[发明专利]一种滑模速度控制方法及装置、电机调速控制方法及装置

说明书

一种滑模速度控制方法，包括构建新型趋近律模型；将所述新型趋近律模型通过模糊RBF神经网络模型优化以获得优化后的新型趋近律模型，得到滑模速度控制装置设计，配置优化后新型趋近律模型的滑模速度控制装置对参数优化，可有效提高电机控制的动态响应能力和抗干扰能力；本发明在传统的指数趋近律滑模控制基础上，采用了一种fal函数来代替传统的符号函数，再利用模糊神经网络算法对趋近律参数进行优化，以抑制了电机控制系统抖振，加快系统动态响应，相较于传统的PI转速环，改进后的趋近律可有效地减小超调量，加快响应速度，增强系统的抗扰性和鲁棒性，进一步提高了系统的控制精度和性能。

技术领域

本发明涉及电机控制领域，特别是一种滑模速度控制方法及装置、电机调速控制方法及装置。

背景技术

专利公布号为CN 111614294 A的专利公开了一种基于传统符号函数指数趋近律的终端滑膜矢量控制方法，该方法解决了传统PI控制器过于依赖系统模型的问题，但是该方法采用线性的符号函数作为滑模面函数，很容易发生抖振。

张苏英等人在《微特电机》期刊发表的相关文献，提出了一种利用边界饱和函数代替传统符号函数设计了一种改进型指数趋近律，减小了滑模面趋近时间，有效地削弱了系统抖振。

上述均没有考虑到趋近律参数影响系统精度的问题，本发明实施例针对这一问题作出了改进。

发明内容

针对利用趋近律参数的电机控制影响系统精度的问题，本发明提供一种滑模速度控制方法及装置、电机调速控制方法及装置，以减少超调量，抑制系统抖振和加快系统动态响应。

为实现上述目的，本发明选用如下技术方案：一种滑模速度控制方法，包括：

构建新型趋近律模型；

将所述新型趋近律模型通过模糊RBF神经网络模型优化；

其中，优化后的新型趋近律模型表达式为：

式中：s为线性滑模面；α为非线性因子，δ为滤波因子，ε和k为趋近律参数，Δε和Δk为趋近律参数变化量。

优选地，所述控制方法还包括：

构建电机数学模型；

获取电机电角速度ω_r及电机参考转速ω_ref；

将所述电机电角速度ω_r和电机参考转速ω_ref以及其转速误差Δω输入滑模速度控制器；

通过优化后的新型趋近律模型计算以获得交轴电流的给定值。

优选地，所述新型趋近律模型包括以fal非线性连续函数在符号函数sgn(s)所构成的传统趋近律模型基础上以获得到新型趋近律模型；

其中传统趋近律模型为：

式中，s为滑模面；εsgn(s)为等速趋近项；ks为纯指数趋近项；

所述fal非线性连续函数为：

根据所述fal非线性连续函数构建新型趋近律模型为：

优选地，所述优化后的新型趋近律模型包括：

通过模糊RBF神经网络模型以转速误差Δω和滑模面s作为输入量，通过计算以获得趋近律参数变化量Δε和Δk，根据所述趋近律参数变化量Δε和Δk以得到优化后的新型趋近律模型；

其中所述模糊RBF神经网络模型包括输入层、模糊化层、模糊规则层、归一化层和输出层。