基于神经网络的双闭环伺服系统自适应控制

针对双闭环伺服系统中传统自抗扰控制(ADRC)控制器待整定的参数较多且整定过程较复杂的问题,设计了一种基于径向基函数神经网络的ADRC控制器。考虑到组合控制律的独立性,设计线性状态误差反馈进一步降低参数整定复杂性。径向基函数神经网络将扩张状态观测器中的非线性误差增益作为其权值系数,在线辨识出被控对象的Jacobian信息,利用神经网络的自学习功能实现了ADRC的参数在线自整定。以永磁同步电机(PMSM)作为被控对象,通过MATLAB进行仿真。仿真结果证明,此控制策略有效地优化了伺服系统的静态性能和动态品质,实现了控制系统的高动态和高精度。

基于ARM的滑模无感驱动伺服系统

在工业机器人领域中,交流伺服系统得到了大量的应用。针对传感器在一些特殊工作环境下的低精度和高成本问题,为了削弱传感器对系统的约束性,设计了一款基于新型滑模控制算法的双闭环无感伺服控制器。介绍了基于滑模算法的无传感技术系统控制原理、伺服系统主要硬件模块的工作原理,其中包括主控电路、驱动逆变电路以及无感控制电路等,这些功能的实现将通过Simulink仿真建模的理论验证以及实验平台的物理检测。软件部分详细介绍了电机双闭环调速控制、过流和过压保护以及信号采集功能等。实验结果表明,该新型滑模观测器相较于传统传感器具有更高的鲁棒性和控制精度,满足实验低成本和高性能的需求。