基于矩阵范数的永磁同步电机模糊滑模变结构控制.docVIP

基于矩阵范数的永磁同步电机模糊滑模变结构控制 刘庆永 （控制科学与工程学院　控制理论与控制工程　2010010217） 摘 要：设计出一种结合T-S模型与滑模技术的自适应模糊滑模控制器,用于PMSM系统的鲁棒速度跟踪。采用自适应技术对不确定性范数进行估计,全局控制器由T-S模糊局部补偿器与滑模监督控制器构成。该方法能够充分利用模糊逻辑控制和滑模控制的优点,且全局闭环系统的跟踪性能和鲁棒性能得到显著改善。实验结果证明了该方法的有效性和正确性。 问题的提出 永磁同步电机(PMSM)具有效率高、功率密度大及损耗低等优点,在工业领域得到越来越广泛的应用。在一些要求高性能的驱动场合,如机器人、轧钢机和机床系统等,要求控制系统具有良好的驱动响应、较强的干扰恢复能力及对参数摄动的不敏感性等。近些年来,将非线性控制技术应用到电机系统中,设计出高性能的PMSM控制器逐渐成为学者们的研究热点。 模糊逻辑具有类似于人脑的自然语言表达能力,非常适合于描述复杂非线性系统。在目前出现的众多模糊建模技术中,日本学者提出的T-S模糊系统模型因其概念简单等优点而成为广泛研究的建模方案。相较于传统的Mamdani模糊模型,基于T-S模型的控制方法主要优点是其稳定性和系统性能可采用Lyapunov法直接进行分析。虽然理论上T-S模型能很好地模拟非线性系统动态行为,但由于PMSM系统存在参数不确定性和外部干扰,应用时模型误差不可能完全消除,仍需要采用鲁棒控制技术来补偿这些不确定性对系统性能的影响。而另一方面,T-S模型本身具有天然的与鲁棒控制相结合的能力,作为常用的鲁棒控制方法,滑模变结构控制(SMC)对系统参数摄动和外干扰鲁棒性非常强,且结构简单、响应快速,已出现众多结合两种技术的控制方案设计。 本文结合滑模变结构控制和T-S模糊技术,设计出一种新的自适应模糊滑模控制器(adaptive fuzzy sliding - mode controller, AFSMC),用于PMSM系统的鲁棒速度跟踪控制。 问题的求解 1　PMSM电机模型 在两相静止坐标系下,PMSM电机的反电动势定义为（1） 式中,eα、eβ分别为反电动势α、β轴分量,包含有转速与转子位置信息;ωm为转子机械转速;θm为转子位置;λ为转子永磁体磁链;p为极对数。 对eα、eβ求导数,以定子电流和反电动势(iα,iβ,eα,eβ)为状态变量,则依据式(1)可将IPMSM系统模型转化为如下新模型: 式中,S为转子转动方向,S=sgn(ωm);iα、iβ、uα和uβ分别为定子电流和定子电压在α、β轴的分量;Rs为定子电阻;Ls为绕组电感;B为摩擦因数;J为转动惯量。 值得注意的是,文献[1]中的IPMSM系统状态模型是以(iα,iβ,ωm,θm)为状态变量,若用该模型表示PMSM系统,并进行T-S模糊控制器设计,则无法得到可行的LMI解,即找不到合适的反馈增益矩阵K使得闭环系统稳定[3]。因此,需要经由式(1)的转换,将IPMSM系统表示为式(2)所示模型。另外,与文献[1]中模型比较,式(2)中的eα、eβ等式舍弃了负载项TL/J。从控制理论角度看,这样做是可行的,因为,若将电机启动后负载大小的变化看作系统的外部干扰,由后文可知,所设计的AFSMC控制器便具有足够的鲁棒性来抵消TL的变化对系统性能的影响。 2　PMSM电机的T-S模型设计 令状态向量 x ( t ) = (iα,iβ,eα,eβ) T，输入控制量 u ( t ) = (uα,uβ) T，测量输出 y (t)=(iα,iβ)T,可将PMSM的状态方程(式(2))写成如下矩阵形式: 根据T-S模型设计思想,首先将PMSM系统划分为若干线性子系统,即非线性系统式(3)可由下面的n条模糊规则描述。 对象规则Ri: if z1(t) is M1,i, z2(t) is M2,i, …, and zg(t) is Mg,i, then(t) =Aix(t)+Biu(t),i =1,2,…,n 其中,Ri为第i条规则;z(t)为含有电机状态的前件向量,z(t) = (z1,z2,…,zg)T;Mg,i为模糊子集;Ai、Bi为第i个子系统相应维数的系统矩阵和控制矩阵;n为规则条数。 使用单点模糊化、乘积推理和加权平均解模糊方法,可得PMSM全局模糊状态方程为 式(4)中的模糊基函数，且满足表示前件变量对应于模糊集合的隶属度。 需要注意的是,系统式(4)表示的仅仅是当电机参数固定及负载转矩为常数时的PMSM模糊模型。在实际中还需考虑参数及负载的变化,于是模糊模型式(4)可改写为 式中,Φi(x,t)为因参数及负载变化而引起的不确定性项,这里假设所有不确定性项均满足匹配条件。 要完成模糊模型式(5)所表示的电机系统设计,还需进行前件向量的选择、