智能控制步进电机驱动器外文翻译Word文档下载推荐.doc
《智能控制步进电机驱动器外文翻译Word文档下载推荐.doc》由会员分享,可在线阅读,更多相关《智能控制步进电机驱动器外文翻译Word文档下载推荐.doc(17页珍藏版)》请在冰豆网上搜索。
基于混合神经模糊方法智能控制步进电机驱动器
P.Melin,O.Castillo
摘要:
步进电机被广泛应用于需要准确定位的机器人和高精度数控机床中。
但是,因常用的两个程序的驱动器机械结构变化,会导致其高步进频率的同步性削弱。
而且,由于传统开环控制在速度控制上有缺陷使得闭环控制显得十分重要。
本文中,主要研究应用模糊逻辑控制步进电机驱动的速度与反馈。
用神经模糊混合方法设计智能系统的模糊规则库以进行控制。
特别是,我们将用ANFIS研究方法建立一个Sugeno模糊模型来控制步进电机的驱动器。
为了了解模糊逻辑控制器的跟踪性和稳定性能力,应用到一种先进的实验进行评估。
关键词:
智能控制;
神经模糊法;
ANFIS研究方法;
步进电机
1简介
步进电机可以看作是没有换向器的电机[9]。
通常,定子上绕线圈构成定子绕组;
转子是用永久性磁铁或在磁阻式步进电机中用软磁性材料做成的凸极结构。
所有的变换必须由电机控制器进行外部处理,一般情况下,电机及控制器的设计是为了其能准确定位和任意旋转。
大多数步进电机通过加强脉冲频率,使其加快旋转速度,并且选用一个适当的控制器可在方向控制中实现瞬间开始和停止。
对于一些应用软件,在使用伺服电机和步进电机之间可以有一个选择。
两种电机在精确定位控制方式上相似,但在许多方面都有区别。
伺服电机需要某种类型的模拟反馈控制系统。
通常,这涉及到一个电位器,以提供有关转子位置反馈和一些电路组合,通过电机与期望位置和当前位置之差成反比来驱动电流。
在选择步进电机和伺服电机时,一些问题必须予以考虑;
哪一个符合将取决于应用软件。
例如,用步进电机进行重复定位取决于电机的转子几何,而用伺服电机进行重复定位一般取决于反馈电路中的电位器和其他模拟组件的稳定性。
步进电动机可用于简单的开环控制系统,这类电机能够在静态负荷低加速度的操作系统中充分运作。
但闭环控制可能对于高加速度至关重要。
尤其是当涉及变载荷作用【1】。
如果在一个开环控制系统步进电机的扭力过大,转子位置的数据丢失,系统就必须重新初始化。
然而伺服电机不受此问题的影响。
此论文中模糊逻辑程序的运用旨在控制步进电机的速度。
闭环控制方案必须通过设计者的直觉和经验把工程学方面的知识运用到自动控制系统中。
这个方案是由Zadeh[22–25]提出,用来阐述那些用传统数学难以分析的复杂体系。
的确,Mamdani[11]是第一个报道关于用模糊逻辑控制小型实验室蒸汽机的人。
这一研究的成功使许多科学家尝试着利用模糊算法去控制工业生产,如化学反应器,自动电机或核反应器。
实验结果显示,模糊控制器的表现与经典控制器不相上下甚至更好。
不仅如此,该项技术还具有只需要通过一台数字电脑来执行用一个简单的数学模式来规定算法的优势。
这些特征被理解成为非线性的过程,这是因为没有可靠的复杂的系统,并且这些系统在涉及到大量方程式的时候都是无效的[3]。
另外,在电机的控制方面,直流电机和感应电机有着更为广泛的应用[10]。
然而,模糊逻辑面临的主要问题是在模糊控制器的设计上没有系统的程序。
因此,在论文中我们建议利用合适的神经模糊推理系统(ANFIS)研究方法[7,8]来改变模糊系统控制的参数[2,4]。
我们利用这种神经模糊方法和该问题的真实数据来研发这个控制器。
2步进电动机的基本概念
步进电动机分成两类:
永磁式和磁阻式(从控制器的角度无区别于永磁式也有混合式)你可以利用电阻表将这两类区分开来。
磁阻式电机通常有三个(有时四个)绕组和一个公共回线。
然而一个普通的永磁式步进电机通常包含有或无中心抽头的两个独立的绕组。
中心抽头绕组用于单极性永磁式步进电机[9]。
步进电机拥有广泛的角分辨率。
最劣质的电机转速达到90o每步,而高分辨率永磁式步进电机通常能够处理转速达到1.8o甚至0.72o每步。
在一个适当的控制器下,大多数永磁式和混合型步进电机可以以半步运行,一些控制器能处理较小分步或者微步。
A、磁阻式步进电机
假如您的电机有三个绕组,通常与一个终端共同绕组链接,如示意图.1。
那么它最有可能是磁阻式步进电机。
在使用中,共有的电线通常连接在正极,绕阻也就依次通电。
示意图.1中横截面展示的30o每步的磁阻式步进电机。
这种电机有4颗齿状的转子和6个极点的定子,以及每个绕组包裹在对立极点的上。
1号绕组通电,标有X的转子齿会被吸引到这个绕组的极点。
如果通过绕组1的电流关闭,绕组2打开,转子将会逆时针旋转30o使标有Y极点和标有2的极点在一条直线上。
有的磁阻式式步进电机有4和5个线组,则需要5或者6根线。
这些电机的驱动原理与3绕组的电机一样,但是它对于编制出正确的顺序来激发绕组使得电机很好的步进越显重要。
如图。
1的电机几何说明:
30o每步,用最少的转子齿和定子极点圆满完成。
允许用更多的电动机极点和转子齿获取较小的步距角。
图1、示例磁阻式电动机
B、单极性步进电机
单极性步进电机,永磁式和混合式步进电机有5或6根线连线如示意图.2所示。
每两绕组有一个中心插头。
在使用过程中,绕组的中心抽头通常被连接到正极,每组绕组的两端交替的接地,使励磁绕组按规定反向。
电机截面图.2所示是一台30o每步的永久式或者混合式步进电机。
对于更高的角度分辨率,转子必须有适量多的极点。
该图中30o每步的电机是最常见的永磁式步进电机的设计之一,然而15o和7.5o每步的电机也被广泛使用。
图2、单极性步进电机
C、双极性步进电机
双极性步进电机和混合型永磁式步进电机均完全采用单极性步进电机上使用的机制原理,但两个绕组的布线更简单,无中心抽头。
原理图图3显示了这种电机是怎么布线的,然而在这里的电机截面图清楚地显示出与图2截面图一样。
图3、双极性步进电机
3步进电机的动态特性
每当你步进一步,你将自动地在平衡位置移动S弧度。
这可以使整个曲线距离上条曲线S弧,如示意图.4:
图4、步进电机的动态
首先要注意首步的进程,当转子中途从一个步骤到下一步的时候,应让最大的扭矩尽可能小。
电机的最大扭矩能够驱动是因为其缓慢步进,这决定着旋转力矩。
对于常见的理想正弦扭矩的双绕组永磁式步进电机比上位置曲线和保持转矩h,应为h/(20.5).如果每次由双绕组驱动电机步进,理想双绕组永磁式步进电机的旋转力矩和单绕组旋转力矩相同。
应该指出的是,以更高步进速度,旋转力矩有时被定义为拨出扭矩。
由此产生的一个类似于显示在图.5的轨迹。
图5、电机转子轨迹
电机的转子共振频率取决于振幅,但由于振幅减小,共振频率上升到一个明确界定的小幅度的频率。
从形式上看,小振幅共振可以计算如下:
T=μA
其中:
T是应用于转子的扭矩,是转子和负载的转动惯量以及A是角加速度(弧度/秒)。
我们假设,对于小振幅,转子上的扭矩可以近似于平衡位置位移的线性函数。
因此,应用胡克定律:
T=-kΘ
k是系统的“弹性常量”单位是力矩每弧度,Θ是转子角位置的弧度。
我们可以通过扭矩相等得到以下公式:
A=-KΘ
注意,加速度是位置相对于时间的第二次导数:
A=d2Θ/dt2
因此,我们以微分方程形式重写以上公式:
d2Θ/dt2=-(K/)Θ
为了解决这一点,我们必须的回忆一下:
因f(t)=asinbt演变而来的:
注意的是,在整个讨论中,我们假设转子共振。
因此,它有一个类似的运动方程:
其中a为振幅的共振角;
f为共振频率。
这将是上述微分方程的一个允许解,如果我们设定:
在实践中,当步进率接近系统的任何一个共振频率会造成重大问题,其结果时常出现随机和不可控制的运动。
4步进电机的模糊逻辑控制器
模糊逻辑控制器提供了一个算法,它是转变成语性言控制,以专门知识为基础的自动进入控制策略[14]。
因此,比之于传统逻辑系统,模糊逻辑算法更加接近人的思维[5,15]。
模糊逻辑控制器产生的主要问题是有关调节器参数的选择[12]。
基于此种理由,我们根据实际有关问题的数据用ANFIS方法来调节模糊控制器的参数[13]。
实验如图.6所示,PC机把产生的步骤输入到系统并储存和反应,该模糊控制器包含在PC中并且根据相应的操作系统响应。
现在,我们简要地描述了系统的模块。
图6、框图实验系统
1。
电机/驱动器:
微型步进电机VextaPV266-01E。
5个相数和500步每转(电机如图.7)。
多分辨率功率驱动器VextaDFR1514A(最低500步每转;
最大:
125000步每转)。
图7、电机VextaPV266-01E
2。
编码器:
40000转每分光学编码器。
这种编码器生成两个90o方波信号。
这些信号的大小确定电机的运动。
我们用Altera(EP5032)可编程逻辑器件(PLD)来确定电机的运动。
3。
数据采集卡:
研华PCL-818。
8个模拟输入和2个模拟输出(12位),16个数字输入,16个数字输出。
采样时间使用0.25毫秒。
4。
计算机/软件:
733MHz的奔腾III。
我们在C语言中设计了一个小型实时内核控制和数据采集,并在MATLAB里进行糊控制器编程[16].语言控制规则的制定考虑了步进马达驱动的动态特性,分析了误差及其变化。
这些控制规则表示如下:
假如错误是LP和更改错误是LP
ThenSpeed=P1*Error+q1*change_Error+r1
假如错误是LP和更改错误是MP
ThenSpeed=P2*Error+q2*change_Error+r2.....
这是一个用于控制步进电机的Sugeno模糊模型[17,19]。
我们使用ANFIS方法论估计从属函数的参数及相应的功能。
我们使每个语言变量有9个规则和3从属度函数的模糊模型。
这会使模糊控制器给出最好的结果。
我们再如图.8中显示了ANFIS方法模糊系统的结构。
与此同时我们也在图.9中ANFIS方法的构造显示了自动适配网络中的模糊规则。
由ANFIS的方法产生的模糊规则如图10所示,这些规则由ANFIS方法自动生成。
在图11中从属函数也由ANFIS方法自动生成。
在图.12,我们显示了该模糊模型的非线性表面。
最后,我们在如图13中展示了MATLAB的模糊规则指示器,它显示了用模糊系统来计算特定输出值下的模型的输入值。
图8、体系结构与ANFIS的Sugeno型模糊系统的方法
图9、自适应模糊神经网络结
图10、所产生的模糊规则自适应神经模糊推理方法
图11、用ANFIS产生从属函数的方法
图12、非线性表面的Sugeno模糊模型
图13、模糊系统计量特定输出值下的模型输入值指示器
5ANFIS的硬件执行
在这一部分,对硬件执行进行了详细的描述。
真正实现拥有一个智能步进电机ANFIS控制器的使用是必须的。
该神