基于改进径向基网络的电动舵机滑模控制_李冬辉.pdf

第 44 卷第 4 期兵 器 装 备 工 程 学 报2023 年 4月收稿日期:2022 06 17;修回日期:2022 07 19基金项目:国家自然科学基金项目(61873180)作者简介:李冬辉(1962)，男，博士，教授，E-mail:lidonghui tju edu cn。通信作者:周满(1988)，男，博士后，助理研究员，E-mail:zhouman0741163 com。doi:1011809/bqzbgcxb202304031基于改进径向基网络的电动舵机滑模控制李冬辉1，王立献2，周满1，3，江华侨2，曹晓鹏2(1 天津大学 电气自动化与信息工程学院，天津300072;2 宁波帅特龙集团有限公司，浙江 宁波315000;3 中国科学院 长春光学精密机械与物理研究所，长春130033)摘要:针对电动舵机小角度平顶现象引发的弹道抖振问题，以小角度平顶问题为中心，对平顶问题展开研究分析，并提出了一种改进的径向基滑模控制(BF-SMC)方法，通过设计滑模控制器，削弱摩擦和间隙的不利影响，以提高系统的跟踪精度;针对模型中的不确定项，引入径向基网络进行逼近，提高控制精度，同时降低滑模控制算法的抖振问题;为提高径向基网络的迭代效率，使用 2 个单参数代替权值矩阵，大幅减少需要迭代估计的参数数量。最后，搭建电动舵机系统实验平台，采用 PID 控制器和改进的径向基滑模控制器进行对比分析。实验结果表明，相比于传统PID 算法，在跟踪 0 1 4 Hz 正弦指令时，采用改进的径向基滑模控制算法将位置平顶时间从 64 ms 降低至 9 ms，位置跟踪误差从 0 123降低至 0 04;在半物理试验时，弹道抖动频率从 14 7 Hz 降低至 6 8 Hz，抖振幅值从 0 079降低至 0 034。采用改进的径向基滑模控制能有效提高系统的跟踪性能，削弱平顶问题，抑制弹道极限环震荡。关键词:电动舵机;径向基神经网络;滑模控制;平顶现象;弹道抖振本文引用格式:李冬辉，王立献，周满，等 基于改进径向基网络的电动舵机滑模控制J 兵器装备工程学报，2023，44(4):217 223Citation format:LI Donghui，WANG Lixian，ZHOU Man，et al Sliding mode control of electromechanical actuators basedon an improved BF network J Journal of Ordnance Equipment Engineering，2023，44(4):217 223中图分类号:TP273文献标识码:A文章编号:2096 2304(2023)04 0217 07Sliding mode control of electromechanical actuatorsbased on an improved BF networkLI Donghui1，WANG Lixian2，ZHOU Man1，3，JIANG Huaqiao2，CAO Xiaopeng2(1 School of Electrical and Information Engineering，Tianjin University，Tianjin 300072，China;2 Ningbo Shuaitelong Group Co，Ltd，Ningbo 315000，China;3 Changchun Institute of Optics，Fine Mechanics and Physics，Chinese Academy of Sciences，Changchun 130033，China)Abstract:Aiming at the ballistic chattering caused by the small-angle flat top of an electric actuator，thispaper studies the flat top phenomenon by focusing on the small-angle flat top issue，and proposes animproved sliding mode control method of the radial basis function(BF)network The sliding modecontroller is designed to weaken the adverse effects of friction and backlash so as to improve the trackingprecision of the system Aiming at the uncertainties of the model，the BF network is introduced toapproximate them，which improves the control accuracy and，at the same time，eliminates the chattering ofthe sliding mode control algorithm In order to improve the iterative efficiency of the BF network，twosingle parameters are used to replace the weight estimation matrix，which greatly reduces the number ofparameters that need iterative estimationFinally，the experimental platform of the electromechanicalactuator system is built，and the PID controller is compared with the improved BF sliding mode controllerThe experimental results show that，compared with the traditional PID controller，when tracking 0 1 4 Hzsinusoidal signals，the improved BF sliding mode controller algorithm reduces the flat-top time from 64 msto 9 ms，and the position tracking error from 0 123 to 0 04 In the semi-physical simulation，thefrequency of ballistic chattering reduces from 147 Hz to 68 Hz，and the chattering amplitude reduces from0 079 to 0 034 The improved BF sliding mode controller can effectively improve the trackingperformance of the system，weaken the flat-top and restrain ballistic limit cycle oscillationKey words:electromechanical actuator;radial basis function neural network;sliding mode control;flat-top;ballistic chattering0引言电动舵机作为飞行器的主要执行机构，对飞行器的机动性、打击精度等有着决定性的作用，其性能决定着飞行器的静态及动态性能1 2。然而，电动舵机系统中不可避免的存在间隙、摩擦等非线性环节，导致小角度跟踪时出现平顶问题，严重影响舵机系统的跟踪精度3 5，甚至引发弹道发生极限环震荡。在跟踪精度要求不高的情况下，通过提高加工、装配精度等，传统的 PID 控制能满足系统指标要求。但随着国内外市场竞争加剧，飞行器性能指标飞速提升，其对电动舵机伺服系统提出更高的指标要求，传统的 PID 控制理论已经很难满足电动舵机高精度、高动态性能的需求6。为了补偿非线性摩擦对机电伺服系统性能的影响，Lin等提出了一种基于 LuGre 模型的自适应滑模控制器，在线估计滑模面参数，并取得较好跟踪效果7，但滑模控制器自身存在抖振问题，容易引发系统谐振，破坏系统的稳定性，影响其工程应用8 9。Li 等为了满足现代高性能飞机的需求，提出了模糊 PID 控制策略，该控制策略综合了模糊控制和 PID控制的优点，对时变复杂系统具有较好的适应性10。但模糊 PID 控制器存在量化因子和比例因子等参数的选取过于依赖经验、参数固定等缺点11。自抗扰控制器可以较好的解决电动舵机非线性等问题，为此张明月等，提出了自抗扰控制器，较好的提高了电动舵机系统的动态响应及自适应性能，但其参数整定过程较为复杂12。近年来，智能控制理论因其对扰动具有较强的自适应能力而受到广泛关注，如遗传算法13、蚁群算法14、BP 神经网络15 等，其中，径向基网络因其对未知项具有较强的逼近能力，在伺服系统上得到研究16。Liu 等针对控制系统的非线性、时不变和不确定性等问题，提出了基于径向基网络的转矩控制算法，较好的提高了系统控制精度和鲁棒性17。针对位置伺服系统中的干扰及模型参数确定困难的问题，Li 等提出了一种基于反演策略的径向基网络滑模控制策略，解决了外部扰动和模型不确定性问题，并取得较好的控制效果18。但智能算法计算复杂，工程实现难度大，尤其是飞行器舵机系统这种高实时性系统上应用难度较大19 20。综上分析，各类算法均存在一定的优势及不足，高精度、高动态性能的电动舵机控制策略仍有待进一步研究。因舵机系统中的摩擦及间隙具有非线性且时变的特点，难以对其进行准确建模21，而滑模控制对舵机非线性具有较强的自适应能力，同时径向基网络对未知项具有较好的逼近能力，可以较好的解决模型的不确定性，为此本文提出了基于 BF 网络的滑模控制策略，对系统的确定部分采用滑模控制，对不确定部分采用 BF 网络进行逼近。同时，为降低计算复杂度，使用 2 个参数近似替代权值矩阵，便于工程实现，进而提高系统的控制效果，削弱舵机系统的位置平顶。1电动舵机数学模型1 1电动舵机系统工作原理本文中使用电动舵机主要包括三相无刷电机、减速器、编码器、电位计等，如图 1 所示。图 1电动舵机系统结构图Fig 1 Structure diagram of EMA system编码器为速度传感器，与电机输出轴采用直连方式，可有效减小电机输出轴与编码器间的间隙。位置传感器与舵机的输出轴直连，实现位置闭环。电动舵机系统工作时，伺服控制器根据电动舵机角度及角速度误差等，计算得到相应812兵 器 装 备 工 程 学 报http:/bzxb cqut edu cn/的控制量，并驱动电机正反转，进而控制减速器旋转，并通过传动机构带动舵机输出轴的旋转，最终实现舵片的角度控制。1 2电动舵机数学模型根据电机电压、力矩平衡方程、系统传动方程得到伺服系统动力学模型，舵机系统可以描述成如下形式:Kmia T=Jmd/dt+TL+Ff+bu=Ke(t)+iaa+Ladia/dtTm=Kmiad/dt=/j(1)式中:T为间隙扰动(Nm);TL为负载力矩(Nm);Ff为摩擦力矩(Nm);Ke为伺服电机的反电动势常数(Vs/rad);Km为电机的转矩系数(Nm/A);ia为电枢电流(A);Jm为电机的转子惯量(kgm2);j 为减速器的减速比。令负载 TL为零，可得到舵机系统传递函数为:GEMA=/U=1/(Kej)Ff/(Tm T)Kejs Ff/