数控机床可控励磁直线同步电动机无速度传感器控制研究
发布时间：2021-12-17 04:02
为实现数控机床可控励磁直线磁悬浮同步电动机（CELSM）进给系统的无速度传感器控制,需要准确获取电机速度和磁极位置的信息。提出一种利用电机电枢绕组电压和电流来估计CELSM速度和位置的方法,即基于H∞的扩展卡尔曼滤波算法。选择αβ坐标系下的电流iα、iβ、动子速度v和动子电角度θe作为状态变量,建立HEKF观测器的状态方程,并进行离散化。在扩展卡尔曼滤波基础上引入H∞滤波,设计一个滤波上界函数来限制估计误差的上界并最小化该上界,有效地提高了观测器对噪声的鲁棒性。仿真表明:在动态阶段,HEKF算法比EKF算法对速度和位置的估计更接近于实际值;当速度突变时,HEKF算法比EKF算法的鲁棒性更强。
【文章来源】：机床与液压. 2020,48(15)北大核心
【文章页数】：5 页
【部分图文】：
CELSM无位置传感器控制系统
由图2可知,EKF和HEKF算法均能跟踪实际速度;图3为EKF和HEKF速度误差对比曲线,在t=0～0.06 s电机加速阶段,用EKF算法计算,速度最大误差大约为0.067 m/s,用HEKF算法计算,速度最大误差大约为0.045 m/s;在t=0.36～0.39 s电机减速阶段,用EKF算法计算,速度最大误差大约为0.075 m/s,用HEKF算法计算,速度最大误差大约为0.042 m/s;在t=0.20～0.35 s电机匀速阶段2种算法的速度误差均接近于0;在t=0.35 s电机速度突变,用EKF算法速度最大误差大约为0.083m/s,用HEKF算法速度最大误差大约为0.125 m/s。综上,在整个运动阶段,用HEKF算法速度误差更小,更加接近于实际速度。对于电机速度突变时,HEKF算法速度误差比EKF算法大的问题,可以通过调节HEKF算法误差协方差矩阵Pk中的调整因子λ来调节此处误差。图3为不同λ值时,速度误差曲线。由图3(b)可知,由电机速度突变带来的较大误差得到了改善,但电机加速和减速阶段速度误差变大。图3 速度误差曲线
速度误差曲线
本文编号：3539369
【文章来源】：机床与液压. 2020,48(15)北大核心
【文章页数】：5 页
【部分图文】：
CELSM无位置传感器控制系统
由图2可知,EKF和HEKF算法均能跟踪实际速度;图3为EKF和HEKF速度误差对比曲线,在t=0～0.06 s电机加速阶段,用EKF算法计算,速度最大误差大约为0.067 m/s,用HEKF算法计算,速度最大误差大约为0.045 m/s;在t=0.36～0.39 s电机减速阶段,用EKF算法计算,速度最大误差大约为0.075 m/s,用HEKF算法计算,速度最大误差大约为0.042 m/s;在t=0.20～0.35 s电机匀速阶段2种算法的速度误差均接近于0;在t=0.35 s电机速度突变,用EKF算法速度最大误差大约为0.083m/s,用HEKF算法速度最大误差大约为0.125 m/s。综上,在整个运动阶段,用HEKF算法速度误差更小,更加接近于实际速度。对于电机速度突变时,HEKF算法速度误差比EKF算法大的问题,可以通过调节HEKF算法误差协方差矩阵Pk中的调整因子λ来调节此处误差。图3为不同λ值时,速度误差曲线。由图3(b)可知,由电机速度突变带来的较大误差得到了改善,但电机加速和减速阶段速度误差变大。图3 速度误差曲线
速度误差曲线
本文编号：3539369
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3539369.html
