[发明专利]一种基于经验模态分解的PMLSM驱动XY平台控制方法及系统

说明书

技术领域

本发明属于数控加工技术控制领域，具体是一种基于经验模态分解的PMLSM驱动XY平台控制方法及系统。

背景技术

制造业对于保障国家安全，保证国民经济高速增长有着重要的作用。随着数字技术的发展，机床技术已经进入到了以数字化为核心的机电一体化时代。目前数控机床已经成为现代先进制造技术中最重要的基础装备和世界机床市场的主流产品。在计算机软硬件、刀具等机械结构和其他相关技术的进步下，数控技术日益发展，对其驱动系统性能的要求也逐渐提高。国外高档数控机床最快进给速度达到了60m/min，普通数控机床的加工精度已经由0.01mm提高到了0.005mm，甚至有些已经达到了纳米级别。因此，高速度、高精度、高效率和智能化已经成为数控机床伺服驱动系统的主要发展趋势。

与传统的旋转电机相比，由直线电机驱动的运动系统不需要任何中间机械传动部分就可以实现直接驱动，能够消除机械传动部分带来的一系列问题，使高速度、高精度位置加工成为可能。20世纪中期以来，对直线电机研究有了长足的进步，其中由于永磁直线同步电机PMLSM(permanent magnet linear synchronous motor)具有精度高、响应快、损耗低、推力大等优点，因此在提升系统、工业机器人、往复伺服系统、电子制造装备和高速高精度数控机床等方面具有广泛的应用。在运动控制中，由PMLSM驱动XY平台是常见的伺服驱动机构。虽然PMLSM实现了“零传动”，但是其特有的端部效应会增加系统的扰动，没有了中间装置的缓冲过程，使外部扰动更直接地影响输出，因此在一定程度上增加了其控制的难度。

经典的PID(比例(proportion)、积分(integration)、微分(differentiation))控制方法简单、鲁棒性较好、控制器设计方便，对于一般精度而言，能够很好地满足要求。但是不能够有效消除PMLSM驱动的数控机床中出现的周期性扰动，很难保证控制精度。因此需要引入先进的控制方法，实现高精度控制。对于重复运行的系统，一般控制器在每次运行时都会得到相当丰富的跟踪误差信息，但不会加以利用。迭代学习控制(iterative learning control，简称ILC)能够充分利用先前的控制信息，通过多次迭代，提高系统的运行性能。

ILC是一种智能控制方法，主要针对具有重复性或周期性的被控对象，具有严格的数学描述，完善的理论体系，不完全依赖于系统的精确模型，能够控制非线性系统。经过30年的发展，ILC的研究主要包括学习律的设计、鲁棒性、收敛性的分析、收敛速度问题等方面。ILC要求系统在每次迭代时的初态与期望轨迹的初态保持一致，但在实际运行时，系统受到的扰动往往使两者不一致，产生初始定位误差。当系统重复运行时，系统的稳定性会因初始定位误差的累加受到影响，甚至导致系统发散。因此如何解决ILC存在的初始值问题、提高收敛速度、选择合适的收敛性分析方法仍然是值得研究的。

发明内容

本发明的目的在于提供一种基于经验模态分解的PMLSM驱动XY平台控制方法及系统。

本发明的技术方案是：

一种基于经验模态分解的PMLSM驱动XY平台控制方法，包括以下步骤：

步骤1：PMLSM驱动XY平台运动过程中实时进行电流采样和位置采样；

步骤2：DSP处理器根据当前时刻的电流采样数据和位置采样数据生成对PMLSM驱动XY平台进行位置控制的PWM信号；

步骤2-1：根据位置采样数据对PMLSM驱动XY平台进行ILC位置控制：将期望位置与位置采样数据做差后，得到位置偏差，经ILC计算后得到期望速度；

步骤2-2：根据位置采样数据对PMLSM驱动XY平台进行PI速度控制：将位置采样数据微分后，得到实际速度，再将步骤2-1所得的期望速度与实际速度做差后，经PI计算后得到速度偏差，得到期望电流；

步骤2-3：根据电流采样数据生成对PMLSM驱动XY平台进行位置控制的PWM信号：将步骤2-2所得的期望电流作2/3变换，再将变换结果与电流采样数据做差后，得到驱动IPM逆变单元的PWM信号，执行步骤3；

步骤3：PMLSM驱动XY平台根据PWM信号进行工作：IPM逆变单元根据步骤2-3所得的PWM信号，使PMLSM驱动XY平台进行工作，PMLSM驱动XY平台运动过程中实时进行电流采样和位置采样；