一种基于迭代学习自适应MIT控制器的电机控制方法与流程

一种基于迭代学习自适应mit控制器的电机控制方法
技术领域
1.本发明属于电机控制技术领域，具体涉及一种基于迭代学习自适应mit控制器的电机控制方法。


背景技术：

2.超声波电机因其结构紧凑、易于微型化、响应制动快、控制特性好、定位精度高、噪声小等一系列优点，已在航空、航天、医疗、精密仪器等高新技术领域显现出广阔的应用场景和使用价值。
3.超声波电机特殊的运行机理，使其运行特性表现出明显的非线性及时变特征，不易得到理想的控制性能。为克服超声波电机自身的这些缺点，努力得到符合应用期望的控制性能和运行稳定性，其控制策略的研究逐渐趋于复杂化。许多复杂的控制器，如神经网络控制器、模糊神经网络控制器等，先后被提出并应用于超声波电机。
4.但是，不论是从成本、调试，还是从系统维护等方面考虑，人们总是希望控制系统的结构简单一些，也正是因为这样的原因，结构简单的mit自适应控制策略一直受到关注。mit控制器的主要思想是通过自动调整作为控制器的增益k
c
来自适应地跟踪变化的被控对象，从而保持良好的控制性能。其突出优点是原理简单、易于实现。
5.但是，它也存在一个突出的问题：仅调整增益对系统动态特性的改变有限，难以实现对系统动态特性的较大校正(即，无法大幅度地改变被控对象的控制特性。在很多情况下，这意味着无法达到期望的控制性能)，制约了系统动态性能的改进程度，这大大限制了mit模型参考自适应控制策略的应用范围。
6.既然这个问题的原因是“仅调整增益”，解决问题的直接办法自然是增加控制器的调整自由度，但是过度增加调整自由度，这当然会导致控制策略的复杂度增加。因而，如何在不增加控制复杂度的情况下保证系统的动态性能是急需解决的问题。


技术实现要素：

7.本发明提供了一种基于迭代学习自适应mit控制器的电机控制方法，用以解决如何在不增加控制复杂度的情况下保证电机控制系统的动态性能的问题。
8.为解决上述技术问题，本发明所包括的技术方案以及技术方案对应的有益效果如下：
9.本发明提供了一种基于迭代学习自适应mit控制器的电机控制方法，包括如下步骤：
10.采用迭代学习自适应mit控制器对电机的转速进行闭环控制；
11.其中，所述迭代学习自适应mit控制器包括mit控制器和迭代学习控制器；所述mit控制器对当前迭代控制过程中电机的转速进行调节控制；所述迭代学习控制器根据上一迭代控制过程中的转速误差值以及上一迭代控制过程中迭代学习控制器的输出值，得到当前迭代控制过程中迭代学习控制器的输出值，所述转速误差值为转速给定值与转速实际值的
差值；进而根据所述当前迭代控制过程中迭代学习控制器的输出值和转速给定值，对当前迭代控制过程中mit控制器的可调增益的mit自适应律中所包括的自适应增益进行自动调节。
12.上述技术方案的有益效果为：本发明将迭代学习控制器和mit控制器相结合，利用迭代学习控制器来在线自动调节mit自适应律中的自适应增益μ，不仅可以保持mit控制器设计的独立性及系统稳定性，而且基于记忆的迭代学习进程可以明显改变系统的动态性能，从而实现对系统动态特性的较大校正，使系统性能符合期望状态，从而实现了以较小的设计和实现复杂度代价来换取mit控制器性能的明显提升。
13.进一步的，采用如下公式对自适应增益进行自动调节：
[0014][0015]
式中，μ
k
(i)、δy
rk
(i)和y
rk
(i)分别为第k次迭代控制过程中i时刻的自适应增益、迭代学习控制器的输出值、转速给定值；μ0为自适应增益的初值。
[0016]
进一步的，所述迭代学习控制器的输出值为：
[0017]
δy
rk
(i)＝δy
r(k
‑
1)
(i) λ
p
e
m(k
‑
1)
(i 1)
[0018]
式中，系数λ
p
为比例学习增益；δy
r(k
‑
1)
(i)和e
m(k
‑
1)
(i 1)分别为第k
‑
1次迭代控制过程中i时刻的迭代学习控制器的输出值、第k
‑
1次迭代控制过程中i 1时刻的转速误差值。
[0019]
进一步的，所述mit控制器的可调增益的mit自适应律为：
[0020][0021]
式中，k
c
为mit控制器的可调增益；系数μ为自适应增益；y
rk
为转速给定值；e
k
为输出误差值，输出误差值为参考模型输出值与转速实际值的差值，所述mit控制器包括所述参考模型。
[0022]
进一步的，所述mit控制器包括参考模型，所述参考模型为：
[0023]
y
mk
(i)＝b1y
mk
(i
‑
1) b2y
rk
(i)
[0024]
式中，y
mk
(i)、y
rk
(i)分别为第k次迭代控制过程中i时刻的参考模型输出值、转速给定值；y
mk
(i
‑
1)为第k次迭代控制过程中i
‑
1时刻的参考模型输出值；b1、b2均为设置的系数。
[0025]
进一步的，b1＝0.72，b2＝0.28。
[0026]
进一步的，所述电机为超声波电机。
附图说明
[0027]
图1是本发明的超声波电机的转速闭环控制系统统的控制框图；
[0028]
图2(a)是本发明的转速给定值为30r/min时转速阶跃响应曲线图；
[0029]
图2(b)是本发明的转速给定值为30r/min时自适应增益μ值的变化曲线图；
[0030]
图3是本发明的转速给定值为90r/min时转速阶跃响应曲线图；
[0031]
图4是本发明所提出的方法与基于经典mit控制器的控制方法的控制器性能对比图。
具体实施方式
[0032]
本发明的基本构思为：本发明借用迭代学习控制的思想，将迭代学习控制器和mit控制器相结合，利用迭代学习控制器来在线自动调节mit自适应律中的自适应增益μ，以较小的设计和实现复杂度代价来换取mit控制器性能的明显提升。
[0033]
下面结合附图和实施例，对本发明的一种基于迭代学习自适应mit控制器的电机控制方法进行详细说明。
[0034]
方法实施例：
[0035]
本发明的一种基于迭代学习自适应mit控制器的电机控制方法实施例，将迭代学习控制器和mit控制器相结合后实现的超声波电机的转速闭环控制系统的控制框图如图1所示，以下称迭代学习控制器和mit控制器结合后的控制器为迭代学习自适应mit控制器。
[0036]
图1中点划线框之内的内容为采用标准mit控制器对超声波电机转速进行控制的控制框图，超声波电机及其驱动电路共同构成mit控制器的被控对象。迭代学习控制器用于对当前迭代控制过程中电机的转速进行调节控制。图1中，y
rk
(i)、y
mk
(i)、y
k
(i)、e
k
(i)、e
mk
(i)、δy
rk
(i)分别为第k次迭代控制过程中i时刻的转速给定值、参考模型输出值、转速实际值、输出误差值、转速误差值、迭代学习控制器的输出值，且有：
[0037]
e
mk
(i)＝y
rk
(i)
‑
y
k
(i)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0038]
e
k
(i)＝y
mk
(i)
‑
y
k
(i)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0039]
mit控制器的设计采用经典方法，即：基于lyapunov稳定性理论来设计mit自适应律，得：
[0040][0041]
式中，k
c
为mit控制器的可调增益；系数μ为自适应增益。
[0042]
图1中的“参考模型”是经典的mit控制器的一部分。这里，参考模型设计为：
[0043]
y
mk
(i)＝0.72y
mk
(i
‑
1) 0.28y
rk
(i)
ꢀꢀꢀꢀꢀꢀꢀ
(4)
[0044]
式中，y
mk
(i
‑
1)为第k次迭代控制过程中i
‑
1时刻的参考模型输出值。
[0045]
至此便可完成mit控制器的设计，下面对迭代学习控制器进行介绍。
[0046]
图1中的“迭代学习控制器”设计为：
[0047]
δy
rk
(i)＝δy
r(k
‑
1)
(i) λ
p
e
m(k
‑
1)
(i 1)
ꢀꢀꢀꢀꢀꢀ
(5)
[0048]
式中，系数λ
p
为比例学习增益；e
m(k
‑
1)
(i 1)分别为第k
‑
1次迭代控制过程中i时刻的迭代学习控制器输出值、i 1时刻的转速误值(即迭代学习控制器的输入值)。
[0049]
在正常的控制过程中，随着迭代学习过程的进行，控制性能逐步改善，误差e
m(k
‑
1)
(i 1)随着迭代次数的增加不断减小。当e
m(k
‑
1)
(i 1)减小到趋于0时，δy
rk
(i)不再变化，迭代学习控制过程达到收敛状态，系统控制性能也随之达到上述参考模型指定的期望状态。
[0050]
图1中的虚线表示上一(即第k
‑
1次)迭代控制过程的转速误差值、给定值增量等信息被存入存储器，用做当前迭代控制过程(第k次)中的迭代学习控制器计算，如式(5)所示。
[0051]
使用式(5)所示迭代学习控制器的输出值δy
rk
，采用下式来在线自动调节mit自适应律(即式(3))中的μ值：
[0052]
[0053]
式中，μ0为自适应增益的初值；μ
k
(i)、δy
rk
(i)和y
rk
(i)分别为第k次迭代控制过程中i时刻的自适应增益、迭代学习控制器的输出值、转速给定值。
[0054]
至此便完成迭代学习自适应mit控制器的设计。在设计好迭代学习自适应mit控制器后，便可采用该设计好的迭代学习自适应mit控制器对超声波电机转速进行闭环控制，实现本发明的一种基于迭代学习自适应mit控制器的电机控制方法。
[0055]
下面将本发明方法应用于具体的实例中以说明本发明方法的有效性。
[0056]
通过dsp芯片编程，实现图1所示控制系统，以验证上述迭代学习自适应mit控制器应用于超声波电机的有效性。实验用电机为shinsei usr60型行波超声波电机，驱动电路为两相h桥结构，采用相移pwm控制方式。
[0057]
设置转速阶跃给定值y
rk
＝30r/min，连续进行6次迭代学习控制实验，得转速响应曲线如图2(a)所示，图2(b)给出了μ值在控制过程中被自适应调整的变化曲线。从图2(a)、(b)中可以看出，随着一次次迭代学习过程的进行，μ值被持续自动调整，使得电机转速的控制性能越来越好，响应速度越来越快，且无超调。经过有限的几次迭代学习过程，第4次到第6次的三条控制曲线就收敛并稳定在期望的理想状态。这表明，上述给出的迭代学习自适应mit控制器是有效的。当改变转速阶跃给定值y
rk
＝90r/min，得实验结果如图3所示，控制性能依然良好。
[0058]
图4对比了所提控制器与经典mit控制器的控制性能，可见，采用所提控制器，响应速度明显加快且响应过程依然平稳，控制性能明显改善。
[0059]
整体来看，本发明所提出的方法，不仅可以保持mit控制器设计的独立性及系统稳定性，而且基于记忆的迭代学习进程可以明显改变系统的动态性能，从而实现对系统动态特性的较大校正，使系统性能符合期望状态。例如，即便是故意采用一阶模型来表达原本是高阶的被控对象，并将该一阶模型用于mit控制器的设计，所提出的控制策略仍然能够克服模型误差的影响，经过有限几次迭代学习，使系统动态响应趋于期望的一阶惯性特性。
[0060]
本实施例中，被控对象对超声波电机及其驱动电路，设计的迭代学习自适应mit控制器对超声波电机转速进行控制。作为其他实施方式，本发明所设计的迭代学习自适应mit控制器还适用于其他类型电机，相应对其他类型电机转速进行控制。