基于卡尔曼滤波器的交流伺服系统自适应滑模控制
本文选题:永磁同步电机 + 交流伺服系统 ; 参考:《光学精密工程》2014年08期
【摘要】:为了减小负载转矩扰动和系统参数摄动对永磁同步电机控制系统的影响,提出了一种基于卡尔曼滤波器的自适应滑模速度控制器。该控制器由自适应律估计参数摄动项,用卡尔曼滤波器估计外部扰动项。设计了含积分作用的滑模面,以保证电机转速的无静差跟踪;采用了指数趋近律,以提高趋近速度并削弱抖振。卡尔曼滤波器估计得到的系统外部扰动前馈补偿至控制器的输出,用于有效降低滑模控制器的不连续切换项造成的系统抖振。实验结果显示:跟踪设定的600r/min转速时,控制器稳态转速精度达到±1r/min。电机在以600r/min稳速运行时,设计的控制器在1.6N·m的外部转矩扰动下的最大转速波动比传统PI控制器的转速波动减小了2%。仿真分析和实验数据表明基于卡尔曼滤波器的自适应滑模控制器对交流伺服控制系统具有较强的抗扰动性、鲁棒性以及良好的稳态性能。
[Abstract]:In order to reduce the influence of load torque disturbance and system parameter perturbation on PMSM control system, an adaptive sliding mode speed controller based on Kalman filter is proposed. The controller uses adaptive law to estimate the parameter perturbation term and Kalman filter to estimate the external perturbation term. A sliding mode surface with integral action is designed to ensure no static error tracking of motor speed and an exponential approach law is adopted to improve the approach speed and weaken the buffeting. Kalman filter estimates the external disturbance feedforward compensation to the output of the controller, which is used to effectively reduce the chattering caused by the discontinuous switching term of the sliding mode controller. The experimental results show that the steady speed accuracy of the controller reaches 卤1 r / min when tracking the set 600r/min speed. When the motor is running at a steady speed of 600r/min, the maximum speed fluctuation of the designed controller under the external torque disturbance of 1.6N m is less than that of the traditional Pi controller. Simulation analysis and experimental data show that the adaptive sliding mode controller based on Kalman filter has strong anti-disturbance robustness and good steady-state performance for AC servo control system.
【作者单位】: 中国科学院长春光学精密机械与物理研究所;中国科学院大学;
【基金】:中国科学院长春光学精密机械与物理研究所三期创新工程资助项目(No.065X32CN60)
【分类号】:TM921.541
【相似文献】
相关期刊论文 前10条
1 李圣;徐志强;;基于卡尔曼滤波器消除NLOS影响的移动定位[J];南华大学学报(自然科学版);2006年03期
2 亢海龙;徐娅萍;王涛;王雄;;基于卡尔曼滤波器的轮式机器人定位方法[J];机械与电子;2009年07期
3 李璞;王丹丹;王丽华;;速度加姿态匹配的传递对准算法研究[J];导弹与航天运载技术;2009年05期
4 李山海;;时钟噪声ARMA模型的建立[J];航空电子技术;1985年03期
5 林世雄,袁震东;最优输出跟踪控制系统[J];宇航学报;1987年01期
6 杨旭东,何平,胡恒章;离散卡尔曼滤波器滤波精度与噪声统计模型准确度的关系[J];电机与控制学报;1999年02期
7 田蔚风,金志华,陆恺,王金根;卫星姿态测量系统的故障诊断技术[J];上海交通大学学报;1999年10期
8 贾彩娟;祝小平;周洲;;无人机控制系统传感器故障诊断的方案与仿真[J];计算机仿真;2005年11期
9 张婷;汪渤;;连续型野值判别的新方法[J];东南大学学报(自然科学版);2005年S2期
10 朱志宇;张冰;姜长生;;应用BP网络校正的卡尔曼滤波器[J];航天控制;2005年06期
相关会议论文 前10条
1 祁彩萍;;基于卡尔曼滤波的MultiTouch跟踪算法的优化[A];图像图形技术研究与应用(2010)[C];2010年
2 曾翠娟;王忠;游志胜;;神经网络优化动态GPS卡尔曼滤波算法研究[A];四川省通信学会2005年学术年会论文集[C];2005年
3 叶之金;张旭东;任朔;;基于ADSP-BF561的实时运动目标识别系统[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
4 龚珊;尹相勇;朱爱华;;基于浮动车的路段行程时间卡尔曼滤波预测算法[A];2008第四届中国智能交通年会论文集[C];2008年
5 顾明武;陈熙源;;RBFNN辅助卡尔曼滤波在GPS/SINS组合导航中的应用[A];高精度几何量光电测量与校准技术研讨会论文集[C];2008年
6 陈熙;王力超;陆起涌;;基于全局视觉的智能吸尘器的识别与跟踪设计[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
7 曾翠娟;杜传利;;动态GPS自适应卡尔曼滤波算法的FPGA实现[A];第13届全国计算机、网络在现代科学技术领域的应用学术会议论文集[C];2007年
8 施清苑;闫玉德;;跟踪高机动目标的δ-自适应递推滤波器[A];面向21世纪的科技进步与社会经济发展(上册)[C];1999年
9 程慧俐;王纪文;张洪钺;;在未知噪声统计情况下的一种新的自适应卡尔曼滤波算法[A];1994中国控制与决策学术年会论文集[C];1994年
10 李康吉;刘国海;;一种提高GPS定位精度的组合定位方法[A];江苏省自动化学会七届四次理事会暨2004学术年会青年学者论坛论文集[C];2004年
相关重要报纸文章 前3条
1 徐友方;船用陀螺罗经发展新动向[N];中国船舶报;2002年
2 关书敏;公路隧道技术研究取得重大突破[N];中国交通报;2002年
3 晓文;TFE开发机载传动系统新技术[N];中国航空报;2003年
相关博士学位论文 前10条
1 朱胜利;Mean Shift及相关算法在视频跟踪中的研究[D];浙江大学;2006年
2 王雷;无刷直流电动机调速系统的研究[D];浙江大学;2008年
3 曹福成;超宽带无线定位算法及其在月球车上的应用[D];吉林大学;2008年
4 曹剑;基于运动和压力独立控制的气动同步系统研究[D];浙江大学;2009年
5 吴鹏;基于无线热释电传感器网络的人体目标跟踪系统的研究[D];武汉理工大学;2012年
6 罗贞;基于卡尔曼滤波器的系统的状态估计和故障检测[D];华中科技大学;2013年
7 陈军勇;无线传感器网络分布式量化估计[D];华南理工大学;2011年
8 王少威;永磁交流伺服系统速度检测与控制研究[D];华中科技大学;2012年
9 周聪;基于非线性估计理论的线控转向汽车状态估计研究[D];西南交通大学;2012年
10 毛琳;信息融合非线性滤波及在无源定位的应用[D];哈尔滨工程大学;2011年
相关硕士学位论文 前10条
1 臧晓蕾;基于卡尔曼滤波器的船用雷达运动目标跟踪算法研究及性能分析[D];大连海事大学;2011年
2 夏超;基于卡尔曼滤波器的航空发动机传感器故障诊断研究[D];南京航空航天大学;2013年
3 严镭;GPS/DR车辆组合导航定位系统关键理论问题的研究[D];兰州理工大学;2011年
4 刘通;基于模糊卡尔曼滤波的车速估计方法研究及硬件实现[D];吉林大学;2011年
5 林乐天;基于卡尔曼滤波器的一阶倒立摆控制研究[D];哈尔滨工业大学;2010年
6 赵文博;航空发动机传感器故障诊断及信号重构[D];南京航空航天大学;2012年
7 刘士龙;基于卡尔曼滤波器的非合作目标飞行器视觉追踪[D];北京理工大学;2014年
8 王寒芷;基于卡尔曼滤波器的自适应网络异常检测方法[D];上海交通大学;2010年
9 邱燕平;退化故障下设备可靠性的卡尔曼滤波器预测方法[D];合肥工业大学;2010年
10 宁文军;航道疏浚实时测量系统的研究[D];天津大学;2005年
,本文编号:1881791
本文链接:https://www.wllwen.com/kejilunwen/dianlilw/1881791.html