[發明專利]一種基于迭代學習的直線伺服系統振動抑制方法

有效

• 申請號: 201710540051.7
• 申請日: 2017-07-04
• 公開（公告）號: CN107272409B
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 楊亮亮;胡建;吳達偉;胡鑫杰;沈波;王飛;王杰
• 申請（專利權）人: 浙江理工大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 浙江翔隆專利事務所(普通合伙) 33206
• 代理人: 戴曉翔

1.一種基于迭代學習的直線伺服系統振動抑制方法，其特征在于，包括以下步驟：

步驟一：連接好直線伺服系統，設置好相關控制器參數，將參數下載到運動控制卡上的芯片中；

步驟二：根據直線伺服系統的時不變離散狀態空間的要求，下載控制器參數，并使能伺服系統，使電機閉環；所述直線伺服系統的時不變離散狀態空間表達式為：

G(j)：

步驟三：在直線伺服系統信號輸入端輸入理想軌跡信號r_set(t)，信號階躍點產生，規定采樣周期T_s，采集輸出位移信號y(t)，采集采樣點，輸入信號r_set(t)減去輸出信號y(t)為誤差信號e(t)，利用QL型迭代學習控制算法計算驅動力，規定直線伺服系統的響應調節時間，迭代優化時所使用的誤差信號e(t)；

所述QL型迭代學習控制算法進行迭代學習控制如下：

u_k+1(t)＝Q[u_k(t)+Le_k(t)]；

其中，Q∈R^N×N，L∈R^N×N，u_k∈R^N；e_k∈R^N；

步驟四：對迭代學習控制的穩定性和收斂性進行分析，對QL型迭代學習算法表達式進行變換，計算系統的穩定條件；所述QL型迭代學習算法表達式可變換為：

u_k+1＝Q(I-LH)u_k+QL_set；

其中，H∈R^N×N為脈沖傳遞函數矩陣；

步驟五：根據最優控制理論引入迭代學習控制算法的性能目標函數進行控制器的設計，并選擇合適的權重矩陣和拉格朗日乘子對直線伺服系統進行振動抑制；

所述最優控制理論引入迭代學習控制算法的性能目標函數如下：

其中，e_k+1＝r_set-y_k+1，W_e，W_u為兩個半正定加權矩陣；

目標函數的約束條件如下：

其中，且為足夠小的實數，經推導則可得出：

其中：λ為朗格朗日算子；

基于所述性能目標函數，進行控制器Q，L的設計，由于u_k+1為函數的變量，令經推導可得出：

u_k+1＝(W_u+λ·I+H^TW_eH)^-1(λ·I+H^TW_eH)(u_k+(λ·I+H^TW_eH)^-1H^TW_ee_k)

由QL型迭代學習算法表達式對比可得：

步驟六：求取各個參數的最優值，利用迭代學習法對所得誤差進行迭代學習，將經過迭代學習修正過的驅動力重新下發到運動控制卡，反復此迭代學習過程抑制其振動。

2.如權利要求1所述的一種基于迭代學習的直線伺服系統振動抑制方法，其特征在于，

步驟二，

則第k次迭代時輸入輸出關系為：

其中，H∈R^N×N為脈沖傳遞函數矩陣，u_k＝[u(0)，…，u(N-1)]^T為有限離散控制輸入指令，y_k＝[y(0)，…，y(N-1)]^T為有限離散系統輸出信號，k代表迭代次數；理想軌跡為r_set(t)，迭代學習的時間跨度為t∈[0，T]。

3.如權利要求2所述的一種基于迭代學習的直線伺服系統振動抑制方法，其特征在于，

步驟三，

則迭代學習控制系統的誤差為：

e_k＝r_set-y_k。