[发明专利]一种基于迭代学习自适应MRAC控制器的电机控制方法

说明书

本发明属于电机控制技术领域，具体涉及一种基于迭代学习自适应MRAC控制器的电机控制方法。本发明采用迭代学习自适应MRAC控制器的电机的转速进行闭环控制；其中，所述迭代学习自适应MRAC控制器包括MRAC控制器和迭代学习控制器；所述迭代学习控制器根据上一迭代控制过程中迭代学习控制器的输出值、上一迭代控制过程中的转速误差值、以及当前迭代控制过程中的转速给定值，对当前迭代控制过程中MRAC控制器的控制参数的自适应律中所包括的自适应增益进行自动调节。采用迭代学习思想来自适应调整正对角矩阵Γ值的方法，不仅能够解决如何确定Γ值的问题，而且能够有效改善系统控制性能，通过学习来增强控制器对对象模型误差的适应能力。

技术领域

本发明属于电机控制技术领域，具体涉及一种基于迭代学习自适应MRAC控制器的电机控制方法。

背景技术

超声波电机因其结构紧凑、易于微型化、响应制动快、控制特性好、定位精度高、噪声小等一系列优点，已在航空、航天、医疗、精密仪器等高新技术领域显现出广阔的应用场景和使用价值。

超声波电机特殊的运行机理，使其运行特性表现出明显的非线性及时变特征，不易得到理想的控制性能。为克服超声波电机自身的这些缺点，努力得到符合应用期望的控制性能和运行稳定性，其控制策略的研究逐渐趋于复杂化。许多复杂的控制器，如神经网络控制器、模糊神经网络控制器等，先后被提出并应用于超声波电机。

但是，不论是从成本、调试，还是从系统维护等方面考虑，人们总是希望控制系统的结构简单一些，也正是因为这样的原因，由Narendra Kumpati S.和Valavani Lena S.在1978年提出的基于输入、输出变量的模型参考自适应控制策略(MRAC)，逐渐开始应用于超声波电机控制上来。其适用面广、设计方法成熟，一直被广泛应用。

但是，它也存在一个突出的问题：在该控制策略中，自适应增益矩阵Γ的取值决定控制器参数的自适应调整速率，直接影响系统的控制性能。但该控制策略并未给出确定Γ值的方法，通常需要采用控制系统仿真方法，依据期望的控制性能来试凑Γ值，并通过现场调试来最终确定合适的取值。这往往成为将该控制策略应用于实际的过程中最费时的一个步骤，也会导致控制性能不理想。

发明内容

本发明提供了一种基于迭代学习自适应MRAC控制器的电机控制方法，用以解决使用MRAC控制器对电机进行控制时由于无法准确给出Γ值造成的控制性能不理想的问题。

为解决上述技术问题，本发明所包括的技术方案以及技术方案对应的有益效果如下：

本发明提供了一种基于迭代学习自适应MRAC控制器的电机控制方法，包括如下步骤：

采用迭代学习自适应MRAC控制器的电机的转速进行闭环控制；

其中，所述迭代学习自适应MRAC控制器包括MRAC控制器和迭代学习控制器；所述MRAC控制器对当前迭代控制过程中电机的转速进行调节控制；所述迭代学习控制器根据上一迭代控制过程中迭代学习控制器的输出值、上一迭代控制过程中的转速误差值、以及当前迭代控制过程中的转速给定值，对当前迭代控制过程中MRAC控制器的控制参数的自适应律中所包括的自适应增益进行自动调节，所述转速误差值为转速给定值与转速实际值的差值。

上述技术方案的有益效果为：本发明将借用迭代学习控制的思想，将迭代学习控制器和MRAC控制器相结合，利用迭代学习控制器来在线自动调节MRAC控制器的自适应增益，即采用迭代学习思想来自适应调整正对角矩阵Γ值的方法，不仅能够解决如何确定Γ值的问题，而且能够有效改善系统控制性能，通过学习来增强控制器对对象模型误差的适应能力。

进一步的，所述迭代学习控制器采用如下公式对自适应增益进行自动调节：