[发明专利]一种基于摩擦补偿的自适应神经网络控制方法及其装置

说明书

本发明公开了一种基于摩擦补偿的自适应神经网络控制方法及其装置，包括了以下步骤：建立电机位置伺服系统模型；设计基于摩擦补偿的自适应神经网络控制器；根据设计的基于摩擦补偿的自适应神经网络控制器，利用李雅普诺夫稳定性理论对电机伺服系统进行稳定性证明，并运用Barbalat引理得到系统的全局渐进稳定的结果。本发明利用连续摩擦模型来对电机伺服系统中的摩擦特性进行建模，并结合神经网络的自学习能力和参数估计器的估计能力，对电机伺服系统中的摩擦特性和其他非线性干扰，作了很好的补偿，大大提高了系统的稳定跟踪精度。

技术领域

本发明涉及电机伺服系统控制领域，特别是一种基于摩擦补偿的自适应神经网络控制方法及其装置。

背景技术

摩擦是存在于所有机械结构相对运动中的一种复杂现象，它依赖于接触表面的物理性质、相对速度和润滑条件等。在实际应用中，摩擦不仅严重影响伺服系统的控制精度，而且还导致不希望的粘滑运动或极限环振荡发生。

目前，许多技术已被研究用来解决摩擦在电机伺服系统中的影响。比如PID控制，其结构简单，不依赖于系统的数学模型，且工程实用性强，但是其对于非线性摩擦、强扰动的系统控制效果不佳。随着控制理论的不断发展，各种先进的控制技术被用来补偿摩擦，如自适应控制、鲁棒控制、误差符号积分鲁棒控制等，在这些控制策略中，基于摩擦模型的自适应补偿技术被认为是一个有效的摩擦补偿解决方案，并出现在越来越多的工业应用中。其控制目标是开发一种摩擦补偿器，在保持稳定的同时消除系统中的大部分摩擦力。为了设计一个高精度的基于模型的自适应补偿器，就需要一个完善的摩擦模型以及优越的辨识方案。然而，摩擦模型是高度非线性和复杂的模型，建立精确的摩擦模型并不容易，而且即使得到了较完善的摩擦模型，也会因其复杂的表达式使得系统分析和基于模型的补偿难以实现。

发明内容

为解决上述问题，本发明的目的在于提供一种基于摩擦补偿的自适应神经网络控制方法及其装置，利用连续摩擦模型来对电机伺服系统中的摩擦特性进行建模，并结合神经网络的自学习能力和参数估计器的估计能力，对电机伺服系统中的摩擦特性和其他非线性干扰，作了很好的补偿，大大提高了系统的稳定跟踪精度。

本发明解决其问题所采用的技术方案是：

本发明的第一方面，提供了一种基于摩擦补偿的自适应神经网络控制方法，包括以下步骤：

建立电机位置伺服系统模型；

设计基于摩擦补偿的自适应神经网络控制器；

根据设计的基于摩擦补偿的自适应神经网络控制器，利用李雅普诺夫稳定性理论对电机伺服系统进行稳定性证明，并运用Barbalat引理得到系统的全局渐进稳定的结果。

进一步地，所述步骤建立电机位置伺服系统模型，具体如下：

电机惯性负载的动力学模型方程为：

式中：θ_r表示角位移，J表示惯性负载，K_ω为速度环比例系数，K_t为电磁转矩系数，K_j为减速器的减速比，K_v为速度环的反馈系数，T_L为电机内部扰动，F为摩擦力矩；

所述摩擦力矩F用连续可微的摩擦模型表示为：

F＝c₁(tanh(c₂x₂)-tanh(c₃x₂))+c₄tanh(c₅x₂)+c₆x₂ (2)