[发明专利]基于策略迭代的电机系统最优调节控制方法

说明书

本发明公开了一种基于策略迭代的电机系统最优调节控制方法，步骤如下：建立直驱电机系统的数学模型；设计基于策略迭代的最优调节控制算法，并使用牛顿方法证明其收敛性；利用最小二乘法，实现最优调节控制算法的在线实施。本发明基于Bellman优化原理，利用策略迭代算法，设计电机系统的在线最优调节；本发明遵循能量最小原则，在系统的内部动态部分未知的情况下，有效地解决了电机的调节控制。

技术领域

本发明涉及机电伺服控制技术领域，特别是一种基于策略迭代的电机系统最优调节控制方法。

背景技术

在现代工业生产中，许多先进的机械设备如数控机床、半导体加工设备及微电子制造设备等都广泛采用直驱电机系统来保证高速和高精度加工过程，直驱电机的应用范围已越来越广泛。目前关于直驱电机系统的研究主要是如何设计先进的控制器以跟踪期望的指令信号，然而关于直驱电机系统的调节控制研究相对较少。其次，虽然目前的控制方法可以获得稳态性能，但它们却付出了很大的代价。一般来说，最优控制策略根据Bellman优化原理，得到最优控制策略需要通过求解Riccati方程，然而对于Riccati方程的求解需要精确的知道系统内部动态，而直驱电机系统存在诸多参数不确定性，导致Riccati方程的求解变得较为复杂，从而使最优控制器的设计也变得比较困难。因此探索存在参数不确定性的直驱电机系统的调节仍然是实际工程应用领域的迫切需要。

发明内容

本发明的目的在于系统内部动态未知的情况下，提供一种基于策略迭代的电机系统最优调节控制方法。

实现本发明目的的技术解决方案为：一种基于策略迭代的电机系统最优调节控制方法，包括以下步骤：

步骤1，建立直驱电机系统的数学模型；

步骤2，设计基于策略迭代的最优调节控制算法，并使用牛顿方法证明其收敛性；

步骤3，利用最小二乘法，实现最优调节控制算法的在线实施。

本发明与现有技术相比，其显著优点为：(1)现有技术大部分依赖于系统的内部动态，即基于模型的调节，然而本算法是在系统的内部动态部分未知的情况下，实现了电机的调节控制，即部分不基于模型的调节，从而避免了对系统模型的精确建模，对部分系统参数难以获得的系统有较好的适用性；(2)本算法遵循了能量最小原则，即在付出最小成本的前提下实现了与现有技术相同的调节作用，满足了控制算法中的一个期望的性能指标：造价，而现有的大部分算法均未考虑这一点。

附图说明

图1是本发明直驱电机系统的原理图。

图2是直驱电机系统基于策略迭代的最优调节控制方法原理示意图。

图3是控制算法在线实施的流程图。

图4是系统的状态x₁,x₂轨迹图。

图5是系统的控制输入u曲线图。

具体实施方式

下面结合附图及具体实施例对本发明进一步详细说明。

结合图1-2，本发明基于策略迭代的电机系统的最优调节控制方法，设计最优调节控制算法，在系统内部动态部分未知的情况下，实现了电机的在线最优调节，具体包括以下步骤：

步骤1，建立直驱电机系统的数学模型。

(1.1)本发明所考虑的直驱电机系统是通过配有商业电气驱动器的永磁直流电机直接驱动惯性负载。考虑到电磁时间常数比机械时间常数小得多，且电流速度远大于速度环和位置环的响应速度，故将电流环近似为比例环节，因此，根据第二牛顿定律，直驱电机系统的运动方程为：