[发明专利]一种基于迭代学习的直线伺服系统振动抑制方法

权利要求书

1.一种基于迭代学习的直线伺服系统振动抑制方法，其特征在于，包括以下步骤：

步骤一：连接好直线伺服系统，设置好相关控制器参数，将参数下载到运动控制卡上的芯片中；

步骤二：根据直线伺服系统的时不变离散状态空间的要求，下载控制器参数，并使能伺服系统，使电机闭环；所述直线伺服系统的时不变离散状态空间表达式为：

G(j)：

步骤三：在直线伺服系统信号输入端输入理想轨迹信号r_set(t)，信号阶跃点产生，规定采样周期T_s，采集输出位移信号y(t)，采集采样点，输入信号r_set(t)减去输出信号y(t)为误差信号e(t)，利用QL型迭代学习控制算法计算驱动力，规定直线伺服系统的响应调节时间，迭代优化时所使用的误差信号e(t)；

所述QL型迭代学习控制算法进行迭代学习控制如下：

u_k+1(t)＝Q[u_k(t)+Le_k(t)]；

其中，Q∈R^N×N，L∈R^N×N，u_k∈R^N；e_k∈R^N；

步骤四：对迭代学习控制的稳定性和收敛性进行分析，对QL型迭代学习算法表达式进行变换，计算系统的稳定条件；所述QL型迭代学习算法表达式可变换为：

u_k+1＝Q(I-LH)u_k+QL_set；

其中，H∈R^N×N为脉冲传递函数矩阵；

步骤五：根据最优控制理论引入迭代学习控制算法的性能目标函数进行控制器的设计，并选择合适的权重矩阵和拉格朗日乘子对直线伺服系统进行振动抑制；

所述最优控制理论引入迭代学习控制算法的性能目标函数如下：

其中，e_k+1＝r_set-y_k+1，W_e，W_u为两个半正定加权矩阵；

目标函数的约束条件如下：

其中，且为足够小的实数，经推导则可得出：

其中：λ为朗格朗日算子；

基于所述性能目标函数，进行控制器Q，L的设计，由于u_k+1为函数的变量，令经推导可得出：

u_k+1＝(W_u+λ·I+H^TW_eH)^-1(λ·I+H^TW_eH)(u_k+(λ·I+H^TW_eH)^-1H^TW_ee_k)

由QL型迭代学习算法表达式对比可得：

步骤六：求取各个参数的最优值，利用迭代学习法对所得误差进行迭代学习，将经过迭代学习修正过的驱动力重新下发到运动控制卡，反复此迭代学习过程抑制其振动。

2.如权利要求1所述的一种基于迭代学习的直线伺服系统振动抑制方法，其特征在于，

步骤二，

则第k次迭代时输入输出关系为：

其中，H∈R^N×N为脉冲传递函数矩阵，u_k＝[u(0)，…，u(N-1)]^T为有限离散控制输入指令，y_k＝[y(0)，…，y(N-1)]^T为有限离散系统输出信号，k代表迭代次数；理想轨迹为r_set(t)，迭代学习的时间跨度为t∈[0，T]。

3.如权利要求2所述的一种基于迭代学习的直线伺服系统振动抑制方法，其特征在于，

步骤三，

则迭代学习控制系统的误差为：

e_k＝r_set-y_k。