在机电应用中驱动非线性负载的直流电机系统的控制策略
阿斯玛·阿尔-塔米米(Asma Al-Tamimi)、
法德瓦·阿尔-莫马尼(Fadwa Al-Momani)、
穆罕默德·萨拉赫(Mohammad Salah)、
苏莱曼·巴尼哈尼(Suleiman Banihani)和
艾哈迈德·阿尔-贾拉(Ahmad Al-Jarrah)
《Actuators》:Control Strategies for DC Motor Systems Driving Nonlinear Loads in Mechatronic Applications
Asma Al-Tamimi,
Fadwa Al-Momani,
Mohammad Salah,
Suleiman Banihani and
Ahmad Al-Jarrah
【字体:
大
中
小
】
时间:2026年03月21日
来源:Actuators 2.3
编辑推荐:
摘要
直流电机(DC motors)被广泛应用于机电系统中;然而,在存在非线性机械负载、参数变化和传感不确定性时,其性能会显著下降。本文提出了三种控制策略(PID控制器
摘要
直流电机(DC motors)被广泛应用于机电系统中;然而,在存在非线性机械负载、参数变化和传感不确定性时,其性能会显著下降。本文提出了三种控制策略(PID控制器、最优控制器和混合控制器),用于离散时间直流电机系统,以克服非线性机械负载和参数变化引起的干扰。非线性离散时间系统的最优控制可以通过哈密顿-雅可比-贝尔曼(Hamilton–Jacobi–Bellman, HJB)方程来描述,但该方程的解析解通常难以求解。为了解决这一问题,本文开发了一种基于启发式动态规划(Heuristic Dynamic Programming, HDP)框架的学习型最优控制策略来近似HJB方程,并提供了正式的收敛性证明。为此,使用了神经网络(Neural Networks, NNs)来近似成本函数和最优控制策略,从而在可管理的计算复杂度下实现接近最优的性能。尽管这种最优控制具有快速收敛性,但在非线性干扰下可能会产生超调(overshoot)和稳态偏移(steady-state offset)。为了解决这一限制,提出了一种混合控制框架,将非线性最优校正与比例-积分-微分(Proportional–Integral–Derivative, PID)控制的鲁棒性和适应性相结合,通过误差依赖的门控(error-dependent gating)和增益调度(gain-scheduling)机制来实现。评估框架包括名义分析(nominal analysis)、在九种非线性场景下的电机参数应力测试(motor-parameter stress testing)、控制器设计敏感性分析(controller-design sensitivity analysis),以及在滤波传感条件下的随机测量噪声评估(stochastic measurement-noise assessment)。结果表明,在名义条件下,混合控制器能够将瞬态速度保持在最优控制器的5-10%范围内,同时有效消除超调和稳态偏移。与最优控制器相比,混合设计将累积跟踪误差减少了95%以上,而仅增加了可忽略的额外控制工作量。在严重的供电电压波动(supply-sag disturbances)下,混合控制器显著限制了峰值偏差,并将累积跟踪误差减少了90%以上,同时保持了可控的成本。总体而言,这种混合框架提供了一种经过收敛性验证且实际可行的控制解决方案,它结合了接近最优的收敛速度和鲁棒、无超调的性能,适用于智能运动控制和机器人应用。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号