基于Hermite多项式函数链模糊神经网络的PMLSM分数阶反推控制

赵希梅， 王天鹤

(沈阳工业大学 电气工程学院，辽宁 沈阳 110870)

0 引 言

与传统的旋转电机相比，永磁直线同步电动机(permanent magnet linear synchronous motor，PMLSM)将旋转运动转化为直线运动，省去了中间机械传动变换装置，有效降低了机械损耗、齿侧间隙等缺点,在实际应用中提高了系统的定位精度[1-2]。但由于PMLSM固有的机械结构，使系统中存在的参数变化和外部扰动等不确定性因素直接作用在电机动子上，影响了伺服系统的控制性能[3]。因此，为满足高精度位置控制的要求，必须在控制系统设计中有效地解决这些问题。

反推控制是一种强鲁棒性的非线性控制方法，能够利用Lyapunov稳定性理论对高阶系统的每一阶子系统设计虚拟控制律，从而实现全局调节和跟踪[4]。但反推控制需要系统精确的动态模型，参数变化和外部扰动都可能导致系统不稳定。因此，为减小不确定性对系统造成的影响，可以将反推控制中加入自适应，使反推控制具有自适应规律，以获得良好的自适应控制性能[5]。对于复杂的控制系统模型而言，传统的反推控制采用的整数阶运算不一定能使系统获得最佳性能[6]。文献[7]采用了分数阶反推控制(fractional-order backstepping control，FOBC)方案，与整数阶运算相比，分数阶运算具有更高的自由度，能实现更好的性能。文献[8]将FOBC用于非线性系统中，能够减弱不确定性和外部扰动对系统的影响，无论初始状态如何，系统都能借助FOBC在有限时间内收敛，达到更好的控制目的。虽然FOBC能够减小不确定性对系统造成的影响，但由于其使用了单一的自适应律，自适应效果较差。……