一种控制力矩陀螺框架转速控制参数整定方法与流程

1.本发明属于航天器姿态控制技术领域，特别是一种控制力矩陀螺框架转速控制参数整定方法。


背景技术：

2.控制力矩陀螺(cmg)是航天器的重要姿态控制执行机构，其框架控制带宽决定了cmg输出力矩的能力，进而决定了航天器姿态机动能力；其框架转速稳定度决定了输出力矩的波动量，进而决定了遥感卫星光学相机成像质量。
3.cmg框架转速控制，一般采用比例
‑
积分控制器。由于cmg框架转速变化范围较宽，其转速绝对值从0.001
°
/s到60
°
/s甚至更高。这就决定了很难用一组比例积分参数来保证在各个转速下框架控制带宽和控制稳定度。
4.在不同转速下，比例积分控制器的参数整定一般采用实测调节的方法，即在实际产品测试时，调整参数，测试其控制性能，即带宽和控制稳定度，再根据控制性能，调整参数直至产品性能满足要求。由于cmg框架转速范围较宽，需要对一系列转速下的控制性能进行测试，且参数调整效果与人员判断相关，调整结果也极有可能是在局部的最优值，而不是系统能实现的最好效果。


技术实现要素：

5.本发明解决的技术问题是：航天器控制力矩陀螺框架转速范围宽，其控制带宽和稳定度直接影响航天器的姿态机动能力和光学载荷的成像效果，为了提升控制力矩陀螺框架控制带宽和转速稳定度，提高参数整定的效率，该发明提出了一种通过神经网络自学习算法，转速区间分段，转速给定激励和参数整定终止判据，实现框架控制参数快速整定的方法。
6.本发明的技术解决方案是：
7.第一方面，本技术实施例提供一种控制力矩陀螺框架转速控制参数整定方法，包括：
8.根据给定的转速范围ω
ref
，以及框架电机的实时转速ω
m
，利用神经网络进行参数整定处理，获得当前控制周期的比例系数k
pnn
与积分系数k
inn
，从而确定框架电机q轴电流i
qref
；迭代多个控制周期，直至获得满足终止判据的比例系数k
pnn
与积分系数k
inn
作为每个转速区间对应的系数；
9.根据上级输入的给定转速指令，查找获得给定转速指令落入的转速区间，根据落入转速区间对应的系数确定框架电机三相驱动电流，获得框架电机的电机输出力矩，框架电机驱动cmg框架运动。
10.可选地，还包括：
11.根据给定的转速范围ω
ref
，确定多个转速区间；
12.根据满足系统闭环传递函数稳定的方法，确定比例系数k
pnn
与积分系数k
inn
初值，
各转速区间对应的比例系数k
pnn
与积分系数k
inn
初值分别相同；
13.根据转速区间的最大值最小值确定方波，作为转速激励；
14.a)建立学习算法模型，根据每个转速区间的比例系数k
pnn
、积分系数k
inn
和转速误差e(n)，获得每个转速区间当前控制周期对应的电流i
qref
；
15.b)使用步骤a)获得的所述电流i
qref
，驱动控制力矩陀螺框架转动，获得当前控制周期的框架转速；
16.c)根据步骤b)获得的所述当前控制周期的框架转速，并根据转速激励，对每个转速区间，分别利用神经网络进行参数整定处理，确定下一控制周期的比例系数k
pnn
与积分系数k
inn
；
17.判断步骤c)获得的比例系数k
pnn
与积分系数k
inn
，或当前控制周期的迭代次数，是否满足终止判据，若满足终止判据，则将步骤c)获得的系数作为转速区间对应的系数，否则重复步骤a)～c)，直至获得每个转速区间对应的系数。
18.可选地，所述多个转速区间，满足如下条件：
19.每个转速区间的最大值和最小值的绝对值相等；
20.最大值小于或等于1
°
/s的两相邻转速区间的差值小于0.1
°
/s；
21.最大值大于1
°
/s的两相邻转速区间的差值取值范围为2
°
/s～10
°
/s。
22.可选地，最大值小于或等于1
°
/s的两相邻转速区间的差值取值范围为0.1
°
/s至0.04
°
/s。
23.可选地，所述方波的周期不小于框架电机时间常数的100倍；转速区间对应方波的正向峰值等于转速区间的最大值，转速区间对应方波的负向峰值等于转速区间的最小值。
24.可选地，步骤a)所述获得每个转速区间当前控制周期对应的电流i
qref
，具体如下：
25.根据当前控制周期的比例系数k
pnn
(n 1)与积分系数k
inn
(n 1)，确定当前控制周期的q轴电流i
qref
(1,n 1)；
26.i
qref
(1,n 1)＝i
qref
(1,n) w_
nn
*x_
nn
；
27.w_
nn
＝[k
pnn
(n 1),k
inn
(n 1)]；
[0028]
x_
nn
＝[e(n)
–
e(n
‑
1),e(n)]；
[0029]
其中，q轴正向指向垂直于框架电机转子两磁极之间的平分线方向；k
nn
为神经元输出系数，0<k
nn
<0.1。
[0030]
可选地，步骤c)所述确定下一控制周期的比例系数k
pnn
与积分系数k
inn
的方法，具体为：根据转速区间当前第n个控制周期的比例系数k
pnn
(n)与积分系数k
inn
(n)，获得第n 1个控制周期的比例系数k
pnn
(n 1)与积分系数k
inn
(n 1)。
[0031]
可选地，步骤c)所述确定下一控制周期的比例系数k
pnn
与积分系数k
inn
的方法，具体为：
[0032]
k
pnn
(n 1)＝k
pnn
(n) η
p_nn
*e(n)*(e(n)
–
e(n
‑
1))；
[0033]
k
inn
(n 1)＝k
inn
(n) η
i_nn
*e(n)*e(n)；
[0034]
其中，n表示控制周期，η
p_nn
表示比例系数对应的学习率，0<η
p_nn
<1；η
i_nn
表示积分系数的学习率，0<η
i_nn
<1；比例系数k
pnn
(0)的初始值根据满足系统闭环传递函数稳定的方法确定；积分系数k
inn
(0)的初始值根据满足系统闭环传递函数稳定的方法确定；e(n)为当前控制周期的转速误差，e(n
‑
1)为上一控制周期的转速误差。
[0035]
可选地，所述终止判据，具体如下：
[0036]
终止判据a：|k
pnn
(n 1)
‑
k
pnn
(n)|<ε并且|k
inn
(n 1)
‑
k
inn
(n)|<ε，其中，ε<0.01；
[0037]
或者
[0038]
终止判据b：控制周期的总迭代次数超过m次，m>10000次。
[0039]
第二方面，本技术提供一种处理装置，该处理装置，包括：
[0040]
存储器，用于存储计算机程序；
[0041]
处理器，用于从所述存储器调用并运行所述计算机程序，以执行第一方面所述的方法。
[0042]
本发明与现有技术相比的优点在于：
[0043]
本发明通过基于神经网络的参数整定模块、转速范围分区和输入激励整定方法，可实现对控制力矩陀螺框架比例
‑
积分控制器参数的快速整定，实现转速控制稳定度和控制带宽的提升。该方法既可进行离线参数整定，也可作为在线系统控制方法，适用于对控制稳定度、精度和带宽指标要求较高的伺服控制系统，具有广阔的应用前景。
附图说明
[0044]
图1为双环pid控制器框图；
[0045]
图2为本发明基于神经网络的参数自整定系统；
[0046]
图3为本发明神经网络速度环控制器输入输出量示意图；
[0047]
图4为本发明流程图。
具体实施方式
[0048]
本发明提出了一种基于神经网络的高带宽cmg控制参数整定方法，该方法能实现如下功能：
[0049]
(1)通过神经网络参数自学习算法实现cmg框架转速比例积分控制器控制参数调节；
[0050]
(2)将cmg框架转速范围合理的划分为相应区间，实现区间内控制参数统一；
[0051]
(3)通过加入特定转速的给定激励，实现在相应转速区间内框架控制带宽和控制稳定度的提升与参数的快速学习；
[0052]
(4)通过对参数调节量、迭代时间的判断，判定终止迭代或对学习参数进行调整。
[0053]
本发明技术包括如下内容：
[0054]
a)速度环pid控制架构
[0055]
cmg低速框架的控制，一般采用传统的基于双环比例积分的控制系统。内环为电流环，保证力矩的快速响应；外环为速度环，保证cmg的低速框架能够按照给定转速指令旋转，以输出需要的力矩。
[0056]
控制系统结构如图1所示。控制系统给定为转速指令ω
ref
，转速指令与实测转速ω
m
的误差值送入转速环pi控制器，控制器输出i
qref
为框架电机q轴电流给定值；i
qref
与q轴电流实测值i
q
的差值，以及框架电机d轴电流误差同时送入电流环pi控制器，输出驱动电流，驱动框架电机转动。
[0057]
b)基于神经网络的参数自整定模块
[0058]
加入基于神经网络的控制参数自整定模块的框架电机转速控制系统如图2所示。其中速度环调节器如图3所示。
[0059]
图3的速度环调节器可写成如下表达式：
[0060]
w_
nn
＝[k
pnn
(n 1),k
inn
(n 1)]；
[0061]
x_
nn
＝[e(n)
–
e(n
‑
1),e(n)]
[0062]
i
qref
(1,n 1)＝i
qref
(1,n) k
nn
*w_
nn
*x_
nn
；
[0063]
其中，i
qref
为q轴电流给定值，e(n)为转速误差，k
pnn
,k
inn
分别为待整定的比例系数与积分系数，k
nn
为神经元输出系数。
[0064]
参数自学习模块的学习算法为：
[0065]
k
pnn
(n 1)＝k
pnn
(n) η
p_nn
*e(n)*(e(n)
–
e(n
‑
1))；
[0066]
k
inn
(n 1)＝k
inn
(n) η
i_nn
*e(n)*e(n)；
[0067]
η
p_nn
，η
i_nn
分别为比例与积分系数的学习率。
[0068]
n表示当前控制周期，n
‑
1表示前一控制周期，n 1表示下一控制周期。
[0069]
c)转速范围分区
[0070]
对控制力矩陀螺转速范围进行分区，在同一分区内，采用一组控制参数可满足控制指标要求。
[0071]
分区方法：
[0072]
每个转速区间的最大值和最小值的绝对值相等。最大值小于或等于1
°
/s的两相邻转速区间的差值小于0.1
°
/s；考虑到分区数量和参数整定复杂程度，一般选取0.1
°
/s至0.04
°
/s之间的数值作为间隔。最大值大于1
°
/s的两相邻转速区间的差值取值范围为2
°
/s～10
°
/s。
[0073]
d)输入激励的参数快速整定
[0074]
采用输入方波激励的方法来加速参数的学习和整定过程。
[0075]
对需要整定的转速区间，采用正负阶跃的方波转速给定信号，方波的幅值为选定的转速区域的转速上限。例如，在5
°
/s(含)～4
°
/s(不含)的转速区间，输入的方波信号最高值为5
°
/s，最低值为
‑5°
/s。方波周期不小于框架电机时间常数的100倍。
[0076]
通过参数的迭代学习过程，比例和积分参数会快速收敛，以达到快速整定的目的。
[0077]
e)整定过程的终止和重复
[0078]
整定过程终止判据：
[0079]
(1)|k
pnn
(n 1)
‑
k
pnn
(n)|<ε并且|k
inn
(n 1)
‑
k
inn
(n)|<ε，即，每个周期参数调整量极小；
[0080]
(2)总迭代次数超过m。
[0081]
ε取值大或m取值小，则整定过程较短，反之整定过程较长。可根据实际需要选择ε和m的取值。
[0082]
若整定过程终止后，框架转速稳定度仍不满足指标要求：
[0083]
(1)若比例、积分系数收敛速度较慢，则可增大比例与积分系数的学习率η
p_nn
，η
i_nn
，重新运行整定过程；
[0084]
(2)若比例、积分系数变化较为剧烈，则可减小比例与积分系数的学习率η
p_nn
，η
i_nn
，重新运行整定过程。
[0085]
本发明一种控制力矩陀螺框架转速控制参数整定方法，包括：
[0086]
根据给定的转速范围ω
ref
，以及框架电机的实时转速ω
m
，利用神经网络进行参数整定处理，获得当前控制周期的比例系数k
pnn
与积分系数k
inn
，从而确定框架电机q轴电流i
qref
；迭代多个控制周期，直至获得满足终止判据的比例系数k
pnn
与积分系数k
inn
对应的框架电机q轴电流i
qref
；
[0087]
根据上级输入的给定转速指令，查找获得给定转速指令落入的转速区间，根据落入转速区间对应的系数确定框架电机三相驱动电流(i
a,
i
b,
i
c
)，获得框架电机的电机输出力矩，框架电机驱动cmg框架运动。
[0088]
具体包括如下步骤：
[0089]
根据给定的转速范围ω
ref
，确定多个转速区间；
[0090]
所述多个转速区间，满足如下条件：
[0091]
每个转速区间的最大值和最小值的绝对值相等；
[0092]
最大值小于或等于1
°
/s的两相邻转速区间的差值小于0.1
°
/s。考虑到分区数量和参数整定复杂程度，本发明一实施例中转速区间的取值范围为0.1
°
/s至0.04
°
/s。
[0093]
最大值大于1
°
/s的两相邻转速区间的差值取值范围为2
°
/s～10
°
/s。
[0094]
根据满足系统闭环传递函数稳定的方法，确定控制力矩陀螺框架转速控制系统的比例系数k
pnn
与积分系数k
inn
初值，各转速区间对应的比例系数k
pnn
与积分系数k
inn
初值分别相同；
[0095]
根据转速区间的最大值最小值确定方波，作为转速激励；
[0096]
所述方波的周期不小于框架电机时间常数的100倍；转速区间对应方波的正向峰值等于转速区间的最大值，转速区间对应方波的负向峰值等于转速区间的最小值；
[0097]
a)建立学习算法模型，根据每个转速区间的比例系数k
pnn
、积分系数k
inn
和转速误差e(n)，获得每个转速区间当前控制周期对应的电流；
[0098]
步骤a)所述获得每个转速区间当前控制周期对应的电流i
qref
，具体如下：
[0099]
根据当前控制周期的比例系数k
pnn
(n 1)与积分系数k
inn
(n 1)，确定当前控制周期的q轴电流i
qref
(1,n 1)；q轴正向指向垂直于框架电机转子两磁极之间的平分线方向，d轴正向指向框架电机转子磁极中心线方向；
[0100]
i
qref
(1,n 1)＝i
qref
(1,n) w_
nn
*x_
nn
；
[0101]
w_
nn
＝[k
pnn
(n 1),k
inn
(n 1)]；
[0102]
x_
nn
＝[e(n)
–
e(n
‑
1),e(n)]；
[0103]
其中，k
nn
为神经元输出系数，一般取0<k
nn
<0.1。
[0104]
b)使用步骤a)获得的所述电流i
qref
，驱动控制力矩陀螺框架转动，获得当前控制周期的框架转速；
[0105]
c)根据步骤b)获得的所述当前控制周期的框架转速，建立学习算法模型，对每个转速区间，分别利用神经网络进行参数整定处理，确定下一控制周期的比例系数k
pnn
与积分系数k
inn
；
[0106]
步骤c)所述确定下一控制周期的比例系数k
pnn
与积分系数k
inn
的方法，具体为：根据转速区间当前第n个控制周期的比例系数k
pnn
(n)与积分系数k
inn
(n)，获得第n 1个控制周期的比例系数k
pnn
(n 1)与积分系数k
inn
(n 1)；
[0107]
步骤c)所述确定下一控制周期的比例系数k
pnn
与积分系数k
inn
的方法，建立学习算法模型，具体为：
[0108]
k
pnn
(n 1)＝k
pnn
(n) η
p_nn
*e(n)*(e(n)
–
e(n
‑
1))；
[0109]
k
inn
(n 1)＝k
inn
(n) η
i_nn
*e(n)*e(n)；
[0110]
其中，n表示控制周期，η
p_nn
表示比例系数对应的学习率，取值范围为0<η
p_nn
<1，η
i_nn
表示积分系数的学习率，取值范围为0<η
i_nn
<1，e(n)表示转速误差，等于转速激励和实时转速ω
m
的差值；转速激励为方波形式的转速给定信号，方波周期不小于框架电机时间常数的100倍，方波信号的正向峰值和负向峰值的绝对值等于转速区间的最大值；比例系数k
pnn
(0)的初始值根据满足系统闭环传递函数稳定的方法确定；积分系数k
inn
(0)的初始值根据根据满足系统闭环传递函数稳定的方法确定。
[0111]
判断步骤c)获得的比例系数k
pnn
与积分系数k
inn
，或当前控制周期的迭代次数，是否满足终止判据，若满足终止判据，则将步骤c)获得的系数作为转速区间对应的系数，否则重复步骤a)～c)，直至获得每个转速区间对应的系数。
[0112]
所述终止判据，具体如下：
[0113]
终止判据a：|k
pnn
(n 1)
‑
k
pnn
(n)|<ε并且|k
inn
(n 1)
‑
k
inn
(n)|<ε，其中，ε<0.01；
[0114]
或者
[0115]
终止判据b：控制周期的总迭代次数超过m次，m>10000次。
[0116]
本技术提供一种处理装置，该处理装置，包括：
[0117]
存储器，用于存储计算机程序；
[0118]
处理器，用于从所述存储器调用并运行所述计算机程序，以执行图4所述的方法。
[0119]
本发明首次提出利用神经网络算法在cmg框架转速分段区间内进行参数整定的方法，该方法可以提高cmg框架控制系统转速控制带宽，控制稳定度和参数整定效率。
[0120]
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
[0121]
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。