【技术实现步骤摘要】
本专利技术涉及永磁同步直线电机控制的相关领域，尤其是涉及一种基于变论域模糊迭代学习的磁驱运输线位置控制方法。
技术介绍
1、工业自动化离散智能制造设备是国家产业政策重点支持方向之一，但目前的离散制造系统运行效率不高，难以部署调试。因此能够实现高效率运行和部署调试的智能柔性传输线系统应运而生，其核心改变在于用多动子直线电机取代了传统同步式输送系统。
2、新一代高柔性磁浮作业系统的主要构成为：磁浮电机输送系统+自研一体化控制系统。其中，磁浮电机输送系统的核心就是磁驱运输线，由多个独立的直线电机动子完成搬运工作。因此设计合理的永磁同步直线电机位置控制策略，提高电机的位置跟踪精度是重点。
3、永磁同步直线电机的运动具有重复性，因此适用迭代学习控制(ilc)。但传统的迭代学习控制策略学习增益是固定的，控制系统会受负载扰动和参数变化的影响，降低控制效果。设计模糊控制器，根据控制系统状况改变迭代学习的增益。
4、模糊控制的设计较为复杂，需要丰富的专家经验和长时间的在线调整，尤其是论域大小和隶属度函数的形式难以抉择。变论域模糊控制能够根据系统误差调整模糊控制器的输入输出信息，通过设计伸缩因子来调整模糊控制器中的量化因子和比例因子，实现论域的收缩和膨胀。有学者设计了函数形式的伸缩因子，然而该方法需要人为确定式中参数值，通用性较差。
5、遗忘因子经常被用于改进迭代学习率，但固定的遗忘因子通常无法兼顾收敛速度和精度。有学者提出设计自适应率实现可变的遗忘因子，然而自适应率的选取又是一大难点。
技术实现思路
1、本专利技术实施例的目的是提供一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其目的在于提升磁驱运输线所用永磁同步直线电机的位置跟踪精度。
2、为解决上述技术问题，本专利技术实施例提供如下技术方案：
3、本专利技术提供一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，包括如下步骤：
4、s10.构建磁驱运输线所用永磁同步直线电机的数学模型；
5、s20.设计闭环迭代学习率；
6、s30.设计主模糊控制器；
7、s40.设计二级模糊控制器生成伸缩因子；
8、s50.设计变论域模糊闭环迭代学习率；
9、s60.设计自适应遗忘因子改进迭代学习率；
10、s70.设计平滑切换策略和缓步策略改进遗忘因子的自适应率；
11、s80设计带有改进型自适应遗忘因子的变论域模糊迭代学习控制率；
12、s90.搭建磁驱运输线所用永磁同步直线电机的仿真模型，将本专利技术设计的控制策略应用于永磁同步直线电机控制系统的位置环中，完成电机的位置控制。
13、在本专利技术第一方面的一些变更实施方式中，步骤s10中，构建的磁驱运输线所用永磁同步直线电机的数学模型为：
14、
15、其中，m为直线电机动子的质量，x为动子所在位置，ke为电磁推力常数，iq为d-q坐标系下q轴的电流，fl为负载扰动，bv为负载扰动系数，v为动子速度。
16、假设系统的状态变量为：
17、
18、则系统的状态方程为：
19、
20、进而可得系统的一般表达式：
21、
22、其中，t为系统运行时间，k为迭代次数，xk(t)为系统的状态向量，uk(t)为系统的控制向量，yk(t)为系统的输出向量，f(t,xk(t))为系统扰动，a、b、c为相对应维数的矩阵。
23、在本专利技术第一方面的一些变更实施方式中，步骤s20中，设计的闭环迭代学习率为：
24、
25、其中，uk+1(t)为第k+1次迭代系统的输出，uk(t)为第k次迭代系统的输出，ek+1(t)为第k+1次迭代时系统的跟踪误差，ek+1(t)＝yd(t)-yk+1(t)，yd(t)为系统的期望位置，kp、ki、kd分别为比例系数，积分系数和微分系数，τ是积分项中的时间变量。
26、在本专利技术第一方面的一些变更实施方式中，步骤s30中，设计的主模糊控制器为：
27、主模糊控制器的输入量为误差e、误差变化ec。输出量为δkp、δki、δkd。输入变量e和ec的论域均为[-6,6]，输出变量δkp、δki的论域为[-6,6]，δkd的论域为[-1,1]。e、ec、δkp、δki、δkd选取相同的模糊子集
28、{nb,nm,ns,zo,ps,pm,pb}，{nm,ns,zo,ps,pm}均采用三角形隶属度函数，nb选用z型隶属度曲线，pb选用s型隶属度曲线。
29、δkp、δki、δkd的模糊规则如表1-3所示。
30、表1δkp的模糊规则
31、
32、表2δki的模糊规则
33、
34、表3δkd的模糊规则
35、
36、在本专利技术第一方面的一些变更实施方式中，步骤s40中，设计的用于生成伸缩因子的二级模糊控制器为：
37、二级模糊控制器的输入变量为系统误差e和误差变化率ec，输出变量为伸缩因子α、β。α用于调整主模糊控制器中输入变量e和ec的论域大小，β用于调整主模糊控制器中输出变量δkp、δki、δkd的论域大小。α的模糊规则如表4所示，β的模糊规则为α加上一个足够小的正数ε，再乘不同的系数。
38、表4α的模糊规则
39、
40、在本专利技术第一方面的一些变更实施方式中，步骤s50中，设计的变论域模糊迭代学习率为：
41、
42、其中，kp1＝kp+δkp，ki1＝ki+δki，kd1＝kd+δkd，δkp、δki、δkd为主模糊控制器输出的修正值，kp1、ki1、kd1为修正后的迭代学习增益。
43、在本专利技术第一方面的一些变更实施方式中，步骤s60中带有自适应遗忘因子的迭代学习率为：
44、
45、其中，λ(k)为设计的自适应遗忘因子，表达式为：
46、
47、其中，k为迭代周期数。
48、在本专利技术第一方面的一些变更实施方式中，在步骤s70中，设计的带有平滑切换策略略的遗忘因子自适应率为：
49、
50、其中，sf为平滑因子，随时间和周期数改变，其表达式为：
51、
52、对k＝2时的自适应率加入缓步策略重新设计：
53、
54、其中，λ(t,k)为重新设计的遗忘因子，tf为本文设计的缓步因子，θ为平滑区间，当第二迭代周期的平滑因子大于平滑区间，则利用指数衰减函数进行平缓过渡，tf的表达式为：
55、
56、其中，tw为待设计的缓步宽度，且tw≤θ。
57、更新后遗忘因子的自适应率为：...
【技术保护点】
1.一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，步骤S10中，磁驱运输线所用永磁同步直线电机的数学模型为：
3.根据权利要求2所述的一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，步骤S20中，设计的闭环迭代学习率为：
4.根据权利要求3所述的一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，步骤S30中，设计的主模糊控制器为：
5.根据权利要求4所述的一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，步骤S40中，设计的用于生成伸缩因子的二级模糊控制器为：
6.根据权利要求5所述的一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，步骤S50中，设计的变论域模糊迭代学习率为：
7.根据权利要求6所述的一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，步骤S60中带有自适应遗忘因子的迭代学习率为：
8.根据
9.根据权利要求8所述的一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，在步骤S80中，设计的带有改进型自适应遗忘因子的变论域模糊迭代学习控制率为：
10.根据权利要求8所述的一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，在步骤S80中，将设计的带有改进型自适应遗忘因子的变论域模糊迭代学习控制策略应用于电机控制系统的位置环中，完成磁驱运输线所用永磁同步直线电机的位置控制，所述磁驱运输线采用环形导轨(100)和电机模块(200)任意组合搭配，采用可编程的电机控制系统。
...【技术特征摘要】
1.一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，步骤s10中，磁驱运输线所用永磁同步直线电机的数学模型为：
3.根据权利要求2所述的一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，步骤s20中，设计的闭环迭代学习率为：
4.根据权利要求3所述的一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，步骤s30中，设计的主模糊控制器为：
5.根据权利要求4所述的一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，步骤s40中，设计的用于生成伸缩因子的二级模糊控制器为：
6.根据权利要求5所述的一种基于变论域模糊迭代学习的磁驱运输线位置控制方法，其特征在于，步骤s50中，设计的变论域模糊迭代学习率为：
<...【专利技术属性】
技术研发人员：张艺镪，张涛，王博伦，裴多仲，夏宗震，
申请(专利权)人：沈阳盛科祝融技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。