Estrategia de control moderna
La estrategia tradicional de control del accionamiento del servomotor de CA se utiliza principalmente bajo la condición de que el modelo de objeto controlado esté determinado, no cambie y sea lineal, y se determine que las condiciones operativas y el entorno operativo son constantes. Sin embargo, el modelo matemático dinámico del motor síncrono de imán permanente de CA es un sistema multivariable no lineal, fuertemente acoplado y variable en el tiempo. En el caso de requisitos de alto rendimiento, deben considerarse diversos efectos no lineales, cambios en la estructura y parámetros del objeto y cambios en el entorno operativo. Y factores inciertos y variables en el tiempo, como las alteraciones ambientales. El desarrollo y la aplicación de la teoría de control moderna compensan en cierta medida las deficiencias de la teoría de control clásica para el sistema estocástico no lineal variable en el tiempo.
(1) Control directo del par
La teoría del control de par directo es una estrategia de control de motor de CA de alto rendimiento propuesta por el profesor M. depenbrock de la Universidad alemana de Ruhr y el erudito japonés i.takahash en los años ochenta. La estrategia de control también se basa en las matemáticas precisas del objeto controlado. El modelo, pero a diferencia del control vectorial, analiza el modelo matemático del motor de CA directamente en el sistema de coordenadas del estator sin transformaciones de coordenadas complejas. Se adopta la orientación del campo del estator, no se necesita una corriente de desacoplamiento y el enlace de par y flujo se controla directamente mediante el control de dos posiciones 砰砰, que evita la descomposición de la corriente del estator en componentes de par y excitación, y controla directamente el estado de conmutación de El inversor. Buen control, centrándose en la rápida respuesta del par para lograr un alto rendimiento dinámico del par. La orientación del campo de control de par directo utiliza el enlace de flujo del estator, que no se ve afectado por los parámetros del rotor. Mientras se conozca la resistencia del estator, puede observarse y no es sensible a los parámetros del motor.
La tecnología de control de par directo se ha aplicado con éxito en el campo del control del inversor del motor de inducción, y abb ha lanzado una serie de productos. Sin embargo, en la aplicación del motor síncrono de imán permanente, todavía hay algunos problemas en el control directo del par. El control de par directo utiliza la histéresis de la cadena magnética, y el par del motor es pulsante, lo que afecta directamente la suavidad del motor en marcha. El control de par directo necesita observar el enlace de flujo y el par. La precisión es pobre a bajas velocidades, lo que da como resultado un bajo rendimiento del motor y un pequeño rango de velocidad del motor. Debido a la pequeña inductancia del estator del motor, el impacto de la corriente es grande cuando el motor arranca y la carga cambia, y la vinculación del flujo y la torsión son grandes. Además, como la posición inicial del enlace de flujo no se puede estimar cuando el motor está parado, es difícil arrancar el motor. Aunque algunos académicos en el país y en el extranjero han estado probando y mejorando la estrategia de control de par directo del motor sincrónico de imán permanente en los últimos años, este esquema de control es difícil de cumplir con los requisitos de la tecnología de servoaccionamiento de CA.
(2) Control de estructura variable en modo deslizante
El control de estructura variable pertenece a la categoría de control no lineal, y su no linealidad aparece como la discontinuidad del control, es decir, una característica de conmutación que cambia la "estructura" del sistema. El control de estructura variable de modo deslizante no necesita conocer el modelo matemático del sistema. Solo necesita comprender el rango aproximado de los parámetros del sistema y sus cambios, de modo que el control de la estructura variable tenga las ventajas de una respuesta rápida, insensibilidad a los parámetros y cambios de perturbación, y no sea necesaria la identificación y el diseño en línea. Con la función de reducir el orden y el desacoplamiento, cuando el sistema entra en el estado de modo deslizante, la transferencia del estado del sistema ya no se ve afectada por los cambios de parámetros originales y las perturbaciones externas del sistema, sino que se ve obligada a deslizarse cerca del plano del interruptor. , con auto adaptabilidad completa y robustez, por lo que el control de modo deslizante se ha aplicado con éxito en el sistema de servo motor síncrono de imán permanente. Sin embargo, debido al control bang-bang, el problema del parloteo es causado inevitablemente, y el problema del parloteo es una dificultad importante en la aplicación generalizada del control de estructura variable en modo deslizante. En la actualidad, en el sistema de servomotor de CA, cambiando la estructura del modo deslizante, como el uso de la estructura del modo deslizante de alto orden y el procesamiento de filtrado, el problema de vibración causado por el control de la estructura variable del modo deslizante se resuelve en cierta medida.
(3) control adaptativo
El control adaptativo fue propuesto por Golcl-well a principios de los años cincuenta. Combina el control de retroalimentación con la teoría de identificación y propone la influencia de los cambios en las características del objeto controlado, la deriva y la perturbación ambiental en el sistema, o cuando no hay muchos parámetros del proceso controlado o estos parámetros están en operación normal. Los cambios, especialmente cuando hay variables lentas, se optimizan buscando ciertos indicadores de rendimiento para completar el ajuste del objeto controlado.
Los métodos adaptativos que se aplican actualmente al control son el modelo adaptativo de referencia, el control de autocorrección de identificación de parámetros y varios controles adaptativos no lineales de nuevo desarrollo. El sistema de control adaptativo de referencia del modelo no requiere un modelo matemático preciso del objeto de control y no requiere identificación de parámetros. El problema clave es diseñar una ley de ajuste de parámetros adaptativos para garantizar la estabilidad del sistema mientras la señal de error tiende a cero. La principal ventaja es que es fácil de implementar y rápido. Sin embargo, hay algunos problemas en el algoritmo adaptativo, como el modelo matemático y la operación complicada, que complica el sistema de control. Por ejemplo, la identificación y corrección de parámetros toma un período de tiempo. Para sistemas con cambios de parámetros más rápidos, el rendimiento del control se ve afectado en gran medida por la velocidad de cálculo del sistema. El hardware del sistema de aplicación debe ser alto en el servoaccionamiento de CA, que generalmente se implementa mediante un procesador de señal digital de 32 bits (DSP) o una matriz de compuerta programable de campo (fpga).
(4) Control de linealización de retroalimentación no lineal.
La linealización de realimentación es un método de diseño de control no lineal. La idea central es convertir un álgebra de sistema no lineal en un sistema lineal (todo o parte de él) para que se puedan aplicar las habilidades del sistema lineal. La diferencia fundamental entre él y la linealización ordinaria es que la linealización por retroalimentación no se obtiene por aproximación lineal del sistema, sino por la transición de estado y la retroalimentación. En los últimos años, los resultados de la investigación teórica de los sistemas de control no lineal muestran que la retroalimentación de estado no lineal y la transformación de coordenadas adecuada se pueden utilizar para linealizar con precisión un sistema no lineal afín en ciertas condiciones, y esta retroalimentación de estado puede garantizar el sistema de control. Estabilidad y buena calidad dinámica. Basado en el método de control de linealización de realimentación precisa, se establece el modelo de control linealizado del motor síncrono de imán permanente. Después del control de linealización de realimentación, se puede realizar el control de desacoplamiento de los ejes dy Q, el rendimiento de seguimiento actual es bueno y la respuesta de par es rápida. La respuesta del paso de velocidad puede converger gradualmente a un valor dado, sin diferencias estáticas, pequeños rebasamientos y procesos de transición cortos.
(5) estrategia de control inteligente
Las estrategias de control clásicas o modernas se basan en el modelo matemático del motor y no abordan fundamentalmente los problemas de control de sistemas complejos e inciertos. La estrategia de control inteligente tiene características no lineales y puede resolver sistemas con objetos de control, entornos y tareas más complejos. El control inteligente elimina la dependencia del modelo de objeto controlado y solo controla de acuerdo con el efecto real. En el control, la incertidumbre y la imprecisión del sistema se pueden resolver.
Las estrategias de control inteligente incluyen control difuso, control de redes neuronales, control de sistemas expertos y control robusto y control de algoritmos genéticos. El control difuso y las estrategias de control de la red neuronal están maduras en la aplicación de un sistema de servo motor síncrono de imán permanente.
(6) control difuso
El control difuso es un tipo de control numérico informático basado en agregación difusa, variables lingüísticas difusas y razonamiento lógico difuso. El control difuso unifica las matemáticas y la borrosidad, y utiliza conjuntos borrosos, variables lingüísticas difusas y el razonamiento difuso como su base teórica, es decir, utilizando conjuntos borrosos para describir la ambigüedad en los conceptos utilizados por las personas todos los días, con conocimientos previos y experiencia de expertos como reglas de control El uso de simulación de máquina para controlar el sistema puede imitar de manera realista la experiencia de control y el método de control difuso de operadores y expertos calificados.
El razonamiento difuso no depende de modelos matemáticos precisos. De acuerdo con los datos de entrada y salida del sistema real, el sistema se puede controlar en tiempo real con referencia a la experiencia operativa de los operadores de campo. Por lo tanto, es adecuado para resolver los problemas de control de sistemas no lineales; Buena adherencia y gran capacidad de adaptación, aptas para sistemas de tiempo variable y de retardo de tiempo. Sin embargo, la capacidad de autoaprendizaje del control difuso no es sólida, y las reglas de control de diseño dependen de la experiencia y el conocimiento experto, lo que puede hacer que el sistema sea inexacto. La simple adopción de la estrategia de control difuso requiere más reglas de control, requiere mucha experiencia del personal y la precisión del control es relativamente baja. La tecnología de control difuso ha sido bien aplicada en el diseño del regulador de corriente y el regulador de velocidad del sistema de servomotor de CA. Sin embargo, en el sistema de servo con altos requisitos dinámicos, la tecnología aún necesita ser mejorada.
(7) control de red neuronal
La investigación de la red neuronal comenzó a principios de los años cuarenta. En la década de 1980, la teoría de las redes neuronales hizo un gran avance y se convirtió en una rama importante del control inteligente.
Red neuronal se refiere a un sistema de procesamiento de información que simula la estructura y función de los nervios craneales humanos mediante técnicas de ingeniería. El control de la red neuronal incrusta la función de cálculo en la red física. En el proceso de cálculo, cada operación básica tiene una conexión correspondiente con él. El modelo de red neuronal simula el proceso de actividad de las neuronas del cerebro humano, incluido el procesamiento, procesamiento y almacenamiento de información. Cada neurona almacena parte del contenido de una variedad de información, y algunos daños neuronales y la destrucción de la información solo conducen a un debilitamiento parcial de la red. La red neuronal tiene las ventajas de almacenamiento de distribución de información, procesamiento paralelo, aproximación no lineal, autoaprendizaje y capacidad de autoorganización. Puede aproximarse completamente a sistemas no lineales arbitrariamente complejos, y puede aprender y adaptarse a las características dinámicas de los sistemas gravemente inciertos. La robustez, con la capacidad de simular el pensamiento de la imagen humana, es adecuada para tratar con sistemas que son difíciles de describir con modelos o reglas. En los últimos años, las personas han comenzado a tratar de aplicar la tecnología de control de redes neuronales (o inteligencia artificial ai) a los sistemas de control de motores de CA para resolver problemas que son difíciles de resolver con los métodos tradicionales. El uso del sistema de ajuste ai tiene buenas características de supresión de ruido, tolerancia a fallos y escalabilidad, y es robusto a los parámetros. Es una importante dirección de desarrollo de la futura tecnología de control de motores.
Tendencia de desarrollo de tecnología de control de CA de alto rendimiento
El sistema de servo basado en un motor síncrono de imán permanente es la dirección de desarrollo del servocontrol. Aunque existen muchos métodos para implementar el control de servo de CA, todavía existen problemas como la baja precisión del sistema, la poca fiabilidad y el rendimiento a baja velocidad.
Ya sea una estrategia de control tradicional, una estrategia de control moderna o una estrategia de control inteligente, cada estrategia de control tiene sus ventajas, pero al mismo tiempo hay algunos problemas. Es difícil obtener el efecto de control ideal a partir de una única estrategia de control. Es la dirección de desarrollo de la tecnología de control de servo AC de alto rendimiento en el futuro para explorar cómo infiltrarse y componer varias estrategias de control para mejorar el rendimiento de control del sistema servo. En la actualidad, la estrategia de control compuesto tiene principalmente dos formas: una es adoptar una nueva estrategia de control basada en la estrategia de control de pid clásica, como el control de fuzzy pid, el control de red neural pid, el control de experto de pid, etc .; segundo, adopte dos o más tipos nuevos de estrategias de control, como el control de redes neuronales difusas, el control difuso adaptativo, el control de par directo difuso, el control borroso adaptativo, el control de estructura variable del modo deslizante de par directo, etc. Las diversas estrategias se complementan entre sí para mejorar aún más El rendimiento del sistema de control de velocidad de CA, y al mismo tiempo tiene una mayor robustez. La estrategia de control compuesto se ha convertido en el foco de la investigación actual y en una tendencia importante en el desarrollo futuro.
Conclusión
Tomando como ejemplo el sistema de motor síncrono de imán permanente, los principios básicos, ventajas y desventajas de la estrategia de control tradicional, la estrategia de control moderna y la estrategia de control inteligente en el sistema de servomotor de CA se describen por separado, y la tecnología de control del sistema de servomotor de CA de alto rendimiento se predice La tendencia de desarrollo señala que ya sea una estrategia de control tradicional, una estrategia de control moderna o una estrategia de control inteligente, cada estrategia de control tiene sus ventajas, pero al mismo tiempo hay algunos problemas. Es difícil obtener el efecto de control ideal a partir de una única estrategia de control. Es la dirección de desarrollo de la tecnología de control de servo AC de alto rendimiento en el futuro para explorar cómo infiltrarse y componer varias estrategias de control para mejorar el rendimiento de control del sistema servo.
