高性能交流伺服系统中的控制方法

　　2.1 滑模控制

　　滑模控制(sliding mode control，SMC)也称作滑模变结构控制，本质上是一类特殊的非线性控制，且非线性表现为控制的不连续性。这种控制策略与其它控制的不同之处在于：系统的结构并不固定，而是可以在动态过程中，根据系统当前的状态有目的地不断变化，迫使系统按照预定滑动模态的状态轨迹运动。由于系统的特性和参数只取决于设计的切换超平面而与外界干扰没有关系，所以滑模变结构控制具有很强的鲁棒性。

　　尽管滑动模态对加在系统上的干扰和系统的摄动具有完全的自适应性，但是基于该方法的控制器也存在一定的劣势，即系统控制器的输出会有抖动现象，例如，交流伺服系统的高频率振动，会降低系统性能，导致系统的不稳定。

　　谢等，提出一种针对永磁同步电机交流伺服系统的串级滑模变结构控制方案，其在速度环滑模控制器中引入积分环节，减小了转矩的脉动，位置环采用准滑模变结构控制策略，极大地抑制了位置输出的抖动。朱等，针对永磁同步电动机位置伺服系统负载例句和转动惯量变化大、干扰力矩强的特点，提出了一种串级复合滑模变结构控制方法，其中速度环采用带有积分补偿的滑模控制器以消除力矩的抖动，而位置环引入复合滑模变结构控制策略，在位置误差较大时采用滑模控制，在小位置误差时采用复合前馈控制，从而达到消除滑模抖振的目的。

　　Liu等叫也提到相似的结论，在高精度低速伺服系统中，滑模变结构控制能达到传动系统的性能要求，在低速跟踪性能上能得到较好的效果，但是存在抖振。提出的模糊滑模控制，引入了降低抖振的模糊规则，能够有效地降低滑动模块控制的震荡，提高了低速跟踪性能。

将滑模变结构控制应用于交流伺服系统，必须解决传统开关控制带来的抖动问题。常用的方法是，在开关点附近将控制量连续化。滑模控制器的动态设计就是利用线性系统的动态滤波器理论进行滑模控制器设计的方法。

　　2.2 自适应控制

　　自适应控制的研究对象是具有一定程度不确定性的系统，即描述被控对象及相应的数学模型不是完全确定的。任何一个实际系统都具有不同程度的不确定性，从系统内部来讲，描述被控对象的数学模型的结构和参数在运行期间有变化，作为外部环境对系统的影响，可以等效地用一些不可预测的扰动来表示，此外，还有一些测量时产生的不确定因素，面对这些客观存在的不确定性，如何设计适当的控制方法，这就是自适应控制所要解决的问题。

　　Zhou等，提出来一种基于反推控制技术的实时非线性自适应速度控制体制，应用于永磁同步伺服电动机。在控制器的设计中，利用输入输出反馈的线性化补偿系统的非线性化，自适应反推控制方法的应用是源于一种控制体制，该体制对参数的不确定性和负载转矩干扰具有鲁棒性。所提的控制体制能够跟踪速度参照信号，该信号是一个参照模型在不确定参数和负载转矩干扰的情况下产生的。Qu等，提出了自适应逆控制交流永磁同步电动机伺服系统，采用位置、速度、电流三环控制结构，其中位置环采用自适应逆控制策略，其基于对给定信号采用逆控制与自适应控制相结合的思想，对给定信号和扰动信号进行控制，从根本上消除了噪声对位置输出的影响，较好地解决了交流伺服系统高性能控制的问题。

　　现代控制方法以状态空间描述作为数学模型，实质上是一阶微分或差分方程组，适应于多变量、非线性、时变系统，可以处理多输入一多输出系统，能获得某种最优解，但是不能处理频率特性。经典的或现代的控制方法都依赖于具体的数学模型，不能从根本上解决复杂和不确定系统的控制问题，为此，人们必须建立新的方法用于复杂的系统控制。

3 智能控制方法

　　智能控制是一个完全独立的思想，它的控制模型是基于语言模型，能够解决控制对象、环境和任务比较复杂的系统。智能控制按实际效果进行控制，并不依赖被控对象的模型，在控制中可以解决系统的不确定性和不精确性问题。其控制理论体系日趋庞大，其中三种比较经典的控制是模糊控制、神经网络控制和鲁棒控制，下面以前两种为例，介绍它们的应用情况。

　　3.1 模糊控制

　　模糊控制是一种利用模糊数学的基本思想和理论的控制方法。传统的控制理论对于明确系统有较强的控制能力，但对于复杂或难以精确描述的系统，很难达到理想的控制效果，因此，尝试用模糊数学的方式处理这方面的控制问题。模糊控制不依赖于被控对象的精确数学模型，具有较强的鲁棒性，对被控对象的参数变化不敏感，可以有效地克服交流伺服电机中的非线性、时变、耦合等因素的影响。但是，单纯地使用模糊控制，要求工作人员有丰富的经验，控制精度相对较低。

　　Wang等，通过将模糊逻辑和自适应算法相结合，提出了一种新的交流伺服系统的位置控制方法。该方法通过自适应算法在线学习，可以自动调整控制器参数以获得最优的控制输出，而不需要被控对象的精确数学模型，该算法具有良好的自动调节和位置跟踪性能，具有较高的鲁棒性和跟踪精度，能很好地解决模型不确定系统的位置伺服控制问题。由于交流伺服系统存在参数时变、负载扰动

　　由于交流伺服系统存在参数时变、负载扰动以及交流电动机自身和被控制对象的严重非线性特性、强耦合等不确定性因素，用常规的PID控制不能满足要求，因此，Zhang等，提出了一种具有调整因子规则的自校正模糊控制交流伺服系统，可以满足不同时域的控制要求，按不同的规则生成模糊控制查询表，使得模糊控制规则可以在线调整，极大的提高了交流伺服系统的控制性能。

　　3.2 神经网络控制

　　神经网络控制是20世纪80年代末期发展起来的自动控制领域的前沿学科之一。它是智能控制的一个新的分支，为解决复杂的非线性、不确定系统的控制问题找到了新的途径。神经网络是从微观结构与功能上对人脑神经系统的模拟建立起来的模型，具有模拟人的部分智能的特性，具有非线性特性、学习能力和自适应性，适合于处理难于用模型或规则描述的。

　　神经网络与其它传统方法相结合，如神经自校正控制、神经PID控制以及神经模型参考自适应控制等，这将推动人工智能和信息处理技术不断发展。近年来，人们尝试用神经网络控制技术应用于交流电机驱动控制系统中，使用它调节系统具有很好的噪音抑制特性、容错性和扩展性，是未来电机控制技术的一个重要的发展方向。

　　王等，设计出了一种闭环前馈控制交流伺服系统，利用了神经网络和前馈控制的优良特性，将逆控制方法引人了高精度交流伺服系统，在不改变系统闭环稳定和不需要知道对象精确模型的基础上建立起具有较高鲁棒性和自适应性的控制系统，应用神经网络的自适应能力和逼近能力求得交流伺服系统的逆模型，闭环与神经网络技术的结合，保证了系统的稳定性。

　　Lin等，提出了一种用于永磁同步电动机伺服系统的PID神经网络控制。调查了PIDNN在PMSM伺服系统中的控制规则，首先引入了PMSM的数学模型，应用PIDNN的在线学习、跟踪和校正能力，并将提出的PIDNN控制器与传统的PID控制器进行了比较，PIDNN控制规则在PMSM伺服系统中具有良好的跟踪和实时控制性能。

4 复合控制方法

　　每种控制方法都有它们各自的优点，但不可避免地存在着一定的缺陷。在控制行业中，单纯地靠一种控制方法很难达到理想的效果，因此，将不同的控制方法相互渗透，互济优势，结合成复合的方法，成为获得更优越的控制方法的一种必然趋势。目前复合控制方法主要有两种形式：一是在PID控制方法的基础上添加新型控制方法；二是采用多种新型控制方法。复合控制方法的类型很多，随着研究的进行还在不断地增加，下面介绍几种典型的复合控制方法的应用。

　　Muhammad等，提出了一种优化的混合模糊比例微积分控制器(HFPID)，此控制器是基于PID和模糊算法的组合控制器，用于具有非线性因素的交流伺服系统，本文结合PID和模糊逻辑控制器的优点获取精确的跟踪性能。提出的优化的HFPID，具有一些适应异常进化算法的比例因子，得到了良好的收敛可靠性和抑制非线性影响的鲁棒性能。

　　徐等提出了一种基于PMSM的智能型位置伺服控制系统方案，系统的位置环采用模糊滑模控制，并由主、从两个模糊控制器组成，主控制器用于产生输出控制量，从控制器在线调节主控制器的输出比例因子，以抑制滑动模态的抖振，该智能型位置伺服控制系统在大、小位置给定下均能够同时获得定位无超调和定位时间的准确优化控制，具有良好的动静态性能。复合控制方法除了以上提及的几种，还有自适应模糊滑模控制方法，模糊神经网络控制方法，模糊自适应控制方法等。

5 总结与展望

　　在现代工业日趋综合化的形势下，高性能伺服控制方法从经典的向现代和智能控制方法的发展，产生了一系列的新型控制方法。控制方法的广泛使用为工业控制的发展提供了良好的技术支撑，但如何保证伺服系统的高效性是研究的关键。本文总结了近几年有关高性能伺服系统控制方法的文献，并对控制方法进行了分类，介绍了控制方法在实际中的应用。

　　随着交流伺服系统应用领域的不断扩大，用户对伺服系统技术的要求也越来越高，因此，未来伺服系统的性能必将会进一步的完善。笔者认为，如若提高伺服系统的性能，可以在软件上采用新的控制理论，提高运算的速度和电流控制的精度；也可以从伺服电机的本身出发，采用新的结构，进一步加大输出转矩，优化输出效率；另外，从神经网络控制具有噪音抑制特性出发，伺服系统可以在低噪音方面进行改进，弱化对环境的要求以及减少外界的干扰，依此来增强系统对环境的适应性。