步進電機的控制策略：
1、PID控制
PID控制作為一種簡單而實用的控制方法,在步進電機驅動中獲得了廣泛的應用。它根據給定值r(t)與實際輸出值c(t)構成控制偏差e(t),將偏差的比例、積分和微分透過線性組合構成控制量,對被控物件進行控制。文獻將整合位置感測器用於二相混合式步進電機中,以位置檢測器和向量控制為基礎,設計出了一個可自動調節的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特性。文獻根據步進電機的數學模型,設計了步進電機的PID控制系統,採用PID控制演算法得到控制量,從而控制電機向指定位置運動。最後,透過模擬驗證了該控制具有較好的動態響應特性。採用PID控制器具有結構簡單、魯棒性強、可靠性高等優點,但是它無法有效應對系統中的不確定資訊。
目前,PID控制更多的是與其他控制策略相結合,形成帶有智慧的新型複合控制。這種智慧複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引數,自動整定控制引數,適應被控過程引數的變化,同時又具有常規PID控制器的特點。
2、自適應控制
自適應控制是在20世紀50年代發展起來的自動控制領域的一個分支。它是隨著控制物件的複雜化,當動態特性不可知或發生不可預測的變化時,為得到高效能的控制器而產生的。其主要優點是容易實現和自適應速度快,能有效地克服電機模型引數的緩慢變化所引起的影響,是輸出訊號跟蹤參考訊號。文獻研究者根據步進電機的線性或近似線性模型推匯出了全域性穩定的自適應控制演算法,這些控制演算法都嚴重依賴於電機模型引數。文獻將閉環反饋控制與自適應控制結合來檢測轉子的位置和速度,透過反饋和自適應處理,按照最佳化的升降執行曲線,自動地發出驅動的脈衝串,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的轉速。
目前,很多學者將自適應控制與其他控制方法相結合,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,確保了轉動脈矩的最大化補償及伺服系統低速高精度的跟蹤控制性能。文獻實現的自適應模糊PID控制器可以根據輸入誤差和誤差變化率的變化,透過模糊推理線上調整PID引數,實現對步進電機的自適應控制,從而有效地提高系統的響應時間、計算精度和抗干擾性。
3、向量控制
向量控制是現代電機高效能控制的理論基礎,可以改善電機的轉矩控制性能。它透過磁場定向將定子電流分為勵磁分量和轉矩分量分別加以控制,從而獲得良好的解耦特性,因此,向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。由於步進電機不僅存在主電磁轉矩,還有由於雙凸結構產生的磁阻轉矩,且內部磁場結構複雜,非線性較一般電機嚴重得多,所以它的向量控制也較為複雜。文獻[8]推匯出了二相混合式步進電機d-q軸數學模型,以轉子永磁磁鏈為定向座標系,令直軸電流id=0,電動機電磁轉矩與iq成正比,用PC機實現了向量控制系統。系統中使用感測器檢測電機的繞組電流和轉自位置,用PWM方式控制電機繞組電流。文獻推匯出基於磁網路的二相混合式步進電機模型,給出了其向量控制位置伺服系統的結構,採用神經網路模型參考自適應控制策略對系統中的不確定因素進行實時補償,透過最大轉矩/電流向量控制實現電機的高效控制。
4、智慧控制的應用
智慧控制不依賴或不完全依賴控制物件的數學模型,只按實際效果進行控制,在控制中有能力考慮系統的不確定性和精確性,突破了傳統控制必須基於數學模型的框架。目前,智慧控制在步進電機系統中應用較為成熟的是模糊邏輯控制、神經網路和智慧控制的整合。
4.1模糊控制
模糊控制就是在被控制物件的模糊模型的基礎上,運用模糊控制器的近似推理等手段,實現系統控制的方法。作為一種直接模擬人類思維結果的控制方式,模糊控制已廣泛應用於工業控制領域。與常規控制相比,模糊控制無須精確的數學模型,具有較強的魯棒性、自適應性,因此適用於非線性、時變、時滯系統的控制。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例項。系統為超前角控制,設計無需數學模型,速度響應時間短。
4.2神經網路控制
神經網路是利用大量的神經元按一定的拓撲結構和學習調整的方法。它可以充分逼近任意複雜的非線性系統,能夠學習和自適應未知或不確定的系統,具有很強的魯棒性和容錯性,因而在步進電機系統中得到了廣泛的應用。文獻將神經網路用於實現步進電機最佳細分電流,在學習中使用Bayes正則化演算法,使用權值調整技術避免多層前向神經網路陷入區域性極小點,有效解決了等步距角細分問題。
步進電機的控制策略：
1、PID控制
PID控制作為一種簡單而實用的控制方法,在步進電機驅動中獲得了廣泛的應用。它根據給定值r(t)與實際輸出值c(t)構成控制偏差e(t),將偏差的比例、積分和微分透過線性組合構成控制量,對被控物件進行控制。文獻將整合位置感測器用於二相混合式步進電機中,以位置檢測器和向量控制為基礎,設計出了一個可自動調節的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特性。文獻根據步進電機的數學模型,設計了步進電機的PID控制系統,採用PID控制演算法得到控制量,從而控制電機向指定位置運動。最後,透過模擬驗證了該控制具有較好的動態響應特性。採用PID控制器具有結構簡單、魯棒性強、可靠性高等優點,但是它無法有效應對系統中的不確定資訊。
目前,PID控制更多的是與其他控制策略相結合,形成帶有智慧的新型複合控制。這種智慧複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引數,自動整定控制引數,適應被控過程引數的變化,同時又具有常規PID控制器的特點。
2、自適應控制
自適應控制是在20世紀50年代發展起來的自動控制領域的一個分支。它是隨著控制物件的複雜化,當動態特性不可知或發生不可預測的變化時,為得到高效能的控制器而產生的。其主要優點是容易實現和自適應速度快,能有效地克服電機模型引數的緩慢變化所引起的影響,是輸出訊號跟蹤參考訊號。文獻研究者根據步進電機的線性或近似線性模型推匯出了全域性穩定的自適應控制演算法,這些控制演算法都嚴重依賴於電機模型引數。文獻將閉環反饋控制與自適應控制結合來檢測轉子的位置和速度,透過反饋和自適應處理,按照最佳化的升降執行曲線,自動地發出驅動的脈衝串,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的轉速。
目前,很多學者將自適應控制與其他控制方法相結合,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,確保了轉動脈矩的最大化補償及伺服系統低速高精度的跟蹤控制性能。文獻實現的自適應模糊PID控制器可以根據輸入誤差和誤差變化率的變化,透過模糊推理線上調整PID引數,實現對步進電機的自適應控制,從而有效地提高系統的響應時間、計算精度和抗干擾性。
3、向量控制
向量控制是現代電機高效能控制的理論基礎,可以改善電機的轉矩控制性能。它透過磁場定向將定子電流分為勵磁分量和轉矩分量分別加以控制,從而獲得良好的解耦特性,因此,向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。由於步進電機不僅存在主電磁轉矩,還有由於雙凸結構產生的磁阻轉矩,且內部磁場結構複雜,非線性較一般電機嚴重得多,所以它的向量控制也較為複雜。文獻[8]推匯出了二相混合式步進電機d-q軸數學模型,以轉子永磁磁鏈為定向座標系,令直軸電流id=0,電動機電磁轉矩與iq成正比,用PC機實現了向量控制系統。系統中使用感測器檢測電機的繞組電流和轉自位置,用PWM方式控制電機繞組電流。文獻推匯出基於磁網路的二相混合式步進電機模型,給出了其向量控制位置伺服系統的結構,採用神經網路模型參考自適應控制策略對系統中的不確定因素進行實時補償,透過最大轉矩/電流向量控制實現電機的高效控制。
4、智慧控制的應用
智慧控制不依賴或不完全依賴控制物件的數學模型,只按實際效果進行控制,在控制中有能力考慮系統的不確定性和精確性,突破了傳統控制必須基於數學模型的框架。目前,智慧控制在步進電機系統中應用較為成熟的是模糊邏輯控制、神經網路和智慧控制的整合。
4.1模糊控制
模糊控制就是在被控制物件的模糊模型的基礎上,運用模糊控制器的近似推理等手段,實現系統控制的方法。作為一種直接模擬人類思維結果的控制方式,模糊控制已廣泛應用於工業控制領域。與常規控制相比,模糊控制無須精確的數學模型,具有較強的魯棒性、自適應性,因此適用於非線性、時變、時滯系統的控制。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例項。系統為超前角控制,設計無需數學模型,速度響應時間短。
4.2神經網路控制
神經網路是利用大量的神經元按一定的拓撲結構和學習調整的方法。它可以充分逼近任意複雜的非線性系統,能夠學習和自適應未知或不確定的系統,具有很強的魯棒性和容錯性,因而在步進電機系統中得到了廣泛的應用。文獻將神經網路用於實現步進電機最佳細分電流,在學習中使用Bayes正則化演算法,使用權值調整技術避免多層前向神經網路陷入區域性極小點,有效解決了等步距角細分問題。