一种直流励磁电机调速系统的齿隙自适应补偿方法

本发明涉及故障处理，特别是一种直流励磁电机调速系统的齿隙自适应补偿方法。

背景技术：

1、直流励磁电机调速系统广泛应用于制造业和工业，人们对其通过机理建模得到的标准型非线性调速系统模型已经提出了大量的控制方案。然而，由于机理建模需要对系统进行简化、需要准确获取原始系统的各种参数和物理特性，导致建模过程较为复杂。而在实际工程中，直流励磁电机的各项系统参数难以获得，这意味着电机中存在的非线性通常是未知的，原始系统通常是非标准型非线性系统，这不但使获得原始系统的数学模型变得十分困难，导致直流励磁电机的标准型非线性调速系统模型难以建立，还使得非标准型非线性系统的控制设计难以进行。因此，这一类非标准型非线性系统的控制问题仍有待解决。此外，直流励磁电机调速系统的任务要求是控制电机在正常工作状态下能够保持稳定的转速，而在电机的调速过程中，调速器中传动齿轮之间的齿隙往往无法忽视，齿隙的存在会对电机的转速产生影响，导致励磁电机的转速产生断续现象，从而影响励磁电机转速的连续性，给系统的稳定运行带来了很大的干扰。为克服上述问题，本专利针对直流励磁电机的非标准型非线性调速系统使用rhonn神经网络对其进行智能化建模，得到与其原始系统相对应的神经网络近似系统，并在此基础上提出了一种基于梯度的自适应设计控制方案，并为系统的控制器中存在的未知齿隙特性设计了一种新的基于梯度的自适应逆，以消除未知齿隙特性对系统产生的不利影响，使直流励磁电机在该自适应控制方案的控制下，能够保持与系统给定转速相近的稳定转速。

技术实现思路

1、针对现有技术中存在的问题，本发明的目的在于提供一种直流励磁电机调速系统的齿隙自适应补偿方法，以直流励磁电机的非标准型非线性调速系统模型为分析基础，利用测量到的电机角速度为反馈信息设计一套基于梯度的自适应控制方案，实现对直流励磁电机调速系统中的未知齿隙特性进行补偿，保证直流励磁电机调速系统角速度的稳定。

2、为解决上述问题，本发明采用如下的技术方案。

3、一种直流励磁电机调速系统的齿隙自适应补偿方法，包括以下步骤：

4、1)基于直流励磁电机调速系统的非标准型非线性系统模型，使用rhonn神经网络进行系统识别得到其神经网络近似系统模型；

5、2)根据神经网络近似系统模型结构，判断神经网络近似系统相对度，并对其进行参数化；

6、3)针对系统中存在的齿隙非线性设计平滑自适应齿隙逆；

7、4)对平滑自适应齿隙逆和输入信号参数化，建立齿隙补偿误差方程；

8、5)设计信号构建跟踪误差方程，并得出跟踪误差的定义；

9、6)根据误差ò(t)的形式，设计集成参数投影的自适应更新率。

10、在步骤1)中，定义神经网络近似模型如下：

11、

12、其中a∈rn×n是赫维兹常数矩阵，w*∈rn×l是未知权重矩阵，b∈rn,ct∈rn是未知常数参数向量；

13、h(x(t))＝[h1(x(t)),h2(x(t)),...,hl(x(t))]t∈rl是rhonn神经网络中的激活函数向量，其每个分量的表达式为：

14、

15、其中，eji是正整数，而hj(xj)被选择为如下形式：

16、

17、其中aj,bj,cj是设计参数。

18、在步骤1)中，定义系统的相对度的条件及其对应系统形式如下：

19、神经网络近似系统在紧集上的相对度ρ＝1，当且仅当cb≠0时，

20、此时系统的形式为：

21、

22、神经网络近似系统在紧集上的相对度ρ＝2，当且仅当

23、时，

24、此时系统的形式为：

25、

26、在步骤1)中，直流励磁电机调速系统的神经网络近似系统模型如下：

27、

28、其中，选择系统状态为x(t)＝[x1(t),x2(t),x3(t)]t＝[ωm(t),ia(t),φ(t)]t，并且ud(t)＝va(t)，u(t)＝tl(t)，a,w*,b,c与(1)中一致，其中，ia(t)是电枢电流，ωm(t)是电机转动的角速度，φ(t)是磁通量，va(t)是电枢电压，tl(t)为输入力矩；

29、系统输入信号u(t)存在齿隙非线性，可以表示为：

30、

31、其中ud(t)是需要设计的控制信号，我们选择直流励磁电机的角速度作为系统反馈信息，

32、并且系统输入力矩直接作用于电枢电流上，因此有：

33、c＝[1 0 0], b＝[0 1 0]t. (6)

34、在步骤2)中，由于系统参数cb＝0，且因此神经网络

35、系统(4)的相对度为2，对(4)式进行整理得到：

36、

37、为了能够建立适当的齿隙补偿误差方程进行自适应控制设计，对其(7)中的每一项多项式进行参数化：

38、

39、其中θ3*,ψ3(t),θ5*,ψ5,θ9*,ψ9的形式为：

40、

41、

42、

43、将(8)带入(7)中可得：

44、

45、其中

46、

47、在步骤3)中，根据神经网络近似系统的表达式，系统的控制输入信号可以表示为：

48、

49、其中，根据(14)的形式，我们设计对应的平滑齿隙逆补偿为：

50、

51、其中，ψd(t)是设计信号，的表达式为：

52、

53、在步骤4)中，平滑自适应齿隙逆可以参数化为如下形式：

54、

55、其中

56、

57、将控制输入信号表达为如下形式：

58、

59、其中

60、

61、

62、

63、上述函数满足δr+δl+δs＝1.根据平滑自适应齿隙逆(15)的形式，将控制输入参数化为如下形式：

64、

65、其中

66、

67、结合(17)和(23)可以构建齿隙补偿误差方程为：

68、

69、在步骤5)中，设计信号构建跟踪误差方程，并得出跟踪误差的定义

70、将(25)带入(12)中可得：

71、

72、因此根据(26)的结构，信号ψd(t)可以设计为如下形式：

73、

74、由于原始系统具有的未知特性，因此无法直接得到的信号，因此需要对进行参数化：

75、

76、其中因此ψd(t)可以进一步设计为：

77、

78、其中θ6(t)是的估计；

79、假设e(t)＝y(t)-ym(t),则将(29)带入(28)中可得跟踪误差方程为：

80、

81、其中和

82、忽略与初始条件相关的指数衰减项，跟踪误差方程可以表示为：

83、

84、其中wm(s)＝1/pm(s),pm(s)＝1/s2+p1s+p2，s2+p1s+p2是赫维兹多项式，p1,p2是其中的常数，因此wm(s)是适当的稳定的传递函数，定义跟踪误差为：

85、

86、其中ξ(t)＝wm(s)[ψ](t)，结合(31)和(32)可以得到：

87、

88、在步骤6)中，根据(33)中ò(t)的形式，构建如下的自适应更新率：

89、

90、其中是正定对角矩阵，为了规避自适应齿隙控制器中可能存在的奇点，即控制器分母为0的情况，我们设计了如下的参数投影集成到自适应更新率中：

91、

92、其中θj(t)是θ(t)的第j个分量，zj(t)是zj(t)＝-γ1ò(t)ξ1(t)/m2(t)的第j个部分，均是可以从系统建模中可以得知的边界参数，而κ＝(n2l+2)(n+l+3)-3.。

93、本发明的有益效果

94、相比于现有技术，本发明的优点在于：

95、1)本发明提出的是一种基于梯度的自适应控制方案，可以解决lyapunov框架的自适应控制方法无法解决的非标准型非线性系统的控制问题。

96、2)本发明提出了一种新的自适应齿隙逆，可以在存在不确定的可参数化控制增益函数的情况下补偿未知的齿隙特性，消除未知齿隙特性对系统产生的不利影响。

97、3)本发明提出的基于梯度的自适应控制方案中集成了参数投影技术，能够使控制器主动规避可能存在的奇异点。

技术特征：

1.一种直流励磁电机调速系统的齿隙自适应补偿方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种直流励磁电机调速系统的齿隙自适应补偿方法，其特征在于：

3.根据权利要求2所述的一种直流励磁电机调速系统的齿隙自适应补偿方法，其特征在于：

4.根据权利要求3所述的一种直流励磁电机调速系统的齿隙自适应补偿方法，其特征在于：

5.根据权利要求4所述的一种直流励磁电机调速系统的齿隙自适应补偿方法，其特征在于：

6.根据权利要求5所述的一种直流励磁电机调速系统的齿隙自适应补偿方法，其特征在于：

7.根据权利要求6所述的一种直流励磁电机调速系统的齿隙自适应补偿方法，其特征在于：

8.根据权利要求7所述的一种直流励磁电机调速系统的齿隙自适应补偿方法，其特征在于：

9.根据权利要求8所述的一种直流励磁电机调速系统的齿隙自适应补偿方法，其特征在于：

技术总结
本发明公开了一种直流励磁电机调速系统的齿隙自适应补偿方法，包括以下步骤：1)基于直流励磁电机调速系统的非标准型非线性系统模型，使用RHONN神经网络进行系统识别得到其神经网络近似系统模型；2)根据神经网络近似系统模型结构，判断神经网络近似系统相对度，并对其进行参数化；3)针对系统中存在的齿隙非线性设计平滑自适应齿隙逆；4)对平滑自适应齿隙逆和输入信号参数化，建立齿隙补偿误差方程；5)设计信号构建跟踪误差方程，并得出跟踪误差的定义；6)根据误差ò(t)的形式，设计集成参数投影的自适应更新率。

技术研发人员：范健君,赖冠宇,钟辉晖
受保护的技术使用者：广东工业大学
技术研发日：
技术公布日：2024/9/23