[发明专利]一种控制永磁同步直线电机的方法及系统

说明书

本发明涉及永磁同步直线电机技术领域，具体涉及一种控制永磁同步直线电机的方法、系统、平台及存储介质。建立永磁直线电机数学模型；通过深度确定性策略梯度方法对永磁同步直线电机的速度环进行自适应控制；获得最优的强化学习代理，实现PID伺服系统的参数的自动调整。可以将深度强化学习算法所具有的并行性、自适应、自学习等能力结合PID控制应用于PMLSM伺服控制中，作为速度环节的控制器，达到精确和稳定的控制，克服推力波动使控制系统具有高速稳定，鲁棒性好等性能品质，能够对PMLSM进行快速准确控制。

技术领域

本发明涉及永磁同步直线电机技术领域，具体涉及一种控制永磁同步直线电机的方法、系统、平台及存储介质。

背景技术

随着现代生产技术的发展对PMLSM伺服系统稳定性、精确性有了更高的要求。常规的控制算法已经越来越不能满足PMLSM控制系统的要求，随着人工智能技术的发展和成熟，将现代智能控制方法应用于永磁同步直线电机控制系统成为未来发展的趋势。

永磁同步直线电机(Permanent magnet linear synchronous motor,PMLSM)是一种不需要中间传动装置而直接将电能转换为直线运动的电机。永磁同步直线电机有着推力大、速度大、行程大和精度高等优点，相比传统旋转电机，永磁同步直线电机驱动系统取消了中间传动环节，简化了机械结构，具有优越的加减速度特性和高刚度、高可靠性，运行噪声小，维护简单等优点。所以永磁同步直线电机越来越广泛的应用在一些高速、高精密机械加工中。然而由于其实际伺服系统是非线性、不确定性系统，当模型的不确定性超过传统线性最优鲁棒控制所允许的范围时，控制系统就变得不稳定。

此外，为使永磁同步直线电机伺服系统稳定、可控，现代常规的控制方法有模糊控制、神经网络和粒子群算法控制等控制方法。模糊PID控制，相较于单一的PID控制算法，模糊PID控制控制下的PMLSM伺服系统的超调量较小、响应速度较快，且系统的抗干扰能力强，鲁棒性好，基本达到了控制系统的设计要求。模糊神经网络控制，模糊神经网络控制系统与传统PID和模糊PID相比，具有超调小，快速性好及运行稳定的优点，其控制效果得到了明显的提升。粒子群算法，采用改进的粒子群算法来优化PMLSM，在优化过程中增加了遗传算法中的交叉这个过程，实现了粒子群算法与遗传算法相结合，这种改进的算法不仅能减少迭代次数，让目标函数快速收敛，还能防止陷入局部最优，提高算法寻找全局最优的可靠性。

这些经典的现代智能控制系统，为研究新型的伺服控制系统奠定了良好的理论基础，但控制过程仍存在一些缺点：模糊逻辑控制，模型预测控制等传统控制方法需要复杂的数学模型和专业知识，然而，专家们很难获得这些经验和知识。通过粒子群优化，遗传算法和神经网络算法优化的最优跟踪曲线通常仅对特定周期有效，缺乏在线学习能力和有限的泛化能力。因此传统控制方法很难满足现代伺服系统的要求。

发明内容

针对以上实际伺服系统是非线性、不确定性系统，缺乏在线学习能力和有限的泛化能力的问题，本发明提出一种基于深度强化学习算法控制永磁同步直线电机的方法，即一种控制永磁同步直线电机的方法、系统、平台及存储介质，将深度强化学习算法所具有的并行性、自适应、自学习等能力结合PID控制应用于PMLSM伺服控制中，作为速度环节的控制器，达到精确和稳定的控制，克服推力波动使控制系统具有高速稳定，鲁棒性好等性能品质，能够对PMLSM进行快速准确控制。

本发明具体通过以下技术方案实现：

一种控制永磁同步直线电机的方法，所述的方法具体包括如下步骤：

建立永磁直线电机数学模型；

通过深度确定性策略梯度方法对永磁同步直线电机的速度环进行自适应控制；

获得最优的强化学习代理，实现PID伺服系统的参数的自动调整。

进一步地，于步骤通过深度确定性策略梯度方法对永磁同步直线电机的速度环进行自适应控制中，还包括如下步骤：