一种基于间接迭代学习自适应mrac控制器的电机控制方法
阅读说明：本技术 一种基于间接迭代学习自适应mrac控制器的电机控制方法 (Motor control method based on indirect iterative learning self-adaptive MRAC controller ) 是由 史敬灼 徐丹旸 刘姝贝 刘悦琪 徐浩然 于 2021-08-11 设计创作，主要内容包括：本发明属于电机控制技术领域,具体涉及一种基于间接迭代学习自适应MRAC控制器的电机控制方法。本发明采用间接迭代学习自适应MRAC控制器对电机的转速进行闭环控制；其中,所述间接迭代学习自适应MRAC控制器包括MRAC控制器和迭代学习控制器；本发明根据所述当前迭代控制过程中迭代学习控制器的输出值、转速给定值、以及输出误差值,对当前迭代控制过程中MRAC控制器的前馈增益的自适应律进行调整。本发明响应速度明显加快且响应过程依然平稳,控制性能明显改善。相较于基于MRAC控制器的控制器方法的性能,本发明方法增加控制系统的自适应能力,且计算量小。(The invention belongs to the technical field of motor control, and particularly relates to a motor control method based on an indirect iterative learning self-adaptive MRAC controller. The invention adopts an indirect iterative learning self-adaptive MRAC controller to carry out closed-loop control on the rotating speed of the motor; wherein the indirect iterative learning adaptive MRAC controller comprises an MRAC controller and an iterative learning controller; the invention adjusts the self-adaptive law of the feedforward gain of the MRAC controller in the current iteration control process according to the output value, the rotating speed set value and the output error value of the iteration learning controller in the current iteration control process. The invention has the advantages of obviously accelerated response speed, stable response process and obviously improved control performance. Compared with the performance of the controller method based on the MRAC controller, the method provided by the invention has the advantages that the self-adaptive capacity of the control system is increased, and the calculated amount is small.)
技术领域
本发明属于电机控制
技术领域
，具体涉及一种基于间接迭代学习自适应MRAC控制器的电机控制方法。背景技术
超声波电机因其结构紧凑、易于微型化、响应制动快、控制特性好、定位精度高、噪声小等一系列优点，已在航空、航天、医疗、精密仪器等高新
技术领域
显现出广阔的应用场景和使用价值。超声波电机特殊的运行机理，使其运行特性表现出明显的非线性及时变特征，不易得到理想的控制性能。为克服超声波电机自身的这些缺点，努力得到符合应用期望的控制性能和运行稳定性，其控制策略的研究逐渐趋于复杂化。许多复杂的控制器，如神经网络控制器、模糊神经网络控制器等，先后被提出并应用于超声波电机。
但是，不论是从成本、调试，还是从系统维护等方面考虑，人们总是希望控制系统的结构简单一些，也正是因为这样的原因，由Narendra Kumpati S.和Valavani Lena S.在1978年提出的基于输入、输出变量的模型参考自适应控制策略(MRAC)，逐渐开始应用于超声波电机控制上来。其适用面广、设计方法成熟，一直被广泛应用。
但是，它也存在一个突出的问题：在该控制策略中，自适应增益矩阵Γ的取值决定控制器参数的自适应调整速率，直接影响系统的控制性能。但该控制策略并未给出确定Γ值的方法，通常需要采用控制系统仿真方法，依据期望的控制性能来试凑Γ值，并通过现场调试来最终确定合适的取值。这往往成为将该控制策略应用于实际的过程中最费时的一个步骤，也会导致控制性能不理想。
发明内容
本发明提供了一种基于间接迭代学习自适应MRAC控制器的电机控制方法，用以解决使用MRAC控制器对电机进行控制时造成的控制性能不理想的问题。
为解决上述技术问题，本发明所包括的技术方案以及技术方案对应的有益效果如下：
本发明提供了一种基于间接迭代学习自适应MRAC控制器的电机控制方法，包括如下步骤：
采用间接迭代学习自适应MRAC控制器对电机的转速进行闭环控制；
其中，所述间接迭代学习自适应MRAC控制器包括MRAC控制器和迭代学习控制器；所述MRAC控制器对当前迭代控制过程中电机的转速进行调节控制；所述迭代学习控制器根据上一迭代控制过程中迭代学习控制器的输出值、以及上一迭代控制过程中的输出误差值，得到当前迭代控制过程中迭代学习控制器的输出值，所述输出误差值为MRAC控制器中参考模型输出值与转速实际值的差值；进而根据所述当前迭代控制过程中迭代学习控制器的输出值、转速给定值、以及输出误差值，对当前迭代控制过程中MRAC控制器的前馈增益的自适应律进行调整。
上述技术方案的有益效果为：本发明借用迭代学习控制的思想，将迭代学习控制器和MRAC控制器相结合，利用迭代学习控制器的输出来直接作用于前馈增益的自适应律，在经过几次迭代计算后，便可使系统稳定在期望的控制状态，响应速度明显加快且响应过程依然平稳，控制性能明显改善。相较于基于MRAC控制器的控制器方法的性能，本发明方法增加控制系统的自适应能力，且计算量小。
进一步的，调整后的MRAC控制器的前馈增益的自适应律为：
其中，k0为前馈增益；r为自适应增益；ek(i)、yrk(i)和yk(i)分别为第k次迭代控制过程中i时刻的输出误差值、转速给定值、迭代学习控制器输出值，且ek(i)＝ymk(i)-yk(i)，ymk(i)、yk(i)分别为第k次迭代控制过程中i时刻的参考模型输出值、转速实际值。
进一步的，所述MRAC控制器的反馈增益的自适应律为：
式中，d为反馈增益；r为自适应增益；ek(i)为第k次迭代控制过程中i时刻的输出误差值，且ek(i)＝ymk(i)-yk(i)，ymk(i)、yk(i)分别为第k次迭代控制过程中i时刻的参考模型输出值、转速实际值。
进一步的，设计所述MRAC控制器的控制参数的自适应律时所选取的李雅普诺夫函数为：
式中，V为选取的李雅普诺夫函数；P和Γ均为正定对称矩阵；ek为增广误差向量；为参数误差向量。
进一步的，所述电机为超声波电机。
附图说明
图1是本发明的超声波电机的转速闭环控制系统统的控制框图；
图2(a)是本发明的转速阶跃响应曲线图；
图2(b)是本发明的迭代学习控制器的输出曲线图；
图2(c)是本发明的控制器前馈增益k0值的变化曲线图；
图3是采用发明所提出的控制方法与基于经典MRAC控制器的控制方法的实验结果对比图。
具体实施方式
本发明的基本构思为：本发明借用迭代学习控制的思想，迭代学习控制器和MRAC控制器相结合，利用迭代学习控制器来在线自动调节MRAC控制器的自适应增益，以较小的设计和实现复杂度代价来换取MRAC控制器性能的明显提升。
下面结合附图和实施例，对本发明的一种基于间接迭代学习自适应MRAC控制器的电机控制方法进行详细说明。
方法实施例：
本发明的一种基于间接迭代学习自适应MRAC控制器的电机控制方法实施例，将迭代学习控制器和MRAC控制器相结合后实现的超声波电机的转速闭环控制系统的控制框图如图1所示，以下称迭代学习控制器和MRAC控制器结合后的控制器为间接迭代学习自适应MRAC控制器。
图1中点划线框之内的内容为采用标准MRAC控制器对超声波电机转速进行控制的控制框图，超声波电机及其驱动电路共同构成MRAC控制器的被控对象。迭代学习控制器用于对当前迭代控制过程中电机的转速进行调节控制。图1中，yrk(i)、ymk(i)、yk(i)、ek(i)、Δyrk(i)分别为第k次迭代控制过程中i时刻的转速给定值、参考模型输出值、电机转速实际值、输出误差值、迭代学习控制器的输出值，且有：
ek(i)＝ymk(i)-yk(i) (1)
如前所述，图1中点划线框内的部分是一个标准的基于输入、输出变量的MRAC转速控制器。该控制器包含前馈增益k0和反馈增益d0等两个可调参数，使用自适应律对k0和d0进行在线调节，在理论上可实现参考模型与被控电机的完全匹配，使电机转速的响应过程与参考模型输出一致，达成期望的控制性能。
下面先按照经典的设计方法来设计MRAC控制器。
选取李雅普诺夫(Lyapunov)函数为：
式中，P和Γ均为正定对称矩阵；ek为增广误差向量；为参数误差向量。
经推导可得控制参数θ的自适应律为：
式中，ek(i)为第k次迭代控制过程中i时刻的输出误差，即式(1)。
取Γ为如下正定对角矩阵：
式中，自适应增益r为正实数。
将上式及θT＝[k0d0]代入式(4)，可得k0和d0的自适应律分别为：
式中，ek(i)、yrk(i)和yk(i)均可测，只需指定r的数值，就可以使用上式实现k0、d0的自适应调整。
至此完成了MRAC控制器的设计，下面对迭代学习控制器进行介绍。
图1中，迭代学习控制器的输出值Δyrk与转速给定值yrk相加，得到的结果作用于自适应律(6)。即：将前馈增益k0的自适应律式(6)改为：
且图1中的迭代学习控制器设计为：
Δyrk(i)＝Δyr(k-1)(i)+λPe(k-1)(i+1) (9)
式中，系数λP为比例学习增益；Δyr(k-1)(i)和e(k-1)(i+1)分别为第k-1次迭代控制过程中i时刻的迭代学习控制器输出量、i+1时刻的输出误差值(参考模型输出值与电机转速实际值之差，由式(1)计算得到)。
至此便完成间接迭代学习自适应MRAC控制器的设计。在设计好间接迭代学习自适应MRAC控制器后，便可采用该设计好的间接迭代学习自适应MRAC控制器对超声波电机转速进行闭环控制，实现本发明的一种基于间接迭代学习自适应MRAC控制器的电机控制方法。
下面将该方法应用于具体的实例中以说明本发明方法的有效性。
通过DSP芯片编程，实现图1所示控制系统，以验证上述迭代学习自适应MIT控制器的有效性。实验用电机为Shinsei USR60型行波超声波电机，驱动电路为两相H桥结构，采用相移PWM控制方式。
设置转速阶跃给定值yrk＝30r/min，连续进行6次迭代学习控制实验，得转速响应曲线如图2(a)所示，图2(b)给出了r值的变化曲线。
由图2所示实验结果可以看出，学习收敛速度快，第5次阶跃响应已趋近参考模型输出，随后的第6次阶跃响应曲线与第5次响应曲线基本重合，已经稳定在期望的控制状态。图2(b)、(c)给出的迭代学习控制器输出量Δyrk和前馈增益k0的变化曲线，表明了图1所示系统通过迭代学习逐步改进控制性能的中间过程。图2(b)表明，随着迭代学习过程的进行，Δyrk的幅度越来越大。由式(8)可知，越来越大的Δyrk导致前馈增益k0的调整速率加大，使k0在阶跃响应动态过程中的上升速率加快，如图2(c)所示。这会使控制量增大，控制作用增强，于是得到图2(a)所示越来越快的响应速度。
图3对比了所提控制器与经典MRAC控制器的控制性能，可见，采用所提出的控制器，响应速度明显加快且响应过程依然平稳，控制性能明显改善。
可见，本发明所述控制方法是有效的，能够利用迭代学习控制器的学习能力，有效改善MRAC控制系统的性能，增加控制系统的自适应能力，且计算量小。
本实施例中，被控对象对超声波电机及其驱动电路，设计的间接迭代学习自适应MRAC控制器对超声波电机转速进行控制。作为其他实施方式，本发明所设计的间接迭代学习自适应MRAC控制器还适用于其他类型电机，相应对其他类型电机转速进行控制。