双轴直线电机龙门系统协同控制方法研究

来源 :北京交通大学 | 被引量 : 0次 | 上传用户:parabird
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
直线电机驱动的多轴运动系统具有结构简单、加速度大、响应速度快、噪音低等特性,被广泛应用于机械制造的轮廓加工。然而,伺服滞后、各伺服轴之间动态特性不匹配、轴间耦合和外部扰动等因素会导致产品加工误差。如何提高多轴运动系统的轮廓跟踪精度一直是控制领域的研究热点。本文以双轴直线电机龙门系统为研究对象,围绕着如何提高运动系统各伺服轴间的协调性,处理不确定、外部扰动和执行器故障的影响等问题,展开了一系列研究。本文主要研究内容和成果如下。首先,根据永磁直线同步电机结构和工作原理,介绍了所研究的双轴直线电机龙门系统的基本结构和工作原理。在此基础上,建立了笛卡尔坐标系下双轴直线电机龙门系统的非线性数学模型,该模型考虑了系统存在的不确定项和受到的外部扰动,为后续的控制器设计奠定了基础。其次,针对存在参数化不确定和外部扰动的双轴直线电机龙门系统的轮廓跟踪问题,提出了两种协同控制器。通过引入一个任务坐标系,将笛卡尔坐标系下的系统动力学模型转换到了任务坐标系,从而得到了关于轮廓误差的动力学模型。基于转换模型,设计了第一种基于确定等价原则的鲁棒自适应协同控制器。此外,为了进一步提高系统的暂态跟踪性能和稳态跟踪精度,实现面向性能的控制,结合浸入与变自适应控制的思想设计了第二种基于非确定等价原则的鲁棒浸入与不变自适应协同控制器,并从Lyapunov理论的角度分析了该控制算法相较于第一种算法的优越性。进一步,通过一系列数值仿真和双轴直线电机龙门机床实验验证了所提出的两种控制算法的有效性。最后,针对发生未知时变执行器故障,不确定的受扰双轴直线电机龙门系统轮廓跟踪问题,提出了一种鲁棒自适应容错协同控制方法。该方法将笛卡尔坐标系下具有执行器故障的系统动力学模型转换到任务坐标系,基于该模型设计控制器。具体地,通过引入两个光滑函数,并采用界估计的方法来处理系统中存在的执行器故障和外部扰动;设计基于确定等价原则的自适应律估计系统中的未知参数,提高稳态跟踪精度,并通过光滑投影来修正参数估计值以提高系统的鲁棒性和快速性。理论分析、数值仿真结果和实验结果均表明所提出的控制算法可以有效处理执行器故障、参数化不确定和外部扰动的影响,保证系统具有满意的轮廓跟踪精度。图31幅,表9个,参考文献66篇。
其他文献
随着通讯技术和传感器技术的快速发展与普及,能够融合现代通信与网络技术的智能网联汽车(CAVs)将会逐渐替代普通人工驾驶汽车(HVs)。CAVs通过车与车、车与道路设施之间信息的交互,来具备感知周围环境的能力,从而做出智能的决策,以实现安全、舒适、节能、高效的行驶要求。当前交通存在由于信息滞后导致的交通震荡问题,该现象普遍出现在道路前方路口有红绿灯的情况。且现阶段研究对于道路上CAVs和HVs大量共
移动互联网的普及伴随着大量网络安全问题的出现,许多新型的网络攻击方式层出不穷,危机事件频发。我国互联网安全态势仍然严峻。如何应对网络攻击,保障网络安全是我们亟待研究的问题之一。面对日新月异的攻击手段,传统网络流量异常检测方法已经不适用于当前的网络环境。传统网络流量异常检测方法过于依赖对特征的人工选择,缺乏自适应性,面对新类型的异常检测准确率低;在面对海量高维流量数据时,难以有效提取其中的关键特征,
多智能体系统的分布式协同控制在很多领域有着诸多应用,例如,无人飞行器的编队控制,传感器网络的协同控制等。近几年来,随着学者的深入研究,多智能体系统的控制条件也被考虑的更加复杂和全面。比如,我们在考虑系统实现控制目标的同时,也希望能够达到减少通信次数,节省能量消耗的目的。为此,有学者提出事件触发控制策略和时间触发控制(采样控制)策略。这两类控制都是在控制器中引入触发时刻,使得智能体的控制器由原先的连
云计算作为二十一世纪初期的新兴事物,目前已步入较为成熟的发展阶段,其依托于虚拟化技术,将各类资源进行有效整合和管理,向用户提供了高效的计算服务和应用软件。近年来,图像处理、地震预测、基因组测序等应用程序生成的工作流日渐复杂,使得越来越多的工作流被提交到云中处理。为了满足各类场景下不同用户的计算要求,国内外云服务提供商纷纷升级扩展云数据中心,但是目前数据中心的资源利用率较低,使得高能耗问题成为云服务
在现代化的大型制造车间中,为节省人力、提高车间生产效率,大量企业都为生产车间和立体仓库引入了AGV系统。AGV(Automated Guided Vehicle,自动导航小车)是指装备有电磁或光学等自动导引装置,能够沿导引路径行驶,具有各种移栽及安全保护功能的运输车。企业在智能物流解决方案中使用AGV,不仅是为了实现内部物流的柔性化,更重要的是借此打通生产各流程,推进生产全过程的数字化,最终实现打
稀疏线性逆问题是指在测量矩阵已知的情况下从观测样本恢复出原始的稀疏信号,在现实生活中众多学科和领域发挥着重要的作用。在通信系统中,通过利用无线信道的稀疏特性,压缩感知理论和其中的稀疏线性求逆算法实现了信令开销的降低和用户容量的扩展。近年来,基于神经网络的稀疏线性求逆算法以其优异的重建性能和快速的收敛特性被广泛地研究。然而,这些机器学习算法忽略了传统迭代算法中的一个关键特征,那就是不同稀疏度的稀疏信
语音增强的目的是通过设计一种高效的信号处理算法,去除带噪语音中的各种干扰噪声,恢复出干净的增强语音,同时要保证增强语音有较高的恢复质量和可理解度。传统的语音增强算法在使用前需要对语音和噪声信号做出严格的假设,这限制了其在一些复杂的现实场景中的应用。近年来,无需任何假设、具有强数据建模能力的神经网络得到研究人员的广泛关注,成为本领域的主流算法。本文主要针对提高卷积神经网络全局建模水平和语音增强能力展
高速飞行列车是利用低真空环境和超音速外形减小空气阻力,通过磁悬浮减小摩擦阻力,实现超音速运行的运输系统。高速飞行列车的运行速度可以达到1,000~4,000km/h,具有高效、节能和环保等优点,有望成为未来的新型交通方式,近年来逐渐成为研究热点。由于高速飞行列车速度比已有轨道交通系统列车的速度高出许多,现有轨道交通系统的运行控制系统无法完全适用于高速飞行列车。因此,有必要针对高速飞行列车的特点,对
随着5G网络全球化部署进程不断提速,各行各业提出运行在用户设备(User Equipment,UE)上的计算密集型和时延敏感型的新型应用。虽然移动云计算(Mobile Cloud Computing,MCC)把高计算任务通过公用网络上传到集中式的云服务器上增强了UE的计算和降低UE的能耗,但是云服务器在空间上远离UE导致传输数据需要花费更高的时延。移动边缘计算(Mobile Edge Comput
近年来,随着深度学习在图像、自然语言等规则拓扑结构的数据上大放异彩,研究者们尝试将深层神经网络推广应用到3D点云数据,并开展了大量关于3D点云神经网络卷积算法的研究。但由于3D点云拓扑结构的不规则特性,特征池化算法,作为推动深度学习成功的一个重要部件,却较少人问津。特征池化算法在深度学习框架中,不仅起到提升计算效率的作用,同时能够提升模型的鲁棒性,是深度学习应用在3D点云数据上必不可少的一环。为此