張碧陶 皮佑國
(華南理工大學自動化科學與工程學院,廣東廣州510640)
永磁同步電機(PMSM)伺服系統(tǒng)中的參數(shù)變化和外部負載擾動等因素影響著控制系統(tǒng)的性能.滑??刂萍夹g(shù)具有對系統(tǒng)參數(shù)時變和外部擾動的強魯棒性,但傳統(tǒng)的滑??刂葡到y(tǒng)存在抖震問題[1].比較流行的削減滑模抖震的方法主要有3種:邊界層內(nèi)的正側(cè)化方法[2]、基于觀測器的調(diào)節(jié)方法(利用狀態(tài)觀測器來觀察抖震,實現(xiàn)滑??刂破鞯膭討B(tài)調(diào)節(jié)[3-4])、高階滑??刂扑惴ǎ?].這 3 種方法在一定程度上能減弱抖震,但前2種方法不具有傳統(tǒng)滑??刂破鞯聂敯粜?,使得系統(tǒng)存在穩(wěn)態(tài)誤差[6-7];后一種算法復雜,在低階(一階或二階)系統(tǒng)的控制律中存在控制器輸出信號與其導數(shù)的耦合,不利于滑??刂坡傻脑O(shè)計.模糊控制雖然具有強魯棒性且不依賴系統(tǒng)模型、能充分利用專家信息等優(yōu)點,但模糊控制系統(tǒng)存在較大的靜差[8].減小模糊控制的靜差的方法有:(1)細化模糊規(guī)則,但會造成規(guī)則數(shù)目“爆炸”而且效果并不明顯[9-10];(2)針對不同的誤差等級采用不同分辨率的模糊集[9,11],但是當偏差和偏差變化范圍很大時,會造成計算量和存儲器的花費呈指數(shù)增長;(3)在控制規(guī)則中采用3維比例-積分-微分(PID)型模糊控制器,但會降低系統(tǒng)的動態(tài)性能[9,12].
針對永磁同步電機伺服系統(tǒng)的參數(shù)時變和外部負載擾動,文中結(jié)合滑??刂坪湍:刂频膬?yōu)點,把分數(shù)階微積分理論引入到控制系統(tǒng)中,提出了模糊分數(shù)階滑??刂撇呗裕:?刂葡到y(tǒng)的輸入是滑模面,有利于減少常規(guī)模糊控制的靜差;模糊推理輸出能柔化控制作用,削減常規(guī)滑??刂频亩墩穑:?刂葡到y(tǒng)保持了模糊控制的不依賴系統(tǒng)數(shù)學模型的優(yōu)點并具有滑??刂频膹婔敯粜裕謹?shù)階微積分是整數(shù)階微積分的擴展,有利于系統(tǒng)達到更好的控制性能.
永磁同步電機在旋轉(zhuǎn)坐標系中的數(shù)學模型為[13]
電磁轉(zhuǎn)矩方程為
動力方程為
式中,Tl為負載力矩,Bm為摩擦系數(shù),J為轉(zhuǎn)動慣量,ωr為電機轉(zhuǎn)速.
通過應用矢量控制,動力方程可以簡化為
把動力方程(4)代入電磁轉(zhuǎn)矩方程(2),可得
式中,a=Bm/J,b=kp/J,c=Tl/J.
考慮電機參數(shù)變化,式(5)可以表示為
其中,Δa、Δb、Δc為系統(tǒng)參數(shù)攝動.
假設(shè)總的攝動滿足:
文中選擇如下分數(shù)階切換流形面(s):
式中:ki為滑模面增益為分數(shù)階微分算子,t為積分上限,r為分數(shù)階微積分,定義為
Γ(z)為Gamma函數(shù).
采用的模糊規(guī)則為
模糊輸入輸出對應的推理規(guī)則和隸屬度函數(shù)分別如表1和圖1所示.
表1 模糊輸入輸出規(guī)則表Table 1 Rule-base of fuzzy inputs and outputs troller
圖1 模糊輸入輸出的隸屬度函數(shù)Fig.1 Membership functions of fuzzy inputs and output
使用重心法對模糊輸出Δu進行解模糊計算:
式中,kj為第j個論域的中心值.
的狀態(tài)穩(wěn)定地收斂到零點的充要條件是
式中,arg(·)為相角,spec(A)為矩陣A的特征向量.
對于文中提出的控制系統(tǒng),當系統(tǒng)進入滑模狀態(tài)(s=0)時,有
因為ki∈R+,故有 arg(-ki) =π > rπ/2.因此,分數(shù)階滑??刂葡到y(tǒng)能穩(wěn)定地收斂到零點.
分數(shù)階方程(12)的解為
可見,整數(shù)階系統(tǒng)的指數(shù)收斂性是分數(shù)階系統(tǒng)的特殊形式.在分數(shù)階系統(tǒng)中,可以通過調(diào)節(jié)階數(shù)r來改變系統(tǒng)的收斂性,以達到更好的控制性能.
為說明文中方法的有效性,文中基于永磁同步電機伺服系統(tǒng)速度環(huán),分別考察模糊分數(shù)階滑??刂破?0<r<1)和模糊一階滑??刂破?r=1)的階躍響應及抗外部負載擾動.
文中以Matlab軟件為仿真工具,采用圖2所示的仿真平臺.永磁同步電機參數(shù)如下:Rs=1.15 Ω,Ld=Lq=8.5 ×10-3H,np=4,J=2.5 ×10-3kg·m2,Bm=0.8 ×10-3N·m·s,ωr=1000r/min,P=1kW.
圖2 永磁同步電機伺服系統(tǒng)仿真平臺Fig.2 Simulation plant of PMSM servo system
兩種滑??刂葡到y(tǒng)的單位階躍響應如圖3所示,模糊邏輯推理系統(tǒng)的控制輸出Δu如圖4所示.
從圖3和4可以看出,模糊分數(shù)階滑??刂葡到y(tǒng)的抖震比常規(guī)模糊一階滑模系統(tǒng)小;模糊分數(shù)階滑??刂葡到y(tǒng)階躍響應的穩(wěn)態(tài)誤差為0.系統(tǒng)抗外部負載擾動過程為:利用Matlab的step模塊,空載運行到第12秒時,令step=0.03(突加負載),當系統(tǒng)運行到第13秒時,令step=-0.03(突減負載),仿真結(jié)果如圖5所示.
從圖5可以看出模糊分數(shù)階滑模控制系統(tǒng)具有對外部負載擾動的強魯棒性.圖6給出分數(shù)階導數(shù)r對系統(tǒng)性能的影響:隨著r值的增加,系統(tǒng)的抖震幅值不斷加大;當r減小到某值時,抖震再次加強.一般地,r在區(qū)間(0,1)內(nèi)存在一個較優(yōu)的值.
圖6 r對系統(tǒng)性能的影響Fig.6 Effects of r on system performance
采用文中提出的模糊分數(shù)階滑??刂葡到y(tǒng)與常規(guī)模糊滑??刂葡到y(tǒng)在永磁同步電機伺服系統(tǒng)中進行控制性能的比較實驗.此外,通過突加負載擾動實驗來驗證模糊分數(shù)階滑??刂葡到y(tǒng)的抗外部負載擾動能力.PMSM伺服系統(tǒng)實驗平臺如圖7所示,主控板是基于TMS320F2812的DSP處理器.PC機主要是采集伺服電機反饋回來的數(shù)據(jù)并進行分析比較.永磁同步電機主要參數(shù)同仿真實驗所用參數(shù).
圖7 PMSM伺服系統(tǒng)的實驗平臺Fig.7 Experimental plant of PMSM servo system
實際伺服系統(tǒng)在空載時的速度環(huán)階躍響應如圖8所示,由于TMS320F2812的DSP處理器是定點DSP,圖中縱坐標響應速度為標么值,而實際速度=標么值×額定轉(zhuǎn)速.從圖8可以看出,模糊分數(shù)階滑??刂葡到y(tǒng)的抖震幅值比常規(guī)模糊一階滑模系統(tǒng)小,實驗結(jié)果與仿真結(jié)果一致.因此,文中提出的模糊分數(shù)階滑??刂破髂芟鳒p傳統(tǒng)滑模控制系統(tǒng)中的抖震,達到較高的綜合控制性能.
圖8 兩種滑模系統(tǒng)的速度環(huán)階躍響應Fig.8 Speed-loop step responses of the two sliding-mode systems
圖9為系統(tǒng)的抗外部負載擾動的魯棒性實驗結(jié)果.實驗過程為:永磁同步電機帶動直流發(fā)電機啟動,負載電流約為0.04 A.當電機速度達到穩(wěn)速400r/min并運行到第1秒時,改變變阻箱的阻值,使得負載電流約為0.12A,作用到第2秒時,再次改變變阻箱的阻值,使負載恢復到啟動時的值.從圖9可以看出,當系統(tǒng)進入滑模運動時,盡管施加3倍原負載的擾動(見圖9(b)),但響應速度基本保持在恒定值(見圖9(a));抗外部負載擾動實驗結(jié)果與仿真結(jié)果一致.因此,模糊分數(shù)階滑模控制系統(tǒng)能保持傳統(tǒng)滑??刂葡到y(tǒng)對外部負載擾動的強抗干擾性.
圖9 抗外部負載擾動的魯棒性實驗結(jié)果Fig.9 Experimental results of robustness rejecting external load disturbance
文中針對永磁同步電機伺服系統(tǒng)的參數(shù)時變和外部負載擾動對系統(tǒng)控制性能的影響,著手解決傳統(tǒng)一階滑模控制系統(tǒng)的抖震和常規(guī)模糊控制器的靜差問題,設(shè)計了模糊分數(shù)階滑??刂葡到y(tǒng).永磁同步電機伺服系統(tǒng)速度環(huán)的仿真和實驗表明,文中提出的模糊分數(shù)階滑??刂葡到y(tǒng)不但有效地削減傳統(tǒng)滑??刂葡到y(tǒng)中存在的抖震,而且系統(tǒng)的輸出能快速地響應指令輸入并在負載擾動下保持恒定值,具有較高的綜合控制性能.
[1] 胡躍明.變結(jié)構(gòu)控制理論與應用[M].北京:科學出版社,2003:157-164.
[2] 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.
[3] Edwards Christopher,Spurgeon Sarah K,Patton Ron J.Sliding mode observers for fault detection and isolation[J].Automatica,2000,36(4):541-553.
[4] Lin Da,Wang Xingyuan.Observer-based decentralized fuzzy neural sliding mode control for interconnected unknown chaotic systems via network structure adaptation[J].Fuzzy Sets and Systems,2010,161(15):2066-2080.
[5] Dinuzzo Francesco,F(xiàn)errara Antonella.Higher order sliding mode controllers with optimal reaching[J].IEEE Transactions on Automatic Control,2009,54(9):2126-2136.
[6] Levant Arie.Homogeneity approach to high-order sliding mode design [J].Automatica,2005,41(5):823-830.
[7] Boiko I,F(xiàn)ridman L,Castellanos M I.Analysis of second order sliding mode algorithms in the frequency domain[J].IEEE Transactions on Automatic Control,2004,49(6):946-950.
[8] 諸靜.模糊控制原理與應用[M].北京:機械工業(yè)出版社,1995:35-39.
[9] 李士勇.模糊控制和智能控制理論與應用[M].哈爾濱:哈爾濱工業(yè)大學出版社,1990:68-75.
[10] Calcev G.Some remarks on the stability of mamdani fuzzy control systems[J].IEEE Transactions on Fuzzy Systems,1998,6(3):436-442.
[11] 孫庚山.工程模糊控制[M].北京:機械工業(yè)出版社,1995:35-43.
[12] Pedrycz Witold,Taunton Somerset.Fuzzy control and fuzzy systems[M].New York:Research Studies Press,1993:123-134.
[13] Lin F J,Shen P H.Robust fuzzy neural network slidingmode control for two-axis motion control system [J].IEEE Transactions on Industrial Electronics,2006,53(4):1209-1225.
[14] Matignon D.Stability results for fractional differential equations with applications to control processing[C]∥Proceedings of Multi-Conference on Computational Engineering in Systems and Application.Lille:IEEE,1996:963-968.