基于鲁棒迭代学习的永磁直线电机控制

张宏伟， 余发山， 卜旭辉， 王福忠

(河南理工大学电气工程与自动化学院，河南焦作454000)

0 引言

永磁同步直线电机(permanent magnet linear motor，PMLM)是一种将电能直接转化成直线运动机械能的传动装置［1］，近年来被广泛应用于工业领域。由于直线电机的齿槽效应、端部效应、系统参数(动子质量、粘滞摩擦系数等)的变化、摩擦阻力的非线性变化等因素的存在，直线电机系统是一个多变量、时变的非线性系统，传统的PID控制方法针对这类非线性系统很难实现精确控制［2］。虽然自适应控制［3－4］，鲁棒控制［5－6］，神经网络控制［7］，滑模控制［8］等方法可以获得比PID控制方法更好的输出性能，但是无法实现有限区间内的完全跟踪，而且很难处理直线电机内部的各种扰动，如负载变化、齿槽效应力、摩擦力、纹波推力等。

针对执行重复任务的直线电机，迭代学习控制(iterative learning control，ILC)可以实现有限区间内完全跟踪，而且还可以处理系统中由齿槽效应力、摩擦力、纹波推力、端部效应力等因素引起的重复或周期性扰动［9－13］。然而，在直线电机速度和位置跟踪控制过程中，需要对速度信号或位置信号进行测量，由于传感器自身特性和外部环境的影响，测量信号中不可避免地存在测量扰动。测量扰动为迭代不重复的扰动，其取值是随机的，理论已经证明常规的ILC算法对于这类扰动无能为力［14－15］。文献［10］的研究结果也指出，由于存在这种迭代变化的测量扰动，采用P型ILC算法控制的直线电机速度输出和位置输出存在较大的波动［10］。

本文提出一种带有衰减因子的鲁棒ILC算法，在原有P型ILC算法的基础上引入一个衰减因子，并将提出的算法应用于直线电机的速度和位置跟踪控制。……