[发明专利]一种基于迭代学习自适应MIT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MIT控制器的电机控制方法。本发明采用迭代学习自适应MIT控制器对电机的转速进行闭环控制；其中，所述迭代学习自适应MIT控制器包括MIT控制器和迭代学习控制器，迭代学习控制器根据上一迭代控制过程中的转速误差值以及上一迭代控制过程中迭代学习控制器的输出值，对当前迭代控制过程中MIT控制器的可调增益的MIT自适应律中所包括的自适应增益进行自动调节。本发明不仅可以保持MIT控制器设计的独立性及系统稳定性，而且基于记忆的迭代学习进程可以明显改变系统的动态性能，从而实现对系统动态特性的较大校正，使系统性能符合期望状态。

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MIT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，结构简单的MIT自适应控制策略一直受到关注。MIT控制器的主要思想是通过自动调整作为控制器的增益K_c来自适应地跟踪变化的被控对象，从而保持良好的控制性能。其突出优点是原理简单、易于实现。

但是，它也存在一个突出的问题：仅调整增益对系统动态特性的改变有限，难以实现对系统动态特性的较大校正(即，无法大幅度地改变被控对象的控制特性。在很多情况下，这意味着无法达到期望的控制性能)，制约了系统动态性能的改进程度，这大大限制了MIT模型参考自适应控制策略的应用范围。

既然这个问题的原因是“仅调整增益”，解决问题的直接办法自然是增加控制器的调整自由度，但是过度增加调整自由度，这当然会导致控制策略的复杂度增加。因而，如何在不增加控制复杂度的情况下保证系统的动态性能是急需解决的问题。

发明内容

本发明提供了一种基于迭代学习自适应MIT控制器的电机控制方法，用以解决如何在不增加控制复杂度的情况下保证电机控制系统的动态性能的问题。

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MIT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MIT控制器对电机的转速进行闭环控制；

其中，所述迭代学习自适应MIT控制器包括MIT控制器和迭代学习控制器；所述MIT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的转速误差值以及上一迭代控制过程中迭代学习控制器的输出值，得到当前迭代控制过程中迭代学习控制器的输出值，所述转速误差值为转速给定值与转速实际值的差值；进而根据所述当前迭代控制过程中迭代学习控制器的输出值和转速给定值，对当前迭代控制过程中MIT控制器的可调增益的MIT自适应律中所包括的自适应增益进行自动调节。

上述技术方案的有益效果为：本发明将迭代学习控制器和MIT控制器相结合，利用迭代学习控制器来在线自动调节MIT自适应律中的自适应增益μ，不仅可以保持MIT控制器设计的独立性及系统稳定性，而且基于记忆的迭代学习进程可以明显改变系统的动态性能，从而实现对系统动态特性的较大校正，使系统性能符合期望状态，从而实现了以较小的设计和实现复杂度代价来换取MIT控制器性能的明显提升。

进一步的，采用如下公式对自适应增益进行自动调节：