Sodobna strategija upravljanja
Tradicionalna strategija krmiljenja AC servo motorja se večinoma uporablja pod pogojem, da je določen model nadzorovanega objekta, se ne spreminja in je linearen, in da so pogoji delovanja in delovno okolje določeni kot konstantni. Vendar pa je dinamični matematični model sinhronega motorja s stalnim magnetom AC nelinearni, močno sklopljen, časovno spremenljiv multivariabilni sistem. V primeru zahtev po visokih zmogljivostih je treba upoštevati različne nelinearne učinke, spremembe v strukturi in parametrih objekta ter spremembe v delovnem okolju. Časovno spremenljivi in negotovi dejavniki, kot so okoljske motnje. Razvoj in uporaba sodobne kontrolne teorije do neke mere dopolnjujeta pomanjkljivosti klasične kontrolne teorije v časovno spremenljivem nelinearnem stohastičnem sistemu.
(1) Neposredno krmiljenje navora
Teorija neposrednega krmiljenja navora je visokoučinkovita strategija za nadzor AC motorja, ki jo predlagata profesor M. depenbrock iz nemške univerze v Ruhru in japonski učenjak i.takahash v osemdesetih letih. Strategija nadzora temelji tudi na natančni matematiki nadzorovanega objekta. Model, za razliko od vektorske kontrole, analizira matematični model AC motorja neposredno v koordinatnem sistemu statorja brez kompleksnih koordinatnih transformacij. Usmeritev polja statorja je sprejeta, ni potreben razvodni tok, navor in vezni tok pa sta neposredno krmiljena z dvema pozicijskima krmilnima napravama, s čimer se izogne razgradnji toka statorja v komponente navora in vzbujanja ter neposredno nadzoruje preklopno stanje pretvornika. Dober nadzor, s poudarkom na hitrem odzivnem momentu, da dosežemo visoko dinamično zmogljivost navora. Orientacija usmerjevalnega polja direktnega navora uporablja povezavo statorskega toka, na katero ne vplivajo parametri rotorja. Dokler je poznan upor statorja, ga je mogoče opaziti in ni občutljiv na parametre motorja.
Tehnologija direktnega krmiljenja navora je bila uspešno uporabljena na področju krmiljenja inverterjev indukcijskega motorja in abb je začela serijo izdelkov. Vendar pa pri uporabi sinhronega motorja s trajnimi magneti še vedno obstajajo težave pri neposrednem krmiljenju navora. Neposredno krmiljenje navora uporablja histerezo magnetne verige, vrtilni moment motorja pa utripa, kar neposredno vpliva na gladkost motorja. Neposredno krmiljenje navora mora upoštevati gibanje in navor. Natančnost pri nizkih hitrostih je slaba, kar ima za posledico slabo delovanje motorja in majhno število vrtljajev motorja. Zaradi majhne induktivnosti statorja motorja je trenutni udar velik, ko se motor zažene, obremenitev pa se spremeni, pri čemer je povezava toka in nihanje vrtilnega momenta velika. Poleg tega, ker začetnega položaja povezovalnega toka ni mogoče oceniti, ko motor miruje, je motor težko zagnati. Čeprav so nekateri znanstveniki doma in v tujini poskušali in izboljšali strategijo direktnega krmiljenja navora s sinhronim motorjem s trajnimi magneti v zadnjih letih, je ta nadzorna shema težko izpolniti zahteve tehnologije AC servo pogona.
(2) Krmiljenje spremenljive strukture drsnega načina
Krmiljenje spremenljive strukture spada v kategorijo nelinearnega nadzora, njena nelinearnost pa se pojavlja kot diskontinuiteta nadzora, to je preklopna značilnost, ki spreminja "strukturo" sistema. Za upravljanje s spremenljivo strukturo drsnega načina ni treba poznati matematičnega modela sistema. Razumeti je treba le približen obseg sistemskih parametrov in njihove spremembe, tako da ima nadzor spremenljive strukture prednosti hitrega odziva, neobčutljivosti na parametre in spremembe motenj ter brez potrebe po identifikaciji in oblikovanju na spletu. S funkcijo zmanjšanja vrstnega reda in ločevanja, ko sistem vstopi v stanje drsnega načina, na prenos stanja sistema ne vplivajo več spremembe prvotnih parametrov in zunanje motnje sistema, temveč je prisiljen, da se pomakne v bližini ravnine stikala. , s popolno samoprilagodljivostjo in robustnostjo, zato je krmiljenje drsnega načina uspešno uporabljeno v servo sistemu s sinhronim motorjem s trajnimi magneti. Vendar pa je zaradi bang-bang kontroliranja problem klepetanja neizogibno povzročen in problem klepetanja je velika težava pri razširjeni uporabi regulacije spremenljive strukture drsnega načina. Trenutno je v AC servo motornem sistemu, s spreminjanjem strukture drsnega načina, kot je uporaba strukture visokega drsnega načina in filtrirne obdelave, problem klepetanja, ki ga povzroča krmiljenje spremenljive strukture drsnega načina, do neke mere rešen.
(3) Adaptivni nadzor
Adaptivni nadzor je predlagal Golcl-well v zgodnjih petdesetih letih. Združuje krmiljenje povratnih informacij s teorijo identifikacije in predlaga vpliv sprememb lastnosti kontroliranega objekta, odnašanja in motenj okolja na sistem ali kadar ni veliko parametrov kontroliranega procesa ali pa so ti parametri v normalnem delovanju. Spremembe, zlasti če so počasne spremenljivke, so optimizirane z iskanjem določenih kazalnikov uspešnosti za dokončanje prilagoditve nadzorovanega objekta.
Prilagodljive metode, ki se trenutno uporabljajo za krmiljenje, so modelno referenčno prilagodljivo, samokorektorsko kontroliranje parametrov in različne novo razvite nelinearne prilagoditvene kontrole. Modelni referenčni adaptivni nadzorni sistem ne zahteva natančnega matematičnega modela predmeta nadzora in ne zahteva identifikacije parametrov. Ključni problem je oblikovanje prilagodljivega zakona o prilagajanju parametrov, da se zagotovi stabilnost sistema, medtem ko se signal napake usmeri na nič. Glavna prednost je, da je enostavna za izvedbo in hitra. Vendar pa pri adaptivnem algoritmu obstajajo nekateri problemi, kot so matematični model in okorna operacija, ki otežujejo nadzorni sistem. Na primer, identifikacija in popravljanje parametrov traja nekaj časa. Za sisteme s hitrejšimi spremembami parametrov na zmogljivost krmiljenja močno vpliva hitrost izračunavanja sistema. Aplikacijska sistemska strojna oprema mora biti visoko v AC servo pogonu, ki se običajno izvaja s 32-bitnim digitalnim procesorjem signalov (DSP) ali poljskim programabilnim nizom vrat (FPGA).
(4) Nelinearna kontrola linearizacije povratne zveze
Linearizacija povratnih informacij je nelinearna metoda načrtovanja vodenja. Osnovna ideja je, da se nelinearna sistemska algebra pretvori v (celotni ali delni) linearni sistem, tako da se lahko uporabijo veščine linearnega sistema. Temeljna razlika med njo in običajno linearizacijo je ta, da linearizacija linearnosti ni dosežena z linearno aproksimacijo sistema, ampak s prehodom stanja in povratno zvezo. V zadnjih letih rezultati teoretičnih raziskav nelinearnih kontrolnih sistemov kažejo, da se nelinearna povratna informacija o stanju in ustrezna transformacija koordinat lahko uporabita za natančno linearizacijo afinskega nelinearnega sistema pod določenimi pogoji, ta povratna informacija pa lahko zagotovi nadzorni sistem. Stabilnost in dobra dinamična kakovost. Na osnovi metode natančnega linearizacijskega vodenja linearizacije se vzpostavi lineariziran model krmiljenja sinhronega motorja s trajnimi magneti. Po kontroli linearizacije povratne zveze se lahko izvede nadzor ločevanja d in q osi, trenutna učinkovitost sledenja je dobra in odzivnost navora je hitra. Odziv hitrosti se lahko postopno približa določeni vrednosti, brez statične razlike, majhnega prekoračitve in kratkega prehoda.
(5) Inteligentna strategija nadzora
Klasične ali sodobne kontrolne strategije se opirajo na matematični model motorja in se ne ukvarjajo bistveno s problemi nadzora kompleksnih in negotovih sistemov. Strategija inteligentnega upravljanja ima nelinearne značilnosti in lahko rešuje sisteme z bolj zapletenimi nadzornimi objekti, okolji in nalogami. Inteligentni nadzor odpravi odvisnost od modela kontroliranega objekta in nadzoruje le glede na dejanski učinek. Pri krmiljenju je mogoče odpraviti negotovost in netočnost sistema.
Inteligentne strategije nadzora vključujejo mehko upravljanje, nadzor nad nevronskimi mrežami, nadzor nad ekspertnim sistemom in robustno kontrolo in nadzor genetskih algoritmov. Mehke krmilne in nevronske nadzorne strategije so zrele pri uporabi servo sistema s trajnimi magneti.
(6) Mehko upravljanje
Mehki nadzor je neke vrste računalniško numerično krmiljenje, ki temelji na mehkih agregacijah, mehkih jezikovnih spremenljivkah in sklepanju mehke logike. Mehko upravljanje združuje matematiko in nejasnost ter uporablja teoretične temelje, mehke jezikovne spremenljivke in mehko sklepanje, torej z uporabo mehkih množic, ki opisujejo dvoumnost konceptov, ki jih vsak dan uporabljajo ljudje, s predhodnim znanjem in izkušnjami kot pravila nadzora. z uporabo strojne simulacije za nadzor sistema lahko realistično posnemajo kontrolno izkušnjo in metodo mehkega nadzora usposobljenih operaterjev in strokovnjakov.
Mehko sklepanje ni odvisno od natančnih matematičnih modelov. Glede na vhodne in izhodne podatke dejanskega sistema je mogoče sistem nadzorovati v realnem času glede na izkušnje obratovalcev. Zato je primeren za reševanje kontrolnih problemov nelinearnih sistemov; Dobra lepljivost in močna prilagodljivost, primerna za časovno spreminjajoče in časovno zakasnitvene sisteme. Vendar pa sposobnost samoučenja mehkega nadzora ni močna in pravila za nadzor zasnove so odvisna od izkušenj in strokovnega znanja, kar lahko povzroči netočnost sistema. Preprosto sprejetje mehke strategije upravljanja zahteva več pravil nadzora, zahteva veliko izkušenj osebja in natančnost nadzora je relativno nizka. Tehnologija mehkega krmiljenja je bila dobro uporabljena pri oblikovanju regulatorja toka in regulatorja hitrosti AC servo motorja. V servo sistemu z visokimi dinamičnimi zahtevami pa je treba tehnologijo še izboljšati.
(7) Nadzor nevronske mreže
Raziskave nevronske mreže so se začele v zgodnjih štiridesetih letih. V osemdesetih letih je teorija nevronskih omrežij dosegla prelomnico in postala pomembna veja inteligentnega nadzora.
Nevronska mreža se nanaša na sistem za obdelavo informacij, ki simulira strukturo in delovanje človeških kranialnih živcev z inženirskimi tehnikami. Nadzor nevronske mreže vdeluje funkcijo izračuna v fizično omrežje. V postopku izračuna ima vsaka osnovna operacija ustrezno povezavo z njim. Model nevronske mreže simulira proces delovanja človeških možganskih nevronov, vključno z obdelavo, obdelavo in shranjevanjem informacij. Vsak nevron shranjuje del vsebine različnih informacij, nekatera nevronska poškodba in uničevanje informacij pa povzročata le delno oslabitev omrežja. Nevronska mreža ima prednosti shranjevanja informacij, paralelne obdelave, nelinearnega približevanja, samoučenja in sposobnosti samoorganizacije. V celoti lahko približa poljubno zapletene nelinearne sisteme in se lahko nauči in prilagodi dinamičnim značilnostim zelo negotovih sistemov. Robustnost, s sposobnostjo simulacije človekovega razmišljanja, je primerna za obravnavo sistemov, ki jih je težko opisati z modeli ali pravili. V zadnjih letih so ljudje začeli s poskusno uporabo tehnologije za nadzor nevronske mreže (ali umetne inteligence ai) za nadzorne sisteme pogona AC motorja za reševanje problemov, ki jih je težko rešiti s tradicionalnimi metodami. Uporaba sistema za prilagajanje ai ima dobre karakteristike dušenja hrupa, toleranco napak in razširljivost ter je robustna do parametrov. To je pomembna razvojna smer prihodnje tehnologije krmiljenja motorjev.
Visokozmogljiv trend razvoja tehnologije krmiljenja servo krmilnikov
Servo sistem, ki temelji na sinhronem motorju s trajnimi magneti, je razvojna smer servo krmiljenja. Čeprav obstaja veliko metod za izvajanje AC servo nadzora, še vedno obstajajo težave, kot so nizka natančnost sistema, slaba zanesljivost in nizka hitrost delovanja.
Ne glede na to, ali gre za tradicionalno strategijo nadzora, sodobno strategijo nadzora ali strategijo inteligentnega nadzora, ima vsaka strategija nadzora svoje prednosti, hkrati pa obstajajo nekatere težave. Težko je doseči idealen kontrolni učinek iz ene same strategije nadzora. To je razvojna smer visoko zmogljive tehnologije servo krmiljenja AC v prihodnosti, da razišče, kako se infiltrirati in sestaviti različne strategije nadzora za boljše izboljšanje nadzora nad servo sistemom. Trenutno ima sestavljena strategija nadzora večinoma dve obliki: ena je, da sprejme novo strategijo nadzora, ki temelji na klasični strategiji pid nadzora, kot je mehka pid kontrola, nadzor nevronske mreže pid, strokovni pid nadzor, itd .; drugič, sprejeti dve ali več novih vrst kontrolnih strategij, kot so mehka kontrola nevronske mreže, prilagodljivo mehko krmiljenje, mehko neposredno krmiljenje navora, prilagodljivo mehko upravljanje, neposredno krmiljenje spremenljive strukture drsnega momenta itd. Različne strategije se med seboj dopolnjujejo za nadaljnje izboljšanje delovanje sistema za nadzor hitrosti izmeničnega toka in hkrati močnejšo trdnost. Sestavljena strategija nadzora je postala žarišče trenutnih raziskav in pomemben trend v prihodnjem razvoju.
Zaključek
Primer sinhronega motorja s trajnimi magneti kot osnovni principi, prednosti in slabosti tradicionalne strategije krmiljenja, sodobna strategija upravljanja in inteligentna strategija krmiljenja v AC servo motornem sistemu so opisani ločeno, tehnologija krmiljenja visokozmogljivega servo motornega sistema. predvidena. Razvojni trend opozarja, da ima tradicionalna strategija nadzora, sodobna strategija nadzora ali inteligentna strategija nadzora, da ima vsaka strategija nadzora svoje prednosti, hkrati pa obstajajo nekatere težave. Težko je doseči idealen kontrolni učinek iz ene same strategije nadzora. To je razvojna smer visoko zmogljive tehnologije servo krmiljenja AC v prihodnosti, da razišče, kako se infiltrirati in sestaviti različne strategije nadzora za boljše izboljšanje nadzora nad servo sistemom.
