论文部分内容阅读
本课题是来源于国家自然科学基金项目（51175349）和辽宁省高等学校优秀人才支持计划资助（LR2013006）。现今社会对数控进给系统工业的期望越来越高且这些期望的发展趋势为高速、高精度、高复合化。本文针对两台在运动方向上成90o角的永磁同步直线电机（PMLSM）驱动XY平台系统的单轴跟踪精度、抗扰性、鲁棒性以及周期性轮廓误差等问题，设计了模糊神经网络滑模控制与迭代学习交叉耦合控制（ILCCC）相结合的直驱XY运动控制系统。在能够解决本文所阐述的问题同时，为多轴协调控制系统的智能控制研究奠定了理论基础。首先，本文在参考大量的国内外相关论述的前提下，综述了国内外直驱XY平台轮廓控制系统的发展现状，阐述了PMLSM的主要三种控制方法。三种方法即传统控制方法、现代以及智能控制方法。其次，详细地描述并分析了PMLSM的工作原理和直驱XY平台的数学模型。并且分析了直驱XY平台的直线、圆以及任意输入轨迹的轮廓误差模型，总结了产生轮廓误差的原因。然后，为了抑制外界扰动、系统参数以及参数不匹配等问题，设计了具有自学习能力的RBF神经网络滑模和交叉耦合控制（CCC）轮廓控制系统。利用RBF神经网络控制的自学习训练能力逼近滑模控制的切换函数，用该智能控制的输出代替滑模控制的输出，用以减小位置跟踪误差。利用CCC解决双轴电机参数不匹配问题，用以减小轮廓误差。并运用Matlab/Simulink研究分析所设计控制方案的有效性。最后，针对神经网络连接权之间物理意义不清晰且滑模控制抖振问题不能得到很好地改善这一问题。设计了模糊神经网络滑模和ILCCC轮廓控制系统。单轴采用模糊神经网络滑模控制，补偿了三者控制之间不足的同时也使其具有三者的优点。在双轴方面，系统存在的与给定周期性信号相关的周期性轮廓误差不能仅仅通过CCC来消除，本文通过采用能够解决周期性误差问题的ILCCC，使系统具有更好的控制效果，减小系统轮廓误差。运用Matlab/Simulink完成所设计控制方案的建模分析。并将其与RBF神经网络滑模和CCC轮廓控制系统的仿真结果进行对比，证明模糊神经网络滑模和ILCCC轮廓控制系统有更好的轮廓控制效果和精度。