复杂工况下交流伺服系统控制参数预测自校正策略研究

The performance of AC servo system and the control parameters are closely related, because the offline auto-tuning control parameters can not adapt to the complex operating conditions, to obtain the satisfactory dynamic performance, the online self-tuning is required for the best match of the servo electromechanical parameters, thus the adaptability and the efficiency are enhanced, and the optimal working status will be maintained during the whole operation.. In this project, on the basis of the dynamics of the the AC servo system, the generalization relations between the complex conditions and control parameters are deeply explored. Aiming at high efficiency and high performance, the model-based self-tuning strategy is proposed in the following steps: ① the characteristics during the operation condition are studied, and the mapping relations between the characteristics and the controlled model are constructed; ② the data vector selection rules are improved, and the database update strategy is optimized, so an improved just-in-time learning (JITL) algorithm is proposed to accurately estimate the controlled model parameters online; ③ the dynamic performance evaluation is improved, the future reference command is added, a high-efficiency and universal generalized predictive control (GPC) is proposed to build the match rules between the controlled model parameters and the controlled parameters, and realize the optimal self-tuning process for the control parameters.. The results of the project will help enhance the intelligence level of domestic CNC machine, and has the important application value for promoting the industrialization of high-performance AC servo system.

交流伺服系统的性能与控制参数密切相关，由于离线整定的控制参数无法适应复杂的运行工况，为了获得满意的动态性能，需要对控制参数进行在线校正，使伺服机电参数得到最佳匹配，提高自身工况适应性和使用效率，发挥其最优工作状态。. 本项目围绕交流伺服系统动力学特性，深入探索复杂工况与控制参数之间的泛化关系，以高效率、高性能为目标，提出基于模型的控制参数自校正策略：①研究交流伺服系统运行过程中的工况特性，构造工况特性与被控模型映射关系；②完善数据向量选择规则，优化数据库更新淘汰机制，采用即时学习算法对被控模型参数进行在线高精辨识；③改进伺服动态性能评价指标，引入将来参考轨迹，研制高效、通用的广义预测控制算法，构造被控模型参数与控制参数的匹配规则，实现对控制参数的实时最优校正。. 项目研究成果有助提高我国数控机床的智能化水平，同时对推动高性能交流伺服系统的产业化具有重要的推广应用价值。

交流伺服系统在许多高科技领域得到了非常广泛的应用，如激光加工、机器人、数控机床等，但是目前国产的交流伺服系统在控制性能和智能化水平上与国外的先进技术差距较大。为了获得满意的动态性能，需要对控制参数进行在线自动校正，使伺服机电参数得到最佳匹配，发挥其最优工作状态。. 项目组围绕交流伺服系统动力学特性，深入探索了复杂工况与控制参数之间的对应关系，以高效、通用为目标，分别提出了基于广义预测控制的速度环和位置环控制参数自校正策略。得到以下三个结果：①提出了一种新型即时学习算法，设计了逼近工况特性的数据向量选择规则，构建了固定数据窗口的更新淘汰机制，实现了对交流伺服系统被控模型参数的在线高精辨识。与递推最小二乘算法进行对比，提出的即时学习算法每次运算时间小于1 ms，辨识精度明显优于递推最小二乘算法。②构建速度环双重性能评价指标，提出了一种二自由度PI速度控制器；研制了高效、通用的广义预测控制算法，简化丢番图方程，构建被控模型参数与二自由度PI参数的匹配关系，实现了对速度环控制参数的实时最优校正。通过仿真与试验验证，与采用固定控制参数进行对比，预测二自由度速度PI控制器能够根据工况变化自动做出参数调整，保持良好的速度跟踪性能。③针对位置控制特性，抑制系统位置超调，提出了一种具有复合结构的IP位置控制器；研制了具有模型误差修正的广义预测控制，优化被控模型输出误差，完善位置环性能评价指标，构建被控模型参数与IP参数的匹配关系，实现了对位置环控制参数的实时最优校正。通过仿真与试验验证，与采用固定控制参数进行对比，预测IP位置控制器能够根据工况变化自动做出参数调整，不仅避免了系统位置超调，还保持良好的位置定位特性。. 上述研究成果发表在《ISA Transactions》、《Journal of Process Control》、《International Journal of Robust and Nonlinear Control》等国内外期刊发表论文11篇，其中SCI收录3篇，EI收录5篇；申请并授权中国发明专利3项；1名博士生和2名硕士生完成了研究生学位论文，顺利毕业。