永磁直线同步伺服系统采用神经网络实现的实时IP位置控制器的在线设计

针对永磁直线同步电机ＰＭＬＳＭ 伺服系统中的诸多不确定性问题， 提出了采用神经网络来实现实时积分－ 比例ＩＰ 位置控制器的在线设计。本文所提出的神经网络结构合理、简单，权值具有明确物理意义和可以在线快速调整的特点， 以便进行实时控制。用由递推最小二乘估计器ＲＬＳ和负载扰动力观测器构成的估计器来估计动子质量、粘滞摩擦系数和负载扰动力。将观测的负载扰动力前馈， 进一步增强系统的鲁棒性。

PMSM神经网络实时IP位置控制

对永磁同步电机 (PMSM )提出了一种基于神经网络的实时IP位置控制方案·根据伺服系统中的IP控制策略 ,利用神经网络的优点设计了神经网络实时IP位置控制器·所设计的神经网络实时IP位置控制器结构简单 ,权值调整计算量小、速度快·同时用混合神经网络作为PMSM系统辨识器 ,用多步预测性能指标函数实现了实时在线训练·理论分析和实验仿真对比研究的结果 ,表明所提出方法具有优越的动态性能和鲁棒性·

永磁直线同步电机位置系统的模糊IP控制研究

针对具有电磁推力大、响应快、易于矢量解耦控制的永磁直线同步电机PMLSM,研究高精度位置伺服控制系统的设计,以满足高速加工与高精度微进给加工的需求;考虑被控对象的变化和外界扰动,控制器的参数难于在线修订,设计了一种模糊/积分-比例IP位置控制器;它将具有并联反馈环节的IP控制器与模糊控制器有效结合,根据位置偏差的变化率进行切换,即存在较大输入指令与系统输出偏差较大时采用模糊控制,而系统输出接近于输入指令时则采用IP控制器,从而发挥模糊控制器对变参数系统的自适应性和IP控制器的快速和准确性优势;仿真实验结果表明模糊/IP控制器在稳态精度和动态性能方面优于单纯的IP控制器和模糊控制器,能够满足变参数控制系统的性能指标。

直线永磁同步伺服电机H_∞鲁棒位置控制器设计

对于直线永磁同步伺服电机伺服系统，提出了一种高精度的Ｈ∞鲁棒位置控制器．其中，使用 Ｈ∞鲁棒控制理论设计反馈控制器，在保证闭环系统稳定的前提下，抑制模型摄动及外部干扰对系 统的影响，针对被控对象的标称模型设计ＩＰ积分－比例位置控制器，以满足位置系统性能要求．设 计的控制器既保证了系统的鲁棒性，又保证了系统的跟踪性能．仿真结果表明了提出方案的合理性

高精度永磁直线同步伺服系统鲁棒位置控制器的设计

介绍了高精度、微进给永磁直线交流同步电机 (PMLSM )驱动系统鲁棒位置控制器的设计 .首先 ,在空载情况下 ,由静态实验获得非线性摩擦系数模型 ,通过前馈摩擦补偿器补偿非线性摩擦 .其次 ,由递推最小二乘估计器RLS和负载扰动力观测器构成的估计器 ,用它来估计动子质量、粘滞摩擦系数和负载扰动力 .设计积分 比例IP位置控制器以满足跟踪指令和抑制扰动 .将观测的负载扰动力前馈 。

永磁直线同步电机伺服系统位置控制器的设计

介绍通过前馈摩擦补偿器补偿非线性摩擦的永磁直线交流同步电机ＰＭＬＳＭ伺服系统鲁棒ＩＰ积分－比例位置控制器的设计，并将观测的负载扰动力前馈，进一步增强系统的鲁棒性．

基于模糊神经网络控制的混合式步进电动机伺服系统研究

在对二相混合式步进电动机实行最大转矩／电流矢量控制和IP位置控制的基础上，为克服参数时变和外界扰动对系统性能的影响，设计了一种新型高性能的参考模型自适应模糊神经网络控制器。实验结果表明所设计的位置伺服系统具有良好的性能。

永磁直线同步电动机自适应摩擦补偿控制

针对永磁直线同步电动机(PMLSM)伺服系统的精度受非线性摩擦力、动子质量变化等因素影响这一问题,设计了基于库仑摩擦的模型参考自适应系统,以对摩擦力进行在线补偿.设计了满足系统位置性能要求的IP位置控制器;将模型参考自适应参数辨识器与摩擦补偿自适应控制系统相结合,采用模型参考自适应参数辨识器对变化的动子质量加以辨识,使基于库仑摩擦的模型参考自适应系统中的动子质量参数得到更新.仿真结果表明,该方法提高了系统的位置跟踪精度,同时增强了系统的鲁棒性能.

预测前馈补偿在0.1um光刻机硅片台长行程电机控制中的应用

0.1um光刻机硅片台在扫描曝光过程中要求纳米级的轨迹精度,采用直线电机承担大行程粗动控制和洛沦磁电机承担高精度微动控制的复合运动能满足要求.为减小微动电机的运动范围和加速度,必须提高直线电机的位置控制精度.介绍了高精度永磁直线交流同步电机的IP位置控制算法,提出采用最优预测前馈补偿,提高实时跟踪性能,增强抗干扰能力,以满足直线电机的高速度高精度位置控制要求.

自适应神经元实现的直线永磁同步电机伺服系统的预见前馈补偿

介绍了高精度微进给直线永磁同步电机伺服系统的 IP位置控制 ,提出了对该系统的最优预见前馈补偿 ,以提高系统的跟踪性能。为了能适应系统参数的变化 ,采用自适应神经元来实现预见前馈补偿。自适应神经元的输入向量为预见步数 ,权值为预见前馈系数 ,权值具有明确的物理意义 ,而且权的初始值不是随机数 ,而是系统在额定情况下算出的预见前馈系数 ,从而加快了神经元的调整速度 ,提高了系统的跟踪能力。