PMSM运动控制系统中非线性控制策略的研究

交流运动控制系统因矢量控制与直接转矩控制技术的应用而具有了与直流运动控制系统相媲美的动静态性能,特别是以PMSM为核心的交流控制系统在高性能领域的优秀表现,更加快了交流取代直流的步伐。由于交流电动机是一类具有多变量、强耦合、非线性特点的复杂的控制对象,这就决定了其控制的复杂性。显然,传统的线性控制方法处理此类非线性对象,其能力是有限的,因此有必要研究利用非线性控制方法对交流电机加以控制,以求进一步提高交流控制系统的性能。 本文所研究的非线性控制策略主要包括:精确反馈线性化、滑模变结构控制、自适应反步法(Backstepping)。精确反馈线性化方法基于微分几何理论,与以往在某一特定点进行线性化不同,它是全局意义的线性化。通过精确反馈线性化得到PMSM电机的输入输出解耦模型,在此基础上采用极点配置完成控制器的设计,仿真结果表明电机能够以低速、中速及额定转速稳定运行,而且系统具有一定的抗负载扰动性能。精确线性化很好的解决了非线性模型的线性化问题,但是,它对电机模型及参数准确性的过分依赖限制了控制器的应用范围。 滑模变结构控制以其对参数摄动和系统扰动的完全不变性,自20世纪50年代诞生以来取得了广泛的应用。滑模控制最大的缺点是抖振(Chattering),文中提出了一种基于扇形边界层的滑模控制方法,很好地解决了抖振问题,系统动态响应快,稳态误差小,控制系统性能良好。 自适应反步法应用在PMSM位置伺服系统中,可以处理匹配或非匹配不确定干扰。文中研究了电机参数发生变化、负载出现扰动情况下,通过设计参数变化的自适应律从而对其进行补偿,保证了系统具有良好的自适应性和鲁棒性。除此之外,在反步设计过程中控制律中引入积分项,利用积分作用可以消除静差的特点,也能很好地解决此类参数变化和扰动问题。两种方法均能保证系统的准确跟踪,但前者计算量大,调整时间较长,而后者在一定程度上延缓了系统的响应。 人工智能控制不依赖于对象的精确模型,具有很强的鲁棒性和自适应性。鉴于此,本文在PMSM调速系统的速度控制中采用了模糊控制器,在PMSM控制系统的速度估计中采用了自适应线性神经元(Adaline),取得了满意的效果。 无速度传感控制是近年来运动控制中倍受关注的热点,本文对此作了初步