1 PID 控制

PID 控制作為一種簡單而實用的控制方法 , 在步進電機驅(qū)動中獲得了廣泛的應用。它根據(jù)給定值 r( t) 與實際輸出值 c(t) 構(gòu)成控制偏差 e( t) , 將偏差的比例 、積分和微分通過線性組合構(gòu)成控制量 ,對被控對象進行控制 。文獻將集成位置傳感器用于二相混合式步進電機中 ,以位置檢測器和矢量控制為基礎 ,設計出了一個可自動調(diào)節(jié)的 PI 速度控制器 ,此控制器在變工況的條件下能提供令人滿意的瞬態(tài)特性 。文獻根據(jù)步進電機的數(shù)學模型 ,設計了步進電機的 PID 控制系統(tǒng) ,采用 PID 控制算法得到控制量 ,從而控制電機向指定位置運動 。最后 ,通過仿真驗證了該控制具有較好的動態(tài)響應特性 。采用 PID 控制器具有結(jié)構(gòu)簡單 、魯棒性強 、可靠性高等優(yōu)點 ,但是它無法有效應對系統(tǒng)中的不確定信息 。 [2] 

目前 , PID 控制更多的是與其他控制策略相結(jié)合 , 形成帶有智能的新型復合控制 。這種智能復合型控制具有自學習 、自適應 、自組織的能力 ,能夠自動辨識被控過程參數(shù) , 自動整定控制參數(shù) , 適應被控過程參數(shù)的變化 ,同時又具有常規(guī) PID 控制器的特點。 [2] 

2 自適應控制

自適應控制是在 20 世紀 50 年代發(fā)展起來的自動控制領域的一個分支 。它是隨著控制對象的復雜化 ,當動態(tài)特性不可知或發(fā)生不可預測的變化時 ,為得到高性能的控制器而產(chǎn)生的 。其主要優(yōu)點是容易實現(xiàn)和自適應速度快 ,能有效地克服電機模型參數(shù)的緩慢變化所引起的影響 ,是輸出信號跟蹤參考信號 。文獻研究者根據(jù)步進電機的線性或近似線性模型推導出了全局穩(wěn)定的自適應控制算法 , 這些控制算法都嚴重依賴于電機模型參數(shù) 。文獻將閉環(huán)反饋控制與自適應控制結(jié)合來檢測轉(zhuǎn)子的位置和速度 , 通過反饋和自適應處理 ,按照優(yōu)化的升降運行曲線 , 自動地發(fā)出驅(qū)動的脈沖串 ,提高了電機的拖動力矩特性 ,同時使電機獲得更精確的位置控制和較高較平穩(wěn)的轉(zhuǎn)速 。 [2] 

目前 ,很多學者將自適應控制與其他控制方法相結(jié)合 ,以解決單純自適應控制的不足。文獻設計的魯棒自適應低速伺服控制器 ,確保了轉(zhuǎn)動脈矩的最大化補償及伺服系統(tǒng)低速高精度的跟蹤控制性能 。文獻實現(xiàn)的自適應模糊 PID 控制器可以根據(jù)輸入誤差和誤差變化率的變化 , 通過模糊推理在線調(diào)整 PID參數(shù) ,實現(xiàn)對步進電機的自適應控制 , 從而有效地提高系統(tǒng)的響應時間 、計算精度和抗干擾性 。 [2] 

3 矢量控制

矢量控制是現(xiàn)代電機高性能控制的理論基礎 ,可以改善電機的轉(zhuǎn)矩控制性能 。它通過磁場定向?qū)⒍ㄗ与娏鞣譃閯畲欧至亢娃D(zhuǎn)矩分量分別加以控制 ,從而獲得良好的解耦特性 ,因此 , 矢量控制既需要控制定子電流的幅值 ,又需要控制電流的相位 。由于步進電機不僅存在主電磁轉(zhuǎn)矩 , 還有由于雙凸結(jié)構(gòu)產(chǎn)生的磁阻轉(zhuǎn)矩 , 且內(nèi)部磁場結(jié)構(gòu)復雜 , 非線性較一般電機嚴重得多 , 所以它的矢量控制也較為復雜 。文獻[ 8] 推導出了二相混合式步進電機 d-q 軸數(shù)學模型 ,以轉(zhuǎn)子永磁磁鏈為定向坐標系 ,令直軸電流 id =0 ,電動機電磁轉(zhuǎn)矩與 i q 成正比 , 用PC 機實現(xiàn)了矢量控制系統(tǒng) 。系統(tǒng)中使用傳感器檢測電機的繞組電流和轉(zhuǎn)自位置 ,用 PWM 方式控制電機繞組電流 。文獻推導出基于磁網(wǎng)絡的二相混合式步進電機模型 , 給出了其矢量控制位置伺服系統(tǒng)的結(jié)構(gòu) ,采用神經(jīng)網(wǎng)絡模型參考自適應控制策略對系統(tǒng)中的不確定因素進行實時補償 ,通過最大轉(zhuǎn)矩/電流矢量控制實現(xiàn)電機的高效控制 。 [2] 

4 智能控制的應用

智能控制不依賴或不完全依賴控制對象的數(shù)學模型 ,只按實際效果進行控制 , 在控制中有能力考慮系統(tǒng)的不確定性和精確性 , 突破了傳統(tǒng)控制必須基于數(shù)學模型的框架 。目前 , 智能控制在步進電機系統(tǒng)中應用較為成熟的是模糊邏輯控制 、神經(jīng)網(wǎng)絡和智能控制的集成 。 [2] 

4 . 1 模糊控制

模糊控制就是在被控制對象的模糊模型的基礎上 ,運用模糊控制器的近似推理等手段 ,實現(xiàn)系統(tǒng)控制的方法 。作為一種直接模擬人類思維結(jié)果的控制方式 , 模糊控制已廣泛應用于工業(yè)控制領域 。與常規(guī)控制相比 ,模糊控制無須精確的數(shù)學模型 , 具有較強的魯棒性 、自適應性 , 因此適用于非線性 、時變 、時滯系統(tǒng)的控制 。文獻[ 16] 給出了模糊控制在二相混合式步進電機速度控制中應用實例 。系統(tǒng)為超前角控制 ,設計無需數(shù)學模型 ,速度響應時間短 。 [2] 

4 . 2 神經(jīng)網(wǎng)絡控制

神經(jīng)網(wǎng)絡是利用大量的神經(jīng)元按一定的拓撲結(jié)構(gòu)和學習調(diào)整的方法 。它可以充分逼近任意復雜的非線性系統(tǒng) ,能夠?qū)W習和自適應未知或不確定的系統(tǒng) ,具有很強的魯棒性和容錯性 ,因而在步進電機系統(tǒng)中得到了廣泛的應用 。文獻將神經(jīng)網(wǎng)絡用于實現(xiàn)步進電機最佳細分電流 , 在學習中使用 Bay es 正則化算法 ,使用權(quán)值調(diào)整技術(shù)避免多層前向神經(jīng)網(wǎng)絡陷入局部極小點 ,有效解決了等步距角細分問題 。 [2]