王 括，田勝利，李 清，王 鑫

（北京精密機(jī)電控制設(shè)備研究所，北京，100076）

基于無刷直流電機(jī)的伺服系統(tǒng)低速性能仿真研究

王 括，田勝利，李 清，王 鑫

（北京精密機(jī)電控制設(shè)備研究所，北京，100076）

伺服系統(tǒng)低速運(yùn)動時，無刷直流電機(jī)轉(zhuǎn)速低，運(yùn)動平穩(wěn)性差，容易產(chǎn)生力矩波動，引起低速爬行現(xiàn)象。為解決這一問題，在伺服系統(tǒng)位置環(huán)的基礎(chǔ)上引入電流環(huán)，其中電流環(huán)采用分時反饋策略，根據(jù)霍爾信號邏輯對三相電流進(jìn)行選擇；位置環(huán)采用神經(jīng)網(wǎng)絡(luò)比例、微分、積分控制，并仿真驗證伺服系統(tǒng)性能。仿真表明通過雙閉環(huán)及神經(jīng)網(wǎng)絡(luò)PID控制能較好改善系統(tǒng)性能。

低速；雙閉環(huán)；分時反饋；神經(jīng)網(wǎng)絡(luò)PID

0 引 言

機(jī)電伺服系統(tǒng)是以電動機(jī)為動力驅(qū)動元件的伺服系統(tǒng)，目前廣泛應(yīng)用于火箭、導(dǎo)彈、機(jī)器人等領(lǐng)域[1]。與有刷電機(jī)相比，無刷直流電機(jī)采用電子換相，消除了機(jī)械電刷帶來的摩擦影響；與永磁同步電機(jī)相比，無刷直流電機(jī)控制不必進(jìn)行復(fù)雜空間矢量變換，控制方法簡單，且其永磁體為均勻的瓦片形結(jié)構(gòu)，較易制造，因此無刷直流電機(jī)在機(jī)電伺服系統(tǒng)中的應(yīng)用越來越廣泛[2～7]。

由于電機(jī)力矩存在波動，受摩擦、電機(jī)換相、驅(qū)動電路等限制，伺服系統(tǒng)低速運(yùn)行過程中經(jīng)常出現(xiàn)爬行現(xiàn)象，因此引入電流閉環(huán)限制力矩波動[8]。

對于大部分機(jī)電伺服系統(tǒng)，應(yīng)用傳統(tǒng)比例、微分、積分（Proportion Integral Derivative，PID）控制通?？梢詽M足其要求，PID控制結(jié)構(gòu)簡單，對誤差控制有魯棒性，通過調(diào)整比例、積分、微分系數(shù)可以改變系統(tǒng)的響應(yīng)特性。然而實際伺服系統(tǒng)中通常存在非線性、參數(shù)的時變及不確定性，因此傳統(tǒng)PID可能無法適應(yīng)高性能指標(biāo)的要求。

近年來，神經(jīng)網(wǎng)絡(luò)發(fā)展迅速，在醫(yī)學(xué)、圖像處理、人工智能等領(lǐng)域已有廣泛應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)可以逼近任意復(fù)雜的非線性關(guān)系，然而單純的神經(jīng)網(wǎng)絡(luò)控制存在對初值選擇敏感、不易收斂等弊端，因此將神經(jīng)網(wǎng)絡(luò)與PID控制結(jié)合運(yùn)用。通過反向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)在線調(diào)整比例、積分、微分系數(shù)，選擇合適的初值使其達(dá)到收斂效果。

本文通過采集相電流并通過霍爾信號得到電流分時反饋，位置環(huán)采用神經(jīng)網(wǎng)絡(luò)PID控制，通過仿真與普通PID控制進(jìn)行對比，達(dá)到優(yōu)化效果。

1 無刷直流電機(jī)伺服系統(tǒng)

機(jī)電伺服系統(tǒng)通常由電機(jī)、控制器、驅(qū)動器、傳感器、傳動裝置等組成，位置-電流雙閉環(huán)系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 伺服系統(tǒng)結(jié)構(gòu)

根據(jù)無刷直流電機(jī)原理建立電壓、電流與轉(zhuǎn)矩方程：

式中 U為母線電壓；ω為電機(jī)轉(zhuǎn)速；i為相電流；E為感應(yīng)電動勢；T為電磁轉(zhuǎn)矩；L為電樞電感；R為電樞電阻；Kt為轉(zhuǎn)矩系數(shù)；J為轉(zhuǎn)動慣量；TL為負(fù)載轉(zhuǎn)矩；Bv為阻力系數(shù)。

忽略負(fù)載力矩，并經(jīng)過拉普拉斯變換及簡化得到電機(jī)轉(zhuǎn)速與電壓關(guān)系的數(shù)學(xué)模型：

2 分時電流獲取方法

由于伺服系統(tǒng)母線電流中含有控制驅(qū)動器消耗的電流，因此需要通過電流采集芯片采集相電流，根據(jù)霍爾傳感器信號邏輯可以得到當(dāng)前時刻導(dǎo)通相，通過模擬通道的數(shù)據(jù)選擇器可以選出當(dāng)前正向相電流。

根據(jù)霍爾信號邏輯圖得到數(shù)據(jù)選擇器選通端輸入信號與三相霍爾信號關(guān)系式：

式中 B，A為數(shù)據(jù)選擇器選通端輸入信號；HA， HB，HC為三相霍爾信號邏輯；分別為HA， HC取反。

圖2為電流選擇電路。

圖2 電流選擇電路

3 基于神經(jīng)網(wǎng)絡(luò)的PID算法

神經(jīng)網(wǎng)絡(luò)PID算法從結(jié)構(gòu)上可以分為輸入層、隱含層、輸出層3層，通過調(diào)節(jié)神經(jīng)元網(wǎng)絡(luò)權(quán)值改變神經(jīng)網(wǎng)絡(luò)輸出即PID參數(shù)。圖3為神經(jīng)網(wǎng)絡(luò)PID系統(tǒng)原理。

圖3 神經(jīng)網(wǎng)絡(luò)PID原理

隱含層及輸出層的活化函數(shù)分別用正負(fù)對稱的sigmoid函數(shù)和非負(fù)的sigmoid函數(shù)表示，活化函數(shù)能夠增強(qiáng)網(wǎng)絡(luò)的映射功能，同時提高收斂速度。取性能指標(biāo)函數(shù)其中，r(k)為位置指令輸入；y(k)為位置反饋；e(k)為誤差。根據(jù)最速下降法修正網(wǎng)絡(luò)權(quán)值系數(shù)，沿負(fù)梯度方向搜索，控制策略采用加入慣量項的方法，使BP網(wǎng)絡(luò)訓(xùn)練時振蕩較小。權(quán)值修正公式為

式中 Δwij為網(wǎng)絡(luò)間權(quán)值的變化量；Oi為第i個神經(jīng)元的實際輸出；δi為第i個神經(jīng)元的權(quán)值修正的局部梯度；γ為學(xué)習(xí)速率；α為慣量因子。

采用直接PID控制，根據(jù)梯度運(yùn)算方法可得輸出層局部梯度：

式中 INi(k)為輸出層神經(jīng)元的輸入；u(k)為PID控制輸出；y(k)為位置反饋；epidi(k)(i=1,2,3)分別為位置誤差、位置誤差變化率、位置誤差積分。

隱含層局部梯度：

式中 HINi(k)為隱含層神經(jīng)元輸入；wji1(k)為輸出層權(quán)值。

根據(jù)以上分析，在本文中BP神經(jīng)網(wǎng)絡(luò)PID控制算法在Simulink中可以通過下述步驟進(jìn)行：

a）步驟1：選定BP網(wǎng)絡(luò)結(jié)構(gòu)為3-5-3，即3個輸入層神經(jīng)元，5個隱含層神經(jīng)元，3個輸出層神經(jīng)元。給出各神經(jīng)元權(quán)值的初值，均選取為0.5，同時選定學(xué)習(xí)速率η=0.99，慣性系數(shù)α=0.000 1；

b）步驟2：采樣得到位置指令r(k)，位置反饋y(k)，計算e(k)=r(k)-y(k)。

c）步驟3：計算BP神經(jīng)網(wǎng)絡(luò)各層神經(jīng)元輸入、輸出值，其中輸出層的輸出為控制參數(shù)Kp，Ki，Kd。

d）步驟4：采用直接式PID控制，根據(jù)誤差e(k)計算出控制量輸出u(k)，u(k)=Kp.e(k)+Ki.Σe(k)+Kd. (e(k)-e(k-1))。

e）步驟5：進(jìn)行神經(jīng)網(wǎng)絡(luò)在線學(xué)習(xí)，根據(jù)權(quán)值修正公式得到修正后的權(quán)值。

f）步驟6：令k=k+1，返回步驟2。

系統(tǒng)采用電流環(huán)與位置環(huán)雙閉環(huán)控制，由于位置環(huán)對系統(tǒng)產(chǎn)生決定性影響，因此位置環(huán)應(yīng)用神經(jīng)網(wǎng)絡(luò)PID控制與普通PID進(jìn)行比較，電流環(huán)控制采用比例、積分（Proportion Integral，PI）控制。

4 仿真結(jié)果

根據(jù)機(jī)電伺服系統(tǒng)原理建立主要包括控制器模塊、脈沖寬度調(diào)制（Pulse Width Modulation，PWM）產(chǎn)生模塊、功率管邏輯開關(guān)模塊、三相驅(qū)動模塊、電機(jī)本體模塊、機(jī)械傳動模塊的整體伺服系統(tǒng)，其Simulink模型如圖4所示。

圖4 雙閉環(huán)系統(tǒng)Simulink模型

選用maxon某型號電機(jī)，電機(jī)及傳動機(jī)構(gòu)折算至電機(jī)軸上的轉(zhuǎn)動慣量為2.7×10-7kg·m2，其中，相間電阻ra=2.71 Ω，相間電感La=2.31×10-4H，反電動勢系數(shù)ke=0.013 3 (V·s)/rad，轉(zhuǎn)矩系數(shù)KT=0.013 3 (N·m)/A，阻力系數(shù)Bv=5×10-9N·m·s。為與實際系統(tǒng)對應(yīng)，選擇位置反饋信號采樣時間為1 ms，分辨率為0.01°，摩擦采用Stribeck模型作為負(fù)載力矩疊加至系統(tǒng)中。電流采集部分通過前文所述方式，采集三相電流并進(jìn)行選擇，得到電流反饋。

位置控制器分別應(yīng)用普通PID和神經(jīng)網(wǎng)絡(luò)PID，在參數(shù)初值相同情況下進(jìn)行小角度位置信號仿真。初值選取Kp=10，Ki=0.05，Kd=0.024神經(jīng)網(wǎng)絡(luò)PID參數(shù)浮動范圍為Kp=5～15，Ki=0.025～0.075，Kd=0.012～0.036。

輸入0.1°，4 Hz正弦信號，圖5、6分別為神經(jīng)網(wǎng)絡(luò)PID及普通PID仿真結(jié)果。由于位置指令角度較小且頻率不高，因此可以認(rèn)為伺服系統(tǒng)處于低速運(yùn)行狀態(tài)，可以明顯看到普通PID平頂寬度較大，同時相角滯后較小。圖7為神經(jīng)網(wǎng)絡(luò)PID參數(shù)變化。

圖5 0.1°，4Hz神經(jīng)網(wǎng)絡(luò)PID控制

圖6 0.1°，4Hz普通PID控制

圖7 神經(jīng)網(wǎng)絡(luò)PID參數(shù)變化

5 結(jié)束語

根據(jù)仿真結(jié)果可以看出，位置輸入為小幅值正弦信號時，神經(jīng)網(wǎng)絡(luò)PID能實時改變PID參數(shù)，更好地跟蹤給定信號，改進(jìn)系統(tǒng)的低速性能。同時可以看出PID參數(shù)隨時間變化曲線，其趨勢為指令速度低時增大控制參數(shù)，使得系統(tǒng)對小誤差信號響應(yīng)效果更好。

[1] 黃玉平, 李建明, 朱成林. 航天機(jī)電伺服系統(tǒng)[M]. 北京: 中國電力出版社, 2013.

[2] 夏長亮. 無刷直流電機(jī)控制系統(tǒng)[M]. 北京: 科學(xué)出版社, 2009.

[3] 深秀風(fēng). 永磁無刷直流電機(jī)電磁轉(zhuǎn)矩脈動抑制技術(shù)的研究[D]. 哈爾濱:哈爾濱理工大學(xué), 2009.

[4] 王亮, 宗元. 電機(jī)低速運(yùn)行“爬行”現(xiàn)象的研究[J]. 儀器儀表與分析監(jiān)測, 2011(3): 18-21.

[5] 陶桂林. 無刷直流電機(jī)及其系統(tǒng)研究[D]. 武漢: 華中科技大學(xué), 2004.

[6] 周小慶. 高速無人機(jī)電動舵機(jī)控制器的設(shè)計與實現(xiàn)[D]. 杭州: 浙江大學(xué), 2010.

[7] 吳森堂. 飛行控制系統(tǒng)[M]. 北京: 北京航空航天大學(xué)出版社, 2005.

[8] Wang S, Li T C, Wang Z G. Commutation torque ripple reduction in brushless DC motor drives using a single current sensor[J]. Electric Machines & Control, 2008, 37(6): 16-17.

Research on the Performance at Low Speed of the Servo System Based on the Brushless Direct Current Motor

Wang Kuo, Tian Sheng-li, Li Qing, Wang Xin
(Beijing Research Institute of Precise Mechatronics and Controls, Beijing, 100076)

When the servo system moves in low speed, there will be low speed of BLDCM, bad motion stability, torque ripple and phenomenon of slow moving. To solve the problem, current loop based on the servo position loop is used. Current feedback in turn can be used in the current loop and the three-phase current can be chose based on Hall signal. Using Neural Network PID controller in the position loop and the system performance will be proved by simulation. The simulation shows that system performance can be improved by double closed-loop and neural network PID.

Low speed; Double closed-loop; Current feedback in turn; Neural network proportion integral derivative

V448.22

A

1004-7182(2016)05-0092-04

10.7654/j.issn.1004-7182.20160519

2016-05-15；

2016-06-08

王 括（1991-），男，助理工程師，主要研究方向為機(jī)電伺服機(jī)構(gòu)