

以速度環(huán)為被控對(duì)象，根據(jù)辨識(shí)的實(shí)時(shí)轉(zhuǎn)動(dòng)慣量值，采用遺傳算法對(duì)當(dāng)前系統(tǒng)的速度環(huán)PI控制參數(shù)kp和ki進(jìn)行尋優(yōu)[11]。由于實(shí)數(shù)編碼具有算法精度高、占用存儲(chǔ)空間小的特點(diǎn)，采用實(shí)數(shù)編碼方式對(duì)參數(shù)kp和ki進(jìn)行編碼。

(1)初始種群。以原系統(tǒng)參數(shù)kp和ki為一個(gè)個(gè)體，并在原參數(shù)為中心，在參數(shù)范圍內(nèi)隨機(jī)產(chǎn)生N-1個(gè)均勻分布的個(gè)體，構(gòu)成N個(gè)個(gè)體的初始種群。

(2)適應(yīng)度函數(shù)。本文PI參數(shù)尋優(yōu)的最小目標(biāo)函數(shù)采用誤差絕對(duì)值時(shí)間積分，為了防止控制能量過(guò)大，加人控制輸入的平方項(xiàng)，最小目標(biāo)函數(shù)表達(dá)式如下：

(13)

式中，e(t)為系統(tǒng)誤差，u(t)為控制器輸出，tu為上升時(shí)間，w1,w2,w3為權(quán)值。

(3)控制參數(shù)選擇。本文使用的樣本個(gè)數(shù)為30，交叉概率Pc為0.9，變異概率Pm為0.033，終止進(jìn)化代數(shù)為100。

根據(jù)適應(yīng)度的大小，通過(guò)復(fù)制、交叉、變異等操作，對(duì)經(jīng)過(guò)實(shí)數(shù)編碼的初始PI參數(shù)進(jìn)行評(píng)價(jià)與優(yōu)化，直到達(dá)到終止條件，所獲得的參數(shù)就是符合控制要求的一組最優(yōu)PI控制參數(shù)。

4仿真試驗(yàn)與結(jié)果分析

在Matlab平臺(tái)的Simulink進(jìn)行仿真。為了驗(yàn)證本文提出變?cè)鲆嬉蜃幽Ｐ蛥⒖甲赃m應(yīng)辨識(shí)法相比傳統(tǒng)方法具有辨識(shí)速度快、辨識(shí)精度高的優(yōu)點(diǎn)，和固定增益模型參考自適應(yīng)算法進(jìn)行對(duì)比實(shí)驗(yàn)。根據(jù)固定增益模型參考自適應(yīng)辨識(shí)法的特點(diǎn)，需選取較大和較小兩組增益因子進(jìn)行測(cè)試，較小的β值設(shè)定為0.8，較大的β值設(shè)定為100。而變?cè)鲆婺Ｐ蛥⒖甲赃m應(yīng)的調(diào)整系數(shù)λ設(shè)定為0.8。設(shè)定PMSM仿真模型轉(zhuǎn)動(dòng)慣量為0.0004kg·m2，為了測(cè)試兩種模型參考自適應(yīng)算法的辨識(shí)效果，在t=0.3s時(shí)，使系統(tǒng)轉(zhuǎn)動(dòng)慣量階躍至J1=2J。固定增益模型參考自適應(yīng)算法中增益因子為0.8的辨識(shí)結(jié)果如圖2所示，增益因子為100的辨識(shí)結(jié)果如圖3所示，變?cè)鲆婺Ｐ蛥⒖甲赃m應(yīng)算法的辨識(shí)結(jié)果如圖4所示。

圖2　增益因子β=0.8時(shí)轉(zhuǎn)動(dòng)慣量辨識(shí)結(jié)果

圖3　增益因子β=100時(shí)轉(zhuǎn)動(dòng)慣量辨識(shí)結(jié)果

圖4　變?cè)鲆嫠惴ㄞD(zhuǎn)動(dòng)慣量辨識(shí)結(jié)果

觀察實(shí)驗(yàn)結(jié)果，當(dāng)增益因子β=0.8時(shí)，辨識(shí)結(jié)果收斂于真實(shí)值，在0.3s時(shí)刻，當(dāng)轉(zhuǎn)動(dòng)慣量階躍至2J時(shí)，辨識(shí)結(jié)果為8.15×10-4kg·m2，辨識(shí)誤差為1.9%，穩(wěn)定收斂于0.0008kg·m2，但是收斂時(shí)間相對(duì)較長(zhǎng)；當(dāng)增益因子β=100時(shí)，辨識(shí)結(jié)果波動(dòng)明顯，且誤差比較大，但在轉(zhuǎn)動(dòng)慣量發(fā)生階躍時(shí)，能快速跟隨實(shí)際轉(zhuǎn)動(dòng)慣量變化值，跟蹤速度較快。采用變?cè)鲆婺Ｐ蛥⒖甲赃m應(yīng)算法，辨識(shí)結(jié)果穩(wěn)定收斂于真實(shí)值，且當(dāng)轉(zhuǎn)動(dòng)慣量發(fā)送階躍時(shí)，辨識(shí)值能較快的跟隨實(shí)際值，辨識(shí)結(jié)果為8.21×102kg·m2，辨識(shí)誤差為2.6%，辨識(shí)結(jié)果準(zhǔn)確穩(wěn)定。

實(shí)驗(yàn)驗(yàn)證，相比固定增益模型參考自適應(yīng)辨識(shí)法，變?cè)鲆婺Ｐ蛥⒖甲赃m應(yīng)辨識(shí)法具有辨識(shí)穩(wěn)定精準(zhǔn)，收斂速度快的優(yōu)點(diǎn)。

將轉(zhuǎn)動(dòng)慣量辨識(shí)值帶人速度環(huán)傳遞函數(shù)中，采用遺傳算法對(duì)交流伺服系統(tǒng)速度環(huán)PI控制參數(shù)進(jìn)行優(yōu)化，將優(yōu)化后的PI控制參數(shù)更新到交流伺服系統(tǒng)控制器中。

設(shè)定轉(zhuǎn)速為1000r/min，實(shí)際轉(zhuǎn)速如圖所示，在PI控制參數(shù)為優(yōu)化前，交流伺服系統(tǒng)的速度波形如圖5所示，交流伺服系統(tǒng)轉(zhuǎn)速超調(diào)量較大，經(jīng)過(guò)100ms左右，轉(zhuǎn)速穩(wěn)定在設(shè)定轉(zhuǎn)速值。通過(guò)遺傳算法優(yōu)化后，將獲得最優(yōu)PI控制參數(shù)帶人控制器，交流伺服系統(tǒng)的轉(zhuǎn)速波形如圖6所示，系統(tǒng)轉(zhuǎn)速超調(diào)量較小，且在70ms左右，系統(tǒng)轉(zhuǎn)速穩(wěn)定在設(shè)定轉(zhuǎn)速值。

圖5　初始PI控制參數(shù)時(shí)伺服系統(tǒng)轉(zhuǎn)速波形

圖6　PI控制參數(shù)優(yōu)化后伺服系統(tǒng)轉(zhuǎn)速波形

實(shí)驗(yàn)結(jié)果驗(yàn)證，采用變?cè)鲆婺Ｐ蛥⒖甲赃m應(yīng)辨識(shí)法能快速準(zhǔn)確的辨識(shí)出當(dāng)前交流伺服系統(tǒng)的轉(zhuǎn)動(dòng)慣量，結(jié)合遺傳算法對(duì)速度環(huán)PI控制參數(shù)進(jìn)行優(yōu)化，能有效抑制交流伺服系統(tǒng)的轉(zhuǎn)速超調(diào)，提高系統(tǒng)的動(dòng)態(tài)響應(yīng)速度。

5結(jié)束語(yǔ)

本文采用變?cè)鲆婺Ｐ蛥⒖甲赃m應(yīng)辨識(shí)法對(duì)交流伺服系統(tǒng)轉(zhuǎn)動(dòng)慣量進(jìn)行辨識(shí)，辨識(shí)過(guò)程收斂速度快、辨識(shí)結(jié)果精確，根據(jù)系統(tǒng)實(shí)際轉(zhuǎn)動(dòng)慣量辨識(shí)值和交流伺服系統(tǒng)的數(shù)學(xué)模型，結(jié)合遺傳算法對(duì)交流伺服系統(tǒng)控制器的控制參數(shù)進(jìn)行優(yōu)化，獲取當(dāng)前運(yùn)行環(huán)境下的最優(yōu)控制參數(shù)，從而極大的提高了交流伺服系統(tǒng)的動(dòng)態(tài)特性，增強(qiáng)了系統(tǒng)的魯棒性。

[參考文獻(xiàn)]

[1] 郭宇婕, 黃立培, 邱陽(yáng). 交流伺服系統(tǒng)的轉(zhuǎn)動(dòng)慣量辨識(shí)及調(diào)節(jié)器參數(shù)自整定[J]. 清華大學(xué)學(xué)報(bào), 2002, 42(9): 1180-1183.

[2] 趙希梅, 郭慶鼎.PMSM伺服系統(tǒng)的轉(zhuǎn)動(dòng)慣量辨識(shí)和控制器參數(shù)優(yōu)化[J]. 組合機(jī)床與自動(dòng)化加工技術(shù),2009(7): 75-77.

[3] 楊明, 張揚(yáng), 曹何金生,等. 交流伺服系統(tǒng)控制器參數(shù)自整定及優(yōu)化[J]. 電機(jī)與控制學(xué)報(bào), 2010, 14(12): 29-34.

[4] 楊明, 劉子劍, 徐殿國(guó). 基于遺忘因子遞推平方根的在線轉(zhuǎn)動(dòng)慣量辨識(shí)[J]. 微電機(jī), 2014, 47(10): 38-41.

[5] 盧少武, 唐小琦, 宋寶. 伺服系統(tǒng)轉(zhuǎn)動(dòng)慣量辨識(shí)及其應(yīng)用[J]. 微電機(jī)，2011, 44(10): 41-43.

[6] 滕福林, 李宏勝, 張建華. 基于朗道離散時(shí)間遞推算法的轉(zhuǎn)動(dòng)慣量辨識(shí)研究[J]. 微電機(jī), 2012, 45(1): 16-19.

[7] 牛薌潔, 王玉潔, 唐劍. 基于遺傳算法的PID控制器參數(shù)優(yōu)化研究[J]. 計(jì)算機(jī)仿真，2010, 27(11): 180-182.

[8] 李浩, 蔣雪峰, 黃文新. 基于遺傳算法的永磁同步電動(dòng)機(jī)PI參數(shù)自整定[J]. 微特電機(jī), 2015, 43(1):58-61.

[9] 桑妤. 永磁同步電機(jī)轉(zhuǎn)動(dòng)慣量辨識(shí)算法研究[D]. 武漢:華中科技大學(xué), 2013.

[10] 葉漢民, 時(shí)曉霞. 基于波波夫超穩(wěn)定性在永磁同步電機(jī)控制系統(tǒng)中的應(yīng)用[J]. 化工自動(dòng)化及儀表, 2010, 37(4): 89-92.

[11] 劉金琨. 先進(jìn)PID控制MATLAB仿真[M]. 北京: 電子工業(yè)出版社, 2004.

(編輯趙蓉)

Inertia Identification Based on Variable Gain Model Reference Adaptive Identification and Optimization of Control Parameters

DONG Lie-chao, ZHOU Feng-xing, LU Shao-wu

(College of Information Science and Engineering, Wuhan University of Science and Technology, Wuhan 430081,China)

Abstract：To obtain good dynamic and static performances in the AC servo system, when the motor load rotational inertia changes, the controller parameters are required adjusting based on the load rotational inertia. The method to precise identification the rotational inertia based on the variable gain model reference adaptive identification(MRAI), the result and the mathematical model of speed controller are used to optimize the PI control parameters based on genetic algorithm is developed, thus the optimization of the controller parameters of AC servo system is implemented. The simulation results indicate that the variable gain MRAI has high identification precise, and optimizes the speed controller parameters combined with genetic algorithm, effectively improve the dynamic performance and enhance the stability of the servo system.

Key words：AC servo system; model reference adaptive; rotational inertia; genetic algorithm

中圖分類號(hào)：TH166;TG506

文獻(xiàn)標(biāo)識(shí)碼：A

作者簡(jiǎn)介：董烈超(1990—)，男，湖北荊門人，武漢科技大學(xué)碩士研究生，研究方向?yàn)樗欧刂坪颓度胧剑?E-mail)15002705683@163.com。

*基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目(61174106)；國(guó)家自然科學(xué)基金項(xiàng)目(51405349)；中國(guó)博士后科學(xué)基金項(xiàng)目(2014M552091)

收稿日期：2015-04-01

文章編號(hào)：1001-2265(2016)02-0088-03

DOI:10.13462/j.cnki.mmtamt.2016.02.025