大惯量非线性系统的多驱动控制

From the demands of accurate control for large inertia nonlinear systems, and aiming at solving the key problems of the multi-motor drive control, this project investigates the optimization design of bias torque, multi-motor synchronization control, mechanical resonance rejection and compensation control for non-smooth dynamics. The project includes the following contents.The optimization update scheme of the bias torque is proposed to solve the uncontrollable problem of backlash with minimum energy. The nonlinear speed-deviation feedback control is established for master-slave drive systems to realize the fast synchronization control. The load acceleration and disturbances are estimated by the finite time extended observer, and the recursive dynamic surface control based on the extended observer is given to solve the mechanical resonance which can achieve the control performances in the limited time. The piecewise neural networks are proposed for the piecewise functions in the control systems and the corresponding identification method for the friction is given. The compensation control based on the neural networks is proposed to improve the low speed performances. The overall identification model and control scheme are established for large inertia nonlinear systems with multi-drive control.The theoretical results will apply to the four-motor synchronization control system. The project provides the theoretical supports for large inertia nonlinear systems with multi-motor drive control. The results of the project give new methods to solve the control of nonlinear systems with large inertia loads.

项目从大惯量非线性系统精确控制的需求出发，针对多电机同步驱动控制中存在的关键问题，开展偏置力矩优化设计、多电机同步控制、机械谐振抑制、非光滑动态补偿控制研究。研究内容包括: 提出了偏置力矩的优化调节算法，以最小能耗解决齿隙不可控问题；给出主从驱动子系统的非线性速度差反馈控制，实现多电机快速同步控制；为了克服大惯量系统的机械谐振和抑制外界干扰，研究能同时估计负载加速度和干扰的有限时间扩展观测器，给出了基于扩展观测器的快速递归动态面控制，以期望动态在有限时间内达到控制要求；针对控制系统中存在的分段函数，提出了分段神经网络模型，研究了摩擦特性的分段模型并建立神经网络补偿控制，提高系统的低速性能；建立大惯量非线性系统多驱动控制的整体模型及综合控制方案，将理论研究成果应用到实际四电机同步控制系统。项目研究成果为研发高精度大惯量系统的多驱动控制提供理论支持，为解决大惯量非线性系统的控制提供新方法。

项目研究了大惯量非线性系统的多电机驱动控制。主要研究内容有：（1）多驱动系统的同步控制。提出了基于时变增益反馈的同步控制、基于交叉耦合的同步控制和基于主从差速反馈的同步控制策略，实现了多电机的快速同步。（2）偏置力矩的优化消隙控制。提出了基于微粒群算法的最优偏置力矩和动态偏置消隙力矩，以较小能耗解决齿隙不可控问题。（3）基于扩张观测器的动态面控制。提出了基于非线性扩张状态观测器的快速递归动态面控制、基于回声神经网络观测器的高阶滑模微分器动态面控制、基于高阶滑模观测器的神经网络控制和基于有限时间扩张观测器的自适应鲁棒输出跟踪控制，提高了系统对外界干扰的抑制能力。（4）含非光滑动态的伺服系统控制。针对含摩擦的多驱动系统，提出了自适应滑模控制、基于分段神经网络的快速终端滑模控制、基于观测器的自适应反步控制以及神经自抗扰控制。针对含死区的非线性系统，提出了基于扩张状态观测器的鲁棒输出控制和基于神经网络观测器的最优跟踪控制，提高了非光滑动态的补偿能力。（5）迟滞系统的辨识与控制。提出了连续Preisach模型的分段辨识方法、离散Preisach模型的基于盲辨识策略的复合补偿控制、基于自适应辨识的鲁棒自适应控制及包含逆模型和离散滑模控制构成的混合控制策略。（6）带有机械谐振特性的伺服系统的辨识与控制。设计了基于复向量拟合策略的辨识模型，提出了基于规定性能约束的自适应神经网络动态面控制，减少了机械谐振对系统性能的影响。（7）改进微粒群算法的研究。提出了基于联合谱半径分析的随机微粒群算法以及基于合作和竞争的微粒群算法；（8）控制算法在实际系统中的应用。将提出的控制算法应用于转台伺服系统和四电机驱动伺服系统，实验结果验证了算法的有效性。项目成果可用在火炮、雷达及工业控制等大惯量系统，为大惯量系统的控制提供新的研究方法，对提高大惯量多驱动伺服系统的控制性能具有重要指导意义。