分享安川伺服电机PID控制相关资料
①位置检测装置。伺服系统的主要组成部件。目前常用的位置检测传感器有感应同步器、光栅、磁尺、光电脉冲发生器与编码盘等。
②驱动器。伺服系统中实现高性能伺服定位的关键设备。除具有一定输出功率和调频调压精度之外，还要求频带宽，抗干扰能力强，有过电流保护和限流功能。
③伺服电动机。构成伺服系统的主要部件。位置伺服系统要求定位精度高，则伺服电动机必须要有良好的低速特性。另外，伺服系统的快速性还要求伺服电动机必须具有转动惯量小、工作稳定性好等性能。
④控制器。通常由 PC 工控机和运动控制卡构成。随着微电子技术的进步，控制器现
在具有体积小、功能强、成本低、控制性能好等特点。 上述位置伺服系统的基本工作原理是：首先输入与所需要到达的目标位置相对应的给定信号 d θ ，由此信号与位置检测装置测量得到的实际位置信号θ 相比较，其偏差为- ed θ θθ = ，通过控制器的算法运算，求出为消除该偏差所需施加于功率变换器输入端的控制量u ，经过信号转换与功率放大，驱动伺服机构，使得误差 eθ 逐渐减小。
位置伺服控制系统通常为位置环、速度环和电流环三闭环结构，电流环和速度环作为系统的内环，位置环为系统的外环。位置伺服系统要求电流环具有输出电流谐波分量小、响应速度快等性能，能精确控制随转速变化的交流电流频率。速度环的作用是增强系统抗负载扰动能力，抑制速度波动。位置环的作用是保证系统的静态精度和动态跟踪性能。
⑵基本性能要求
①稳定性优良：稳定性是指系统在给定输入或外界干扰作用下，经过短暂的调节后，系统达到新的或回复到原有的平衡状态。
②精度高：伺服系统的精度是指输出量跟随输入量的精确程度。
③响应速度快：快速响应性是指伺服系统动态品质的标志之一，即要求跟踪指令信号的响应速度快，既要求过渡时间短又要控制系统的超调。 3
1.2 位置伺服系统主要控制策略的研究与发展趋势
位置伺服系统是一个强耦合、含有多种不确定性的非线性时变系统，对它进行描述的数学模型的结构或参数大都不是非常准确，或难以获得准确数学模型。系统参数变化和外部干扰的不确定性是位置伺服系统的难点问题，位置伺服系统的性能（响应速度、动静态特性、抗干扰能力、鲁棒性等）与其控制策略密切相关。因此，控制策略是位置伺服系统的一个重要研究方向。优良的控制策略不但可以弥补硬件设计的不足，而且可以进一步提高系统性能。控制策略主要包括交流电机控制技术和系统调节控制策略。高性能交流位置伺服系统对控制策略的要求可概括为：系统具有快速的动态响应和高的定位精度，对参数变化不敏感，抗干扰能力强。
在位置伺服系统控制中，传统的和现代控制策略都依赖于数学模型，系统的鲁棒性不是很好。因而许多学者将非线性理论、人工智能、最优控制等理论与方法引入到位置伺服系统控制的研究中[5][6]
，控制理论的突破与新型控制方法的诞生，都促进了位置伺服系统性能的迅速提高。 位置伺服系统是基于位置误差和误差变化控制的系统，传统的伺服驱动器和运动控制器等受硬件和控制算法复杂度的制约，仍采用了PID或改进的 PID控制器[7]。
常规 PID控制原理简单、容易实现，在控制具有确定模型的线性过程中也取得了良好的控制效果。但位置伺服系统运行情况复杂，具有参数的时变性和模型的不确定性，系统辨识与建立模型涉及诸多因素，如摩擦特性、扰动扭矩、机械系统的刚度和惯量，难以建立精确的数学模型。传统PID控制参数在线实时整定困难，对含有不确定性的非线性过程的系统难以进行有效控制[8]。
现代控制策略主要包括自适应控制、变结构控制、鲁棒控制、预测控制等[6]。现代控
制策略能够较好地适应位置伺服系统运行过程中对象结构和参数变化，克服各种非线性因素的影响，取得较为满意的控制效果[9-11]。
模糊逻辑控制、神经网络当前智能控制策略的重要研究方向。模糊逻辑控制实时性较好、精度较高。神经网络具有很强的信息处理和综合能力，对系统参数变化不敏感，抗干扰能力强[12][13]。
近年来，采用模糊控制、神经网络控制等智能方法来解决数控机床、机器人等的非线性系统控制和复杂作业任务的控制已经取得了一定的效果[14][15]
，但是单纯的模糊控制、神经网络控制等都有一定的不足之处，比如模糊控制的模糊规则、论域的选择等都依赖专家经验，神经网络的权值没有严格的定义，而且权值的初始化主要也是依靠经验等，为了克服这些缺点，需要把 PID传统控制和智能控制进行有机的结合或把智能控制领域内的相关算法和控制策略进行有效的组合。复合控制策略是位置伺服控制策略的发展方向和趋势。
1.3 先进PID 控制策略
先进PID控制是常规 PID控制的一个延伸和拓展。 先进 PID的控制对象一般具有以下三个特点：不确定性、高度的非线性、复杂的任务要求。先进PID控制在其产生和发展的进程中，主要受到来自人工智能、模糊逻辑和人工神经网络这几个不同领域的技术和方法的支持及推动，并且相应地形成了分别基于这些技术和方法的三种基本的先进 PID控制方向，即专家PID控制、模糊 PID控制和神经网络 PID控制[16]。
从位置伺服系统工程实用性出发，可归纳两种基本思路：一是设计一个 PID结构的控制器，用其他的控制理论寻找最优的PID参数；二是用现代控制理论设计控制器，再将它降阶至 PID结构。这两种思想都是从控制方法和控制策略的角度来面向一个具体的应用系统，实现控制器与机电模型的一体化。即将整个系统作为整体考虑，一方面可以弥补系统设计上的某些局限或不足，另一方面则可以实现系统的动态建模，满足整个系统的性能指标[17]。
专家PID控制是利用专家经验来设计 PID控制参数。专家系统是一种基于知识的、智能的计算机程序系统，它包含两个基本要素：知识库和推理机制。知识库中把熟练操作工或专家经验知识构成PID控制参数选择手册，这部手册记载各种工况下被控对象所对应的PID控制参数，推理机进行启发式推理，决定控制策略[18]。
模糊自整定PID控制一般是由一个标准 PID控制器和一个模糊自调整机构组成。人们把规则的条件、操作用模糊集表示，并把这些模糊控制规则及有关信息作为知识存入计算机知识库中，计算机根据输入信号的大小、方向以及变化趋势等特征，通过模糊推理做出相应决策，便可自动实现对PID参数的调整[19][20]。
神经网络 PID 控制是由 PID 控制和神经网络组成。其中神经网络的输出状态对应于PID 控制器的三个可调参数，通过神经网络的自身学习、加权系数调整，从而使其稳定状态对应于某种最优控制律下的PID控制参数[21-23]。
由于专家PID在位置伺服系统中存在较多的问题和困难，现在先进 PID控制的重点集中在模糊 PID、神经网络 PID以及二者的结合应用上，特别是二者的结合。随着模糊技术和神经网络技术研究的不断深入，将模糊PID、神经网络 PID进行有机结合，可有效发挥其各自的优势并弥补不足。基于神经网络的模糊PID控制器近年来逐渐成为研究的热点，原因在于二者之间的互补、互联性。模糊控制和神经网络二者各自的优势在于：模糊 PID控制易于获得由语言表达的专家知识，能有效地控制难以建立精确模型而凭经验控制的系统，而神经网络 PID则由于其能映射任意函数关系，具有并处理和自学习能力，容错能力也很强。神经网络 PID擅长于系统辨识和按变化的环境进行自适应变化，模糊推理系统则在对人类知识进行推理和决策方面占有优势，二者的结合有效推动了先进 PID控制在位置伺服系统中的应用[24-26]。
目前位置伺服系统控制策略仍然普遍采用经典PID控制方法。其优点是算法简便、易于实现，其最突出的特点在于它不依赖于对象的精确模型，可以解决位置伺服系统精确建模的困难，而且其应用时间较长，控制专家们已积累大量的PID参数调节经验。由于位置伺服系统向着高精度、高速度的方向发展，要求提高位置控制器的稳态精度、动态响应特性、鲁棒性的性能，常规PID控制缺陷逐渐暴露出来，对于具有时变性和非线性的位置伺服系统，常规PID控制更显得无能为力。人们在应用常规 PID的同时，也对其进行各种改进。主要体现在两个方面：一是对常规PID本身结构的改进，即变结构PID控制。另一方面，将模糊控制、神经网络控制和专家控制与常规 PID控制相结合，扬长避短，发挥各自的优势， 形成所谓的先进 PID控制。 这种新型控制器已引起人们的普遍关注和极大的兴趣，并已在位置伺服系统中得到广泛应用。它具有不依赖系统精确数学模型的特点，对系统参数变化具有较好的鲁棒性[27-28]。
完整的pdf格式文档51黑下载地址（共71页）：
位置伺服系统PID控制策略研究与应用.pdf
(1.22 MB, 下载次数: 30)
|
QQ好友和群
QQ空间
腾讯微博
腾讯朋友
收藏
淘帖
顶
踩
