机电控制系统原理与设计-基于六自由度的模拟目标追踪

机电控制系统原理与设计-基于六自由度的模拟目标追踪内容摘要：

度， i=1,„,6。 上式是 6个独立的显式方程，当已知该并联机构的基本尺寸和动平台的位置和姿势后，就可以求出 6个驱动杆的杆长。 这就是六自由度平台的逆解。 第 3 章基于动态模糊神经网络的鲁棒混合控制 六自由度液压伺服平台控制策略主要分为两种：一种是基于平台铰接空间的控制方法，另一种是基于平台空间的控制方法。 本章主要是基于铰 接空间的控制器的设计，也就是把六自由度并联平台的六路并行的阀控液压系统分别作为独立的控制系统进行控制。 基于铰链空间的控制框图如图 31 所示，设定的位姿通过位置反解得到每个液压伺服系统驱动杆的伸缩量的设定值，每个驱动杆的伸缩量 的设定值 与 位移传感器的实际值进行比较，其差值进入控制器后控制各自的液压伺服系统。 这种控制器在工程实践中应用较为广泛，相当于把六自由度并联平台任何一路液压伺服系统的数学模型看成被控对象进行控制。 图 31 基于铰接空间的控制框图 在六自由度并联平台中六个液压缸作用于同一负载，使得各个通道 的输出响应将互相产生影响，因此并联平台是一个高度非线性系统，强耦合复杂系统。 这种负载交联耦合作用体现在每个通道上就是使得这一通道是一个具有时变外干扰变负载系统，使其模型具 有外干扰和参数摄动。 因此使用传统的控制系统设计很难满足控制要求，这就需要设计先进的控制策略来提高系统性能。 使其对外界干扰具有抑制作用以及对系统参数的摄动具有鲁棒性。 本章针对液压伺服系统具有复杂外干扰和系统参数摄动的特点 ,提出了一种鲁棒复合控制结构 ,该结构由 PD 控制器、鲁棒内回路控制器、零相位误差跟踪控制器和动态模糊神经网络补偿器等四部分组 成。 其中 ,PD 控制器实现系统的反馈控制 ,以保证整个系统的稳定性。 鲁棒内回路控制器能够抑制各种扰动和参数摄动的影响。 零相位误差跟踪控制器能够提高系统响应的快速性。 动态模糊神经网络补偿器实现对 PD控制器的补偿控制 ,进一步提高系统的动态性能。 基于动态模糊神经网络的鲁棒复合控制器设计 将一种动态模糊神经网络复合控制应用在电机控制中 ,有效地抑制了外界不确定性干扰和系统参数摄动的影响 ,取得了很好的控制效果 ,本文考虑将这种思想应用到液压伺服系统中。 液压伺服系统在存在负载交联藕合这种不确定性扰动和参数摄动的情况下 ,传统的控制器已经不能满足性能要求 ,需要设计一个具有良好鲁棒性能的控制策略来改善系统的性能。 为了得到具有快速跟踪能力、高精度和优良鲁棒性的控制系统采用双回路结构设计 ,主要包括 PD 控制器、鲁棒内回路控制器、零相位误差跟踪控制器和动态模糊神经网络补偿器。 在鲁棒复合控制中 ,PD 控制器实现系统 的反馈控制 ,以保证整个系统的稳定性。 鲁棒内回路控制器用来抑制各种扰动和参数摄动的影响 ,将外部力矩干扰及模型参数变化造成的实际对象与名义模型输出的差异 ,统统等效到控制输入端进行补偿 ,并促使实际系统逼近给定的名义模型。 零相位误差跟踪控制器保证系统的快速性 ,提高跟踪精度。 动态模糊神经网络补偿器实现对 PD控制器的补偿控制 ,通过学习进一步抑制外界干扰以及补偿参数摄动带来的不确定性。 这样由 PD 控制器、鲁棒内回路控制器、零相位误差跟踪控制器和动态模糊神经网络补偿器等四部分就构成了液压伺服系统的鲁棒复合控制器 ,基于动态模糊 神经网络的鲁棒复合控制器框图如图。 图中 ,yd为输入指令信号。 y为输出信号。 uf 为动态模糊神经网络补偿输出。 ud 为 PD 控制器输出。 ur 为参考控制输入信号。 u为控制输入信号。 e和 ep,为误差信号。 d 为外部扰动信号 为测量噪声。 图 32 基于动态模糊神经网络的鲁棒复合控制器框图 基于干扰观测器 (DOB)的鲁棒运动控制方法由 Ohshi提出 ,目前广泛应用于各类电动高精度机械伺服系统。 干扰观测器设计基于被控对象的开环数学模型 ,其基本思想是将外部力矩干扰及模型参数变化造成的 实际对象与名义模型输出的差异 ,统统等效到控制输入端 ,即观测出等效干扰 ,在控制中引入等量的补偿 ,实现对各种干扰的完全抑制 ,同时还可以减弱非线性环节对伺服系统性能的影响 ,具有很强的鲁棒性 . 鲁棒内回路控。