论文部分内容阅读
直线电机是一种直接将电能转化为直线运动的机电装置，与旋转电机相比较，直线电机具有推力大、速度快、结构简单、运行效率高等特点。随着加工技术以及材料学的发展，具有“高响应、高精度、高刚度”的永磁直线同步电机（Permanent Magnet Linear Synchronous Moto，PMLSM）的出现，使得直线电机的应用范围越来越广泛。结构的简化也给直线电机引入了新的干扰：推力波动（由端部效应、齿槽效应、纹波推力造成）、摩擦力、状态的观测噪声等等。这些扰动给直线电机的精密控制增加了难度。该论文针对PMLSM存在的不确定干扰问题，通过设计不同的控制方法来提高PMLSM的跟踪精度，主要取得了以下的成果： （1）设计了一种基于RBF神经网络的混合控制器。该混合控制器由PID控制器与神经网络控制器串联而成，PID控制器能够保证系统的稳定性，而神经网络具有很强的逼近能力与自适应能力，在实验中，简化了部分参数的手动调节。实验结果表明了所设计控制器的可行性。 （2）提出了一种改进型的迭代学习控制算法，该算法针对普通迭代算法在迭代初始过程迭代轨迹的大幅摆动与跟踪精度不高的问题，引入了初始控制量与自适应因子。仿真和实验表明了算法的可行性。 （3）在改进型迭代学习控制算法的实验验证中，为了提高PMLSM的跟踪精度，在上述方法中引入了前馈控制。通过反馈与前馈的共同作用，来改善PMLSM的跟踪性能。最后在实验平台上进行验证，PMLSM的跟踪精度达到了一个很高的水平。