多轴电机同步运动控制器设计

刘卫萍　宋扬

摘 要： 针对多轴电机同步控制问题，研究一种基于模糊?单神经元PID控制策略的同步控制器。使用研究的同步控制方法与常规PID算法进行对比分析。结果表明，相比基于常规PID算法的多轴电机同步运动控制器，在基于模糊?单神经元PID算法的多轴电机同步运动控制器作用下，各个电机之前的同步误差更小，当第二台电机发生载荷突变时，控制器能够有效抑制载荷突变对整个多轴电机系统的影响。基于模糊?单神经元PID算法的多轴电机同步运动控制器能够有效提升多轴电机同步运动系统的动态特性和稳定性。

关键词： 同步控制； 多轴电机； 模糊算法； PID算法

中图分类号： TN876.3?34 文献标识码： A 文章编号： 1004?373X（2017）10?0183?04

Abstract： A synchronous controller based on fuzzy and single neuron PID control strategy is studied for the multi?axis motor synchronous control. The contrastive analysis is performed for the synchronous control method studied in this paper and the conventional PID algorithm. The results show thatthe synchronous error of each motor affected by the multi?axis motor synchronous motion controller based on fuzzy and single neuron PID algorithm is smaller than that of the multi?axis motor synchronous motion controller based on conventional PID algorithm. If the load of the second motor is changed suddenly， the controller can restrain the influence of load mutation on multi?axis motor system effectively. The multi?axis motor synchronous motion controller based on fuzzy and single neuron PID algorithm can improve the dynamic performance and stability of the multi?axis motion synchronous motion system effectively.

Keywords： synchronous control； multi?axis motor； fuzzy algorithm； PID algorithm

0 引 言

要想有效处理多轴运动内部的协调关系，就需要通过使用多电机来实现有效管理。通常情况下，这种类型的电机保持工作状态，其用途如下：

处于运行状态的若干个电机的转速存在比例关系，也可能转速一致，在各种各样的制造设备中都用到了这种多电机，如纺织设备、造纸设备以及起重设备等。除此之外，在进行轮船测试和飞机控制系统的研制过程，通常会使用好几台大型电机联合作业，来提供驱动力。

数控机床、机器人等都属于高端重型设备，它们的精确度较高，在制造过程中，所用到的控制系统内部的电机转速必须协调一致，保持相位相等，将误差控制在标准范围内。只有这样，才能有效提升设备的精确度，保证设备运行过程中稳定安全[1?2]。文献[3?4]中研究了基于主从控制的多轴电机控制方法。在主从控制系统内部，包含了主电机和不同的从电机，后者的转速是基于前者的速度而设置的，从电机的转速要依附于主电机。这种类型的控制系统产生的结果简单有效，能满足需求。该控制系统内部的从电机之间的关联性不佳，信息传递不畅，这就导致电机的运行精确度下降，对外界的抗干扰能力有限。文献[5]中研究了基于交叉耦合控制的多轴电机控制方法。交叉耦合控制策略与其他形式的控制方式相比，有显著的区别。为了保证控制过程精确有效。它会把电机的转速误差信息传递给其他电机，对其转动速度进行补偿。当控制系统内部只有两台电机时，可以使用控制方法，但是当数目上升之后，控制过程会变得复杂，需要有更加合理的控制策略。

1 直流伺服电机数学模型

2 环形耦合控制策略

文献[7]提出了环形耦合同步控制方法。将耦合补偿原理和控制管理思维相结合，就会形成环形耦合控制方法。该控制方法一方面是基于系统内部电机转速和标准转速的误差而做出的，另一方面还要综合与邻近电机的速度误差。环形耦合控制系统结构如图2所示。为了使控制系统在开启和终止状态都有较好的性能，要求控制系统运行时，保持环形耦合，内部的电机信号相同。通过对图2进行分析可知，系统内处于邻近位置的电机的误差补偿才是同步的。如果有的电机转速出现异常，就会导致邻近的电机转速出现误差。通过使用环路耦合同步控制方法，产生的转速误差会因为补偿模块的存在，将误差信息传递出去。通常情况下，多电机的同步驱动程序收到的信号是相同的，运用转速耦合补偿模块，会有效提升系统的稳定性和一致性，从而能最大程度地避免外界因素的干扰[8]。

3 模糊?单神经元PID控制器

对于非线性和线性系统，人工神经网络都可以任意逼近；所以能够实现不确定性以及非线性系统的有效控制。在神经网络的神经元中存放着定量或者定性的信息，具有一定的容错性和鲁棒性。神经网络中的神经元对于任意函数都可以逼近，另外其具有易于实现、权值学习时间短、计算量小以及结构简单的优势，在一些单输出多输入的非线性处理单元中比较适合应用[9?11]。因此本文使用的模糊?单神经元PID 控制器，其原理见图3[12]。

使用上述控制器后，单神经元控制器包含4个可调参数，包括1个输出增益K和3 个权值学习速率。在单神经元PID 控制器的收敛性以及稳定性上输出增益K的影响较大。当K值增大时，就会提升单神经元控制器输出的调节量；降低调节时间就会加快收敛速度；然而当K值较大时就会出现超调现象，使系统发生震荡[15]。因此本文使用参数自整定的模糊控制器对增益K进行调节。模糊控制在控制无法建立精准数学模型的控制对象以及一些复杂对象的过程中能够发挥较好的效果。在一些交叉耦合严重、参数随工作点变动大以及高度非线性的控制过程中比较适合应用。其简单的设计过程对于被控模型精确性的依赖性较低。根据设计者工程经验以及理论所建立的控制规则能够对较好的控制思想进行采纳。

用于对增益K进行调节的模糊控制器的输入为电机的同步误差和误差变化率。为了便于计算机计算，分别使用0.1和0.05的量化因子将同步误差和误差变化率归一到范围为[-1，1]的基本论域内。将三角形分布的隶属度函数作为输入/输出变量能够对算法的执行效率进行提升，应用这种函数时，模糊论域的步长与隶属度幅值相等。按照下面的原则选择模糊规则：如果系统有较大偏差，为了降低调节时间，加快相应速度，可以增大K值；如果有较小的误差，对稳态性能进行提升可以采用较小的K值。模糊规则如表1所示[16]。

4 实例仿真研究

通过仿真对本文研究的多轴电机同步运动控制器进行分析。直流伺服电机参数设置如下：电枢电阻[Ra]为1.8 Ω；电枢电感[La]为0.003 65 H；电动势因子[Ke]为0.354 9 V/rad；电机转矩因子[Kt]为0.000 163 51 N·s/rad；转子转动惯量[17][J]为0.000 184 62 kg·m2。多轴电机同步运动控制Matlab仿真模型如圖4所示。

在仿真模型中，对第二台电机施加范围在150～900 N·m的随机载荷，对第一台和第三台施加恒定的600 N·m的恒定载荷，从而研究不均匀载荷条件下，控制器的同步控制性能。对第二台电机施加的随机载荷如图5所示。

在此使用常规PID算法与本文使用的方法进行对比，通过仿真能够得到两种控制器作用下，电机1和电机2转速同步误差及电机2和电机3转速同步误差如图6和图7所示。

从电机1和电机2转速同步误差及电机2和电机3转速同步误差仿真结果可以看出，相比基于常规PID算法的多轴电机同步运动控制器，在本文研究的基于模糊?单神经元PID算法的多轴电机同步运动控制器作用下，各个电机之前的同步误差更小。当第二台电机发生载荷突变时，控制器能够有效抑制载荷突变对整个多轴电机系统的影响。

本文研究的基于模糊?单神经元PID算法的多轴电机同步运动控制器能够有效提升多轴电机同步运动系统的动态特性和稳定性。

5 结 论

本文针对多轴电机同步控制问题，研究一种基于模糊?单神经元PID算法以及环形耦合策略的同步控制器。使用本文研究的同步控制方法与常规PID算法进行对比分析。结果表明，相比基于常规PID算法的多轴电机同步运动控制器，在本文研究的基于模糊?单神经元PID算法的多轴电机同步运动控制器作用下，各个电机之前的同步误差更小。当第二台电机发生载荷突变时，控制器能够有效抑制载荷突变对整个多轴电机系统的影响。

参考文献

[1] 李乐，李慧鹏，石阳.绕线机的多轴同步控制算法研究[J].测控技术，2014（2）：87?90.

[2] 刘晓萌.定长送料系统多轴同步控制[D].杭州：浙江大学，2012.

[3] 赵梅玲.主从系统同步控制策略及应用研究[D].合肥：合肥工业大学，2012.

[4] 邹缙.多电机变频调速协同智能控制系统的研究[D].武汉：武汉科技大学，2013.

[5] 曹玲芝，李春文，牛超，等.基于相邻交叉耦合的多感应电机滑模同步控制[J].电机与控制学报，2008（5）：586?592.

[6] 李鹏飞，王伟涛，万亚斌.基于相邻偏差耦合的多电机模糊PID同步控制[J].机械设计与研究，2013（5）：45?48.

[7] 刘然，孙建忠，罗亚琴，等.基于环形耦合策略的多电机同步控制研究[J].控制与决策，2011（6）：957?960.

[8] 刘然，孙建忠，罗亚琴，等.多电机滑模环形耦合同步控制策略研究[J].中国机械工程，2010（22）：2662?2665.

[9] 陈杰，陈冉，陈家伟，等.变速风力发电机组的模糊?单神经元PID控制[J].中国电机工程学报，2011（27）：88?94.

[10] 陈杰.变速定桨风力发电系统控制技术研究[D].南京：南京航空航天大学，2011.

[11] 郑宇.基于神经元PID的风力发电机组独立变桨控制[J].水电能源科学，2012（2）：151?154.

[12] 董春芳，孟庆鑫.多缸电液调平系统相邻交叉耦合同步控制[J].哈尔滨工程大学学报，2012（3）：366?370.

[13] 唐春林，郑宇.基于神经元PID的风力发电机组独立变桨控制[J].人民长江，2012（5）：93?97.

[14] 周箴，赵金，万淑芸，等.基于单神经元控制器交流PWM调速系统[J].华中理工大学学报，1998（z1）：69?71.

[15] 曾东.基于神经网络的风力发电机组变速变距控制器研究[D].沈阳：沈阳工业大学，2008.

[16] 杨鑫.风力发电机组新型传动系统及变速变桨距控制策略优化[D].重庆：重庆大学，2013.

[17] 姚武军.多电机同步控制策略研究[D].湘潭：湘潭大学，2013.