1.基于观测器的异步电动机指令滤波离散控制方法,其特征在于,包括如下步骤:步骤1.建立异步电动机离散系统动态数学模型;
在同步旋转坐标系下,异步电动机离散系统动态数学模型如公式(1)所示;
其中,k为异步电动机离散系统的步数, θ(k)、θ(k+1)分别表示异步电动机离散系统第k步、k+1步的转子角度;ω(k)、ω(k+1)分别表示异步电动机离散系统第k步、k+1步的角速度;id(k)、id(k+1)分别表示异步电动机离散系统第k步、k+1步的d轴电流;
iq(k)、iq(k+1)分别表示异步电动机离散系统第k步、k+1步的q轴电流;ud(k)表示异步电动机离散系统第k步d轴的对称饱和非线性输入,uq(k)表示异步电动机离散系统第k步q轴对称饱和非线性输入;ψd(k)表示转子磁链;Δt表示异步电动机离散系统的采样周期;np表示磁极对数;Lm表示互感系数;Ls和Lr分别为定子和转子侧等效电感;TL表示异步电动机离散系统的负载转矩;J表示转动惯量;Rs和Rr分别表示定子和转子的等效电阻;
为简化以上异步电动机离散系统动态数学模型,定义如下新的变量:由式(2)定义的新变量,将式(1)通过欧拉方法,得到异步电动机离散系统模型如下:由于uq(k)和ud(k)的基本特性相同,为表述方便,定义u(k)代指uq(k)和ud(k);
根据u(k)的特性,u(k)描述为:
其中,umax>0、umin<0是未知的输入饱和常数;vq(k)和vd(k)均为定子的输入电压,由于vq(k)和vd(k)的基本特性相同,为表述方便,定义v(k)代指vq(k)和vd(k);
定义如下平滑函数g(v(k)):
由式(5),定义u(k)=g(v(k))+Y(v(k)) (6)式中,Y(v(k))是有界函数;Y(v(k))的边界为:|Y(v(k))|=|u(k)‑g(v(k))|≤max{umax(1‑tan(1),umin(tan(1)‑1)}=D;
其中,D为正常数且D>0;根据中值定理得知,存在一个常数λ,0<λ<1,使得:其中,v(0)和g(v(0))分别表示定子输入电压v(k)以及平滑函数g(v(k))的初始值,vλ(k)=λv(k)+(1‑λ)v(0);
那么u(k)被重新定义为:
其中,v(k+1)表示k+1步定子的输入电压,g(v(k+1))表示k+1步的平滑函数;设定v(0)=0,g(v(0))=0,则式(6)改写为: 其中,则异步电动机离散系统第k步q轴的对称饱和非线性输入uq(k)为:则异步电动机离散系统第k步d轴的对称饱和非线性输入ud(k)为:步骤2.设计降维观测器,估计异步电动机的转子位置和角速度;
对于公式(3)给出的异步电动机离散系统模型,其动态方程如下:其中,未知非线性函数f2(k)=x2(k)‑x3(k)+a1Δtx3(k)x4(k)+a2ΔtTL;y(k)表示k时刻降T维观测器的输出;假设f(Z)在紧集ΩZ中是一个连续的函数,存在径向基函数神经网络W ST(Z)使得f(Z)=WS(Z)+τ;τ是逼近误差且满足|τ|≤ε,ε为任意小的正常数; 是q p输入向量,q是神经网络输入维数,R为实数向量集;W∈R是权重向量,p是神经网络节点数,p T pp为正整数且p>1,R为实数向量集;S(Z)=[s1(Z),...,sp(Z)]∈R为基函数向量;sc(Z)为高斯函数,sc(Z)的表达式为:其中,c=1,...,p,μc是高斯函数sc(Z)接受域的中心,ηc为高斯函数sc(Z)的宽度;
根据径向基函数神经网络的定义,存在径向基函数神经网络 使得W2表示权重向量,S2(Z2(k))表示基函数向量,式(10)表示为:其中, 和 分别表示第k步时异
步电动机的转子角度和角速度的观测值;τ2为逼近误差且满足|τ2|≤ε2,ε2为任意小的正常数;
则降维观测器如公式(12)所示;
其中, 为第k步降维观测器输出的估计值, 分别表示第k+1步时异步电动机的转子角度和角速度的观测值,g1、g2为正常数; Φ2>0且为未知常数, 为神经网络权重 的范数;
自适应律 是Φ2的估计值,定义
T
定义h(k)=[h1(k),h2(k)],且 那么h(k+1)表示为:其中,
T T
选择Lyapunov函数V0(k)=h(k)Ph(k),其中,P为正定矩阵,P=P;
对V0(k)取一阶差分得:
其中,||P||表示正定矩阵P的范数,||S2(Z2(k))||表示神经网络径向基函数S2(Z2(k))T的范数,Q为矩阵,且Q=P‑3APA;
步骤3.根据指令滤波和反步法设计基于观测器的异步电动机指令滤波离散控制方法;
定义指令滤波器的公式如下:
式中,ξ为指令滤波器的时间常数,ωn为正常数;d1(k)、d2(k)分别为第k步时指令滤波器的输出信号,d1(k+1)、d2(k+1)分别为指令滤波器在第k+1步时的输出信号;
α(k)为指令滤波器的输入信号,即虚拟控制函数;如果虚拟控制函数α(k)满足:且 对于任意的k≥1成立;其中,
且d1(0)=α(0),d2(0)=0,α(0)为α(k)的初始值,d1(0)为d1(k)的初始值,d2(0)为d2(k)的初始值;那么对于任意的Q>0,有0<ξ≤1和ωn>0,使得|d1(k)‑αi(k)|≤Q,Δd1(k)=|d1(k+1)‑d1(k)|有界;其中,αi(k)表示虚拟控制函数,i=1,2,3;
定义误差信号e1(k)、e2(k)、e3(k)、e4(k)、e5(k)为:定义误差补偿信号ξ1(k)、ξ2(k)、ξ3(k)、ξ4(k)、ξ5(k)为:其中,x1d(k)、x4d(k)为给定的期望信号;α1d(k)、α2d(k)、α3d(k)为指令滤波器的输出信号;vj(k)表示补偿误差,j=1,2,3,4,5;
对离散系统每一步都选取一个Lyapunov函数来构建虚拟控制函数,具体步骤如下:步骤3.1.选择Lyapunov函数 那么V1(k)的一阶差分为:其中,x1d(k+1)、ξ1(k+1)分别为k+1步的期望信号和误差补偿信号;
选取虚拟控制函数α1(k)和误差补偿信号ξ1(k)为:其中,t1为常数,且|t1|≤1;根据虚拟控制函数α1(k)、误差补偿信号ξ1(k)、误差信号以及误差补偿信号ξ2(k)=e2(k)‑v2(k)和式(16)得:步骤3.2.选择Lyapunov函数 那么V2(k)的一阶差分为:选取虚拟控制函数α2(k)、误差补偿信号ξ2(k)和自适应律 为:其中,t2为常数,且|t2|≤1,γ2和δ2为正参数,将式(19)和(20)代入式(18)中,得:步骤3.3.选择Lyapunov函数 那么V3(k)的一阶差分为:其中,f3(k)为一未知的非线性函数,且
由径向基函数神经网络逼近原理得知,对于给定的任意ε3>0,存在径向基函数神经网T T络W3S3(Z3(k)),使得f3(k)=W3S3(Z3(k))+τ3;W3表示权重向量,S3(Z3(k))表示基函数向量;
T
Z3(k)=[x1(k),x2(k),x3(k),x4(k),x5(k)] ;τ3表示逼近误差,并满足不等式|τ3|≤ε3,||W3||是向量W3的范数;取误差补偿信号ξ3(k)=0,则异步电动机q轴定子输入电压vq(k),对称饱和非线性输入uq(k)和自适应律 分别为:其中,γ3和δ3为正参数, 表示神经网络权重向量W3(k)的估计值,||S3(Z3(k))||表示神经网络径向基函数S3(Z3(k))的范数;
T T T
定义Φ3=||W3||,Φ3为未知常数,且Φ3>0,||W3 ||为神经网络权重向量W3 的范数,自适应律 是Φ3的估计值,定义估计误差将式(23)、(24)代入式(22)中得将式(23)、(24)代入式(22)中并结合杨氏不等式得:步骤3.4.选择Lyapunov函数 取V4(k)的一阶差分,得到:选取虚拟控制函数α3(k)和误差补偿信号ξ4(k)为:其中,t4为常数,且|t4|≤1,将式(27)代入式(26)中,得:步骤3.5.选择Lyapunov函数 其中,M为正常数;
取V5(k)的一阶差分,得到:
其中,f5(k)为一未知的非线性函数,且
由径向基函数神经网络逼近原理得知,对于给定的任意ε5>0,存在径向基函数神经网T T络W5S5(Z5(k)),使得:f5(k)=W5 ||S5(Z5(k))||+τ5;Z5(k)=[x1(k),x2(k),x3(k),x4(k),x5T(k)] ,τ5表示逼近误差,并满足不等式|τ5|≤ε5;取误差补偿信号ξ5(k)=0,则异步电动机d轴定子输入电压vd(k),对称饱和非线性输入ud(k)和自适应律 分别为:其中,γ5和δ5为正参数, 表示神经网络权重向量W5(k)的估计值,||S5(Z5(k))||表T T示神经网络径向基函数S5(Z5(k))的范数, 定义Φ5=||W5 ||,||W5||为神经网络T权重向量W5的范数Φ5为未知常数且Φ5>0,估计误差 是Φ5的估计值;将式(30)、(31)代入式(29)中得将式(30)、(31)代入式(29)中并结合杨氏不等式得:步骤4.对构建的基于观测器的异步电动机指令滤波离散控制方法进行稳定性分析;
选择Lyapunov函数:
取V(k)的一阶差分,得到:
根据 和式(20)、(24)、(31)得到:2
其中,m=2,3,5,δm为正参数,由基函数向量S(Z)的定义得知,||Sm(Zm(k))||≤lm,lm表示径向基函数神经网络Sm(Zm(k))的节点数;由杨氏不等式,得:由式(9)、(23)、(30)及杨氏不等式得:将式(36)、(37)代入式(35)中得到:将式(38)、(39)、(40)代入式(33)中得到:其中:
选择合适的采样周期Δt,控制参数ξ,ωn,γ2,γ3,γ5,δ2,δ3,δ5,g1和g2,使下列不等式成立:T
其中,κ=2,3,5,且矩阵Q=P‑3APA正定,只需满足下列条件:则有ΔV(k)≤0成立,这意味着对任意σ>0,有 成立;
假设 有界且 i3=1,2,3,i4=1,2,4,那么补偿信号 最终一致有界,i1=1,2,3,4,5,由v1(k)=e1(k)‑ξ1(k)和ξ1(k)是有界的,则跟踪误差e1(k)亦是有界的;
由以上分析得到,在定子的输入电压vq(k)和vd(k)的作用下,异步电动机离散系统的误差变量e1(k)能够收敛到原点的一个充分小的邻域内,并保证其他信号有界。