一种基于自适应模糊自抗扰算法的电机控制方法

本发明涉及微型电机控制的，尤其涉及一种基于自适应模糊自抗扰算法的电机控制方法。

背景技术：

1、微型电机作为一种新型的微电机，在轿车电器、办公自动化设备、精密仪器仪表、计算机、工业控制系统、航空航天、智能机器人等领域有着广泛的应用前景。微型电机尤其在疾病治疗方面的应用发挥着重要作用。脑血肿是指第二常见的中风亚型，通常由高血压引起的血管突然破裂引起。疾病进展迅速，3个月内死亡率为20％-30％，是中老年人疾病谱系死亡和残疾的主要原因。总体预后较差(30日内病死率为40％，1年内病死率高达64％)。需要及时有效的手术治疗才能获得良好的结果。许多农村医院往往既没有经验丰富的神经外科医生，也没有内窥镜、机器人等先进设备。因此，迫切需要有针对性的新健康治疗策略，例如远程手术。

2、设计一种自动血肿去除装置是必要的，该装置可以安装在手术机器人的末端，结合内窥镜技术和机器人的优点。同时，设备必须确保将整个病变区域实时暴露给外科医生。该装置主要由带有嵌入式内窥镜的特殊透明管、配备柔性液体传感器的密封腔和微型电机组成。该装置可以方便地安装在多关节工业机械手的末端，可以很容易地扩展到远程手术系统。因此对微型电机转速的精确控制有助于提高远程手术的精确度。

技术实现思路

1、本发明针对上述的电机转速快速和精确控制，提供了一种基于自适应模糊自抗扰算法的电机控制方法，本发明在传统自抗扰控制中引入自适应率和模糊推断，使得微型电机的转速误差在有限时间收敛到零，从而提高整个系统的控制精度和稳定性。

2、技术方案：

3、一种基于自适应模糊自抗扰算法的电机控制方法，包括以下几个步骤：

4、步骤q1：搭建微型电机的数学模型；

5、步骤q2：确定控制量输入，定义微型电机系统的状态变量x1、x2、x3；

6、步骤q3：根据步骤q1搭建的电机模型和步骤q2的状态变量，设计自适应模糊自抗扰控制律；

7、步骤q4：得到微型电机控制器的输入u；

8、步骤q5：对微型电机进行控制；

9、步骤q6：对轮毂电机的转速n进行反馈检测，若符合收敛指令的要求，则结束控制；若不符合收敛指令的要求，则返回步骤q2重新控制。

10、优选的，所述步骤q1搭建的微型电机的数学模型，具体过程如下：

11、微型电机的基尔霍夫定律：

12、

13、电机电磁转矩方程：

14、te＝cmia＝klia

15、

16、其中l是绕组电感；r是绕组电阻，ia是定子相电流；u表示系统的给定电压，e表示电机在额定励磁下的反作用力；te表示电磁转矩，而tl和kl分别表示负载转矩和转矩系数，cm表示电动机额定励磁下的转矩电流比，j表示电机的旋转惯量，n表示电机转速；

17、考虑反电动势e＝kqn，零初始条件下的传递函数表示如下：

18、

19、j表示电机的旋转惯量，s为拉普拉斯算子，kl为转矩系数，kq反电动势系数。

20、优选的，所述步骤q2确定控制量输入，定义微型电机系统的状态常量x1为实际转速、x2表示实际转速的微分，x3表示系统的广义扰动，具体过程如下：

21、

22、其中l是绕组电感；r是绕组电阻，u表示系统的给定电压，kl表示转矩系数，j表示电机的旋转惯量，kq反电动势系数；

23、表示对x1微分，h表示对扰动x3的微分，系统的广义扰动被定义为u为系统的输入，y为系统的输出，f为广义扰动，w为外部扰动，a1,a2表示系统参数，b为控制增益，a1,a2,b均为不确定参数，而b0为一常数且b0≈b，同时包含内部不确定性和外部扰动；设置x1＝y,并将其扩展到系统的状态变量；

24、线性扩展状态观测器leso的建立和编写如下：

25、

26、通过选择适当的观测器增益b1,b2,b3，b0≈b，b为控制增益，y为系统输出，u为系统输入，z1,z2,z3表示状态观测器的状态变量，实现对系统中各种变量的实时跟踪z1→y,

27、优选的，所述步骤q3中，根据步骤q1搭建的电机模型和步骤q2的状态变量，设计自适应模糊自抗扰控制器；具体过程如下：

28、自适应模糊控制器设计为：uc＝u0+ua；

29、uc为自适应模糊自抗扰控制律，u0为自抗扰控制器，自适应控制律ua。

30、具体的，所述根据步骤q1搭建的电机模型和步骤q2的状态变量，设计自适应模糊自抗扰控制律；自抗扰设计具体过程如下：

31、考虑如下描述的二阶系统：

32、

33、u为系统的输入，y为系统的输出，w为外部扰动，a1,a2表示系统参数，b为控制增益，a1,a2,b均为不确定参数，而b0为一常数且b0≈b；

34、设计控制的输入u：

35、

36、而忽略与此相关的估计误差，系统可以简化为双积分级数结构，描述如下：

37、

38、u0为自抗扰控制器；

39、pd控制器设计如下：

40、u0＝kp(v-z1)-kdz2

41、其中v表示给定信号，kp.kd表示控制器增益，s为拉普拉斯算子，闭环传递函数改写如下：

42、

43、leso特征方程如下：

44、λ(s)＝s3+b1s2+b2s+b3

45、通过选择理想的特征方程λ(s)＝(s+w0)3，我们可以得到以下关系：

46、b1＝3w0,b2＝3w02,b3＝w03

47、其中w0表示观测器带宽；如果选择参数为kp＝wc2,kd＝2wc，则此时的控制器带宽为wc。

48、具体的，上述根据步骤q1搭建的电机模型和步骤q2的状态变量，设计自适应模糊自抗扰控制律；自适应律和模糊推理设计具体过程如下：

49、由于kq是一个不确定常数，因此可以通过反步法获得其估计和自适应控制律ua；将误差函数定义为e＝x1-x1d，将误差函数的导数定义为δ＝x2-x2d，其中x1d为期望转速，x1为实际转速；为实际转速的微分，x2d表示期望转速的微分，x2表示实际转速的微分，表示期望转速的二阶微分自适应定律设计如下：

50、

51、

52、其中l是绕组电感；r是绕组电阻，te表示电磁转矩，kl表示转矩系数，j表示电机的旋转惯量，k2为不确定正常数；

53、利用if-then模糊推理系统中所有控制参数kp,kd,输入为误差e,误差的微分ec输出为kp,kd，采用高斯函数进行模糊推理，输入输出的参数范围为e∈(-0.2,0.2)，ec∈(-0.2,0.2)，kp,kd∈(-0.6,0.6)。

54、本发明的有益效果

55、本发明设计一种基于自适应模糊自抗扰算法的电机控制方法，有效的解决了传统控制中的跟踪误差大，响应速度慢，抗干扰性差等不足。在传统自抗扰控制中引入自适应率和模糊推断，使得微型电机的转速误差在有限时间收敛到零，从而提高整个系统的控制精度和稳定性。实现了运用于微型电机的高精度，高效率控制。