中国电气工程大典 第15卷 电气传动自动化_701-750.docxVIP

·682·第5篇，装备制造电气自动化

承了人脑思维的非线性，具有非线性特性，所以智能控制方法更适用控制对象、环境和任务复杂的系统。目前，智能控制在直线电动机伺服系统应用中较为成熟的是模糊控制和神经网络控制。

模糊控制是根据工程技术人员的实际工作经验，运用模糊逻辑推理，并且借助于计算机来实现的一种控制方法。模糊控制器具有不依赖于被控对象的数学模型，适用范围比较广；对非线性及时变负载具有一定的鲁棒性等优点，此外，模糊控制器专用芯片已商品化，实时性好。因此，在直线伺服控制领域，模糊控制取得了一定的效果。针对直线电动机这种复杂的非线性系统的或变负载的应用场合，将模糊控制与PID控制进行了比较，显示了在此类系统的控制方案中采用模糊控制的优势。尽管模糊控制策略提高了智能性，但是单纯地采用模糊控制策略需要较多的控制规则，需要工作人员的大量经验，控制精度相对较低，因此，目前在直线伺服控制系统中，更多的模糊控制应用是与其他控制策略的复合，如自适应模糊控制、混合模糊控制和神经模糊控制等技术的充分运用。结合了传统PID控制和模糊逻辑推理各自的优势，在直线伺服系统的控制中，提出了基于模糊推理的自校正PID控制器，结果证明能很好地适应系统及环境的变化，从而满足工业过程中对伺服电动机的要求。在设计模糊控制器时，利用遗传算法进行离线优化设计，得到最优的参数，从仿真结果可以看出，经过参数优化的模糊控制系统具有良好的稳定性和鲁棒性。基于模糊自学习的交流直线伺服系统的滑模变结构控制，也成功地运用了模糊自学习策略来对实际系统地不确定性因素进行在线学习，对滑模切换控制的方向和幅值进行实时调整，从而大大削弱了滑模控制中的抖振。

神经网络具有信息分布存储、并行处理、非线性逼近及自学习等优点，所以在直线伺服控制领域显示了广阔的应用前景。目前，已经有许多学者从以下几方面进行了深人的研究：与传统的PID控制结合；将神经网络用于电动机参数的在线辨识、跟踪，并对磁通及转速控制器进行自适应调整；结合模型参考自适应控制，将神经网络控制器用作自适应速度控制器；将非线性神经网络控制与滑模控制相结合构成双自由度控制，该控制策略有效地解决了直线伺服系统跟踪性能和鲁棒性能之间的矛盾；与小波技术相结合，采用鲁棒小波神经元控制，克服了单纯采用神经网络学习速度较慢的缺陷。但神经网络的发展并不完善，在控制系统的稳定性、能控性、能观性和自学习速率的研究方面还存在许多问题。此外，人工神经网络的设计方法还需进一步改进。

除了模糊逻辑控制和神经网络控制外，另一种基于专家系统的智能控制引起了学者的兴趣，尝试着将其应用到交流伺服系统中去。将智能控制用于直线伺服系统的研究虽然已经历了一段时间，但目前仍处于开创性研究阶段，待研究的问题还比较多，

1.4直线电动机技术在装备制造中的应用

上面阐述了LPMSM基本原理、结构型式和不同的控制方式。其结构方式之所以有多种多样，主要是因不同实际需要而产生的，有的场合要求精度较高，有的场合精度不是主要因素，而可靠性和力能指标则要求很严，因而形成此类电动机宽广的应用领域，如交通运输方面：磁悬浮列车、电磁推进船、地铁和公路高速电动车。在物料输送与搬运方面：直线电梯与升降机、矿用推车机和竖井提升机；在汽车生产线、自动化仓库和立体式仓库有应用、银行票据传送系统；在工业和自动化：锻压设备、机加工的数控机床和加工

中心、真空断路器、浮法玻璃生产线、铁磁分离器、冶金工业、纺织工业、自动化和计算机等领域；在民用和建筑业方面：直线电动机驱动的空调和冰箱、建筑打桩机。在军事、医疗、电动工具和天文观测等各领域都用到直线电动机。这里仅介绍几个典型的应用实例。

1.4.1在高速加工中心和其他大行程数控机床进给系统中

的应用

直线电动机进给系统的特点在于利用电能直接产生直线运动，而不需任何中间转换机构。与间接产生直线运动的“旋转电动机+滚珠丝杠”进给系统相比，其优点在于没有机械摩擦，结构简单、体积小；行程理论上不受限制，而且性能不会因为行程的变化而受到影响；可以提供很宽的速度范围；加速度很大，最大可达10g;运动平稳；精度和重复精度高：维护简单等优点。Ford、Ingersoll和Anorad公司在20世纪80年代中期合作最初实现了直线电动机在机床上的应用。Ford公司希望机床既高速、高精度又高柔性。合作的结果是Ingersoll公司推出了“高速模块”HVM800,三轴都安装了Anorad公司的LPMSM,获得了很好的性能。据统计：1997年直线电动机驱动机床的销售量