10、电气驱动与功率变换器的PID及预测控制解析

电气驱动与功率变换器的PID及预测控制解析

1. 速度和位置的级联控制

1.1 级联控制原理

在电气驱动控制中,速度和位置的级联控制是一种常见且有效的控制策略。对于电流 $i_{sq}$ 的内环控制,由于系统存在非线性和耦合项,通常采用带有前馈补偿的PI或P控制器。而外环速度控制则通过调节电流 $i_{sq}$ 的设定点来实现控制目标。

速度 $\omega_m$ 依赖于 $i_{sq}$ 和 $\psi_{rd}$ 。为使外环速度控制获得理想的闭环性能,需尽量减小 $\psi_{rd}$ 的变化,使其能近似为线性时不变系统,即让其值在闭环反馈控制中收敛到预期的稳态值。理想情况下,对 $\psi_{rd}$ 应采用级联反馈和前馈控制,内环使用带前馈线性化的比例控制器,通过调节 $u_{sd}$ 控制 $i_{sd}$ ;外环使用PI控制器,通过调节设定点信号 $i_{sd}^*$ 控制 $\psi_{rd}$ 。但该级联控制策略需要 $\psi_{rd}$ 作为反馈信号,而此信号通常无法直接测量。

1.2 级联控制设计步骤

1.2.1 内环比例控制器设计

从方程 (3.105) 出发,定义辅助变量 $\hat{u} {sq}(t)$ :
[
\frac{1}{r
{\sigma}\tau_{\sigma}’}\hat{u} {sq}(t) = \frac{1}{r {\sigma}\tau_{\sigma}’}u_{sq}(t) - \omega_s(t)i_{sd}(t) - \frac{k_r}{r_{\sigma}\tau_{\sigma}

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导仿真实践,利用人工神经网络对复杂的非线性关系进行建模逼近,提升机械臂运动控制的精度效率。同时涵盖了路径规划中的RRT算法B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿高精度轨迹跟踪控制;④结合RRTB样条完成平滑路径规划优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析神经网络训练,注重理论推导仿真实验的结合,以充分理解机械臂控制系统的设计流程优化策略。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值