USM非线性黄金分割自适应控制仿真研究

2015-10-13 21:31尤冬梅胡瑞明
山东工业技术 2015年20期
关键词:自适应

尤冬梅 胡瑞明

摘要:USM(超声波电机)运行机理复杂,导致动、静态的控制非常困难。本文提出一种基于特征模型的非线性黄金分割控制方法,该方法在特征模型的前提下设计简单,一旦控制器参数整定完毕,直接可以设计到控制器,调试方便,适应性强。

关键词:超声波电机;转速仿真控制;非线性黄金分割;自适应

1前言

由于USM运行机理复杂,其精确的数学模型很难描述,进而控制器的设计也会受到模型准确性的影响。此外,对于控制器的要求也是在满足系统性能的前提下追求简单,所以低阶的USM控制器的设计力受追捧。

众所周知,超声波电机由于它特殊的工作原理,动态、静态均很难控制,如果再用低阶的控制器,那对它的控制更是难上加难。吴宏鑫院士提出的特征模型为USM低阶控制器的设计奠定了良好的基础,在特征模型的基础上,提出的非线性黄金分割自适应控制方法,不但能够改善控制系统的动态控制过程,重要的是控制器相对简单,方便调试。

2非线性黄金分割自适应控制律的设计

2.1特征模型

(1)USM特征模型。经实验研究,超声波电机特征模型表达如下:

y(k)=a1y(k-1)+a2y(k-2)+a3y(k-3)+b0u(k)+b1u(k-1)+b2u(k-2)

(2)频率-误差特征模型。经实验研究,频率-误差特征模型形式如下:

z(k)=α1(k)z(k-1)+α2(k)z(k-2)+α3(k)z(k-3)+β0(k)u(k)+β1(k)u(k-1)+β2(k)u(k-2)

2.2非线性黄金分割自适应控制

之前已经做过线性黄金分割自适应控制律的仿真研究,但是其不一定能满足控制过程中的性能要求,因此,为改善控制性能,在线性黄金分割自适应控制律(3)的基础上,根据特征模型(2),构造一种非线性黄金分割自适应控制律:

其中,η1、η2为正常数,μ为常数。

由于本文设计超声波电机转速的控制为阶跃响应,即文献[1]中所述μ>0的情况,当误差|z(k)|减小的时候,Kp(k,z(k))会随着|z(k)|递增,且在|z(k)|>1时变大较快,|z(k)|<1时变大较慢。在式(5)的控制过程,Kp(k,z(k))会递增,当|z(k)|的递减时,Kp(k,z(k))的变化量变小,此时USM系统的速度在递增,但是递增的量很小。具体为USM初始过程体现为加速状态,当u(k)比例系数变化量递减时,超声波电机为转速维持过程。此外,在整个系统的运行过程中,如果减小η1,加大η2,对调节时间的减小很有帮助。

3仿真结果对比与分析

仿真结果分析:

式(2)为特征模型,按照算法流程编写MATLAB程序对上述非线性黄金分割自适应控制规律进行仿真实验,并验证非线性黄金分割自适应控制律的优越性。

在2.2节中分析的η1,η2,μ三个量与控制性能的关系,从而进行调节。首先,令μ=0.1,然后调试η1,η2;最后调节μ。

对η1,η2,μ的调节过程,分别列出90r/min和30r/min的非线性黄金分割自适应控制性能分析。

(1)η1=1,η2=1,μ=0.1。Nref=90r/min,Nref=30r/min的响应曲线的调节步数分别88、73步,系统响应的终值分别在89r/min、30r/min。可见,仿真曲线的调节时间过长,根据理论可加大η2或变小η1来改善调节时间。故η1=1不变,适当加大η2,调整时间加长,可以知道,η2值过大应稍微减小,同时再稍微减小η1。

(2)η1=0.05,η2=0.2,μ=0.8。90r/min,Nref=30r/min的响应曲线的调节步数分别为13、11步,90r/min的系统响应的终值分别在90.01r/min、30.01r/min,超调转速分别为93.847r/min、34.6r/min。

综合各个转速各方面性能,η1,η2,μ分别取为0.05,0.2,0.8。

4 结论

由以上仿真实验对参数η1、η2、μ的调整过程可得出如下结论:三个参数值调整的依据是非线性黄金分割自适应控制的独有特点,并在仿真过程中验证了该特征是有效和可行的。简单地调整η1、η2、μ的数值就可以使系统达到预期的控制性能,参数调节意义非常明确。

参考文献:

[1]赵淳生.超声电机技术与应用[M].北京:科学出版社,2007.

[2]尤冬梅,史敬灼.超声波电机特征模型的辨识建模[J].微特电机,2012,40(12):42-44.endprint

猜你喜欢
自适应
散乱点云的自适应α—shape曲面重建
浅谈网络教育领域的自适应推送系统
以数据为中心的分布式系统自适应集成方法
自适应的智能搬运路径规划算法
Ka频段卫星通信自适应抗雨衰控制系统设计
电子节气门非线性控制策略
多天线波束成形的MIMO-OFDM跨层自适应资源分配
适应性学习系统的参考模型对比研究
分析,自适应控制一个有乘积项的混沌系统
基于参数自适应蚁群算法对多目标问题的优化