低頻線振動臺的重復控制研究.pdf

1、低頻線振動臺是用來對慣導系統(tǒng)及慣性儀表進行誤差模型標定的一種重要的測試設備。為了給慣性系統(tǒng)及儀表提供已知精度范圍內(nèi)的輸入加速度，這就要求低頻線振動臺具有較低的加速度失真度。然而，作用于低頻線振動臺的干擾力會使得其加速度失真度增大。因此，如何有效抑制或消除干擾力對振動臺系統(tǒng)的影響是亟待解決的問題。對于永磁直線同步電機驅(qū)動的低頻線振動臺來說，干擾力主要表現(xiàn)為摩擦力和電機的推力波動?？紤]到低頻線振動臺的工作方式是往復運動，即其輸入信號為周期性

2、信號，因而作用于系統(tǒng)的干擾力也是周期性函數(shù)。另一方面，重復學習控制策略具有“在重復中學習”的特點，這使得它非常適用于跟蹤周期信號或抑制周期擾動。因此，基于重復控制的低頻線振動臺的研究，不僅具有重要的實際應用價值，還具有非常重要的理論意義。
　　作者作為主要技術(shù)人員參與完成了哈爾濱工業(yè)大學985學科建設項目“低頻線振動臺”的研制工作，并在此基礎上，提出了幾種提高低頻線振動臺精度的重復控制方法。本文的主要工作可以概括如下：
　　

3、首先介紹了低頻線振動臺的控制系統(tǒng)結(jié)構(gòu)；根據(jù)要求的性能指標選定系統(tǒng)中除控制器外的其它各個環(huán)節(jié)的模型參數(shù)，并在此基礎上設計系統(tǒng)的電流環(huán)控制器、速度環(huán)控制器和位置環(huán)控制器；通過一系列實驗對實現(xiàn)后的低頻線振動臺各個環(huán)節(jié)進行測試，并測得系統(tǒng)的跟蹤誤差和加速度失真度，測試結(jié)果表明系統(tǒng)設計的正確性。
　　針對低頻線振動臺的參考輸入信號和干擾力是周期性信號，在低頻線振動臺中引入離散重復控制器，用于提高系統(tǒng)的跟蹤性能。首先，分析離散重復控制系統(tǒng)的穩(wěn)

4、定性和位置誤差收斂性，在此基礎上給出了離散重復控制器參數(shù)選擇的依據(jù)。然后，在離散重復控制器的時滯環(huán)節(jié)中串聯(lián)一個超前補償環(huán)節(jié)，分析所得離散重復控制系統(tǒng)對周期性外部信號的跟蹤/抑制性能，而且給出超前補償環(huán)節(jié)參數(shù)選擇的依據(jù)。
　　針對低頻線振動臺中存在系統(tǒng)模型的參數(shù)不確定性和摩擦力的非參數(shù)化不確定性，基于函數(shù)逼近技術(shù)提出了一種自適應重復學習控制律。首先，利用函數(shù)逼近技術(shù)將系統(tǒng)中摩擦力的非參數(shù)化不確定性表達為正交函數(shù)的線性組合。然后利用自

5、適應機制對系統(tǒng)模型的未知參數(shù)和線性組合中的未知參數(shù)進行估計；利用重復控制項改善對周期性輸入信號/干擾力的跟蹤/抑制性能。采用Lyapunov穩(wěn)定性理論設計的自適應重復學習控制律保證了系統(tǒng)的魯棒穩(wěn)定性及位置跟蹤誤差的收斂性。
　　針對低頻線振動臺不僅存在系統(tǒng)模型的參數(shù)不確定性和摩擦力的非參數(shù)化不確定性，而且存在被控對象、推力波動的非參數(shù)化不確定性和未知的外部干擾，基于模糊基函數(shù)網(wǎng)絡提出一種自適應重復學習控制方法。采用模糊基函數(shù)網(wǎng)絡逼

6、近低頻線振動臺的非參數(shù)化不確定性及未知的外部干擾，將非參數(shù)化不確定性和未知的外部干擾的辨識問題轉(zhuǎn)化為模糊基函數(shù)網(wǎng)絡權(quán)系數(shù)的辨識問題。利用自適應律對系統(tǒng)模型的未知參數(shù)和模糊規(guī)則的未知參數(shù)進行估計。采用Lyapunov穩(wěn)定性理論設計的自適應重復學習控制律保證了系統(tǒng)的魯棒穩(wěn)定性及跟蹤性能。
　　針對上述的自適應重復控制律包含許多控制參數(shù)，需要反復的試湊才能得到合適的控制參數(shù)，本文基于積分滑模提出一種重復控制系統(tǒng)設計方法，用于減少控制器中

7、試湊參數(shù)的個數(shù)，并且補償系統(tǒng)的不確定性。首先，將直線電機驅(qū)動系統(tǒng)的模型擴展為一類非匹配不確定性系統(tǒng)。將重復控制器和狀態(tài)控制器引入所得到的系統(tǒng)中，從而得到重復控制系統(tǒng)。然后，將重復控制系統(tǒng)轉(zhuǎn)化為時滯系統(tǒng)，以線性矩陣不等式（LMI）的形式給出時滯系統(tǒng)穩(wěn)定性的充分條件。基于所得到的充分條件，將設計重復控制器中低通濾波器和狀態(tài)控制器的問題轉(zhuǎn)換成一個含有 LMI約束條件的線性優(yōu)化問題。最后，基于廣義奇異值最小化的方法，提出一種迭代算法，用于計算低