Système d'entraînement servo

Les systèmes de service de service sont au cœur des performances des robots industriels, et la technologie de service de service est devenue une technologie clé de l'automatisation industrielle. Les disques et Ethernet industriel sont devenus des composants essentiels de la fabrication moderne. Le lien CC -, Ethercat et Devicenet sont actuellement des bobots de champ communs utilisés dans les robots industriels.

Avec le développement rapide de l'électronique de puissance et de la théorie du contrôle moderne, les systèmes Tonghang Servo Drive se dirigent également vers la numérisation, les systèmes de service de servo entièrement numériques deviennent le courant dominant. Avec l'avancement de la fabrication intelligente, les disques de servo de Tonghang évoluent également vers une haute précision, des performances élevées et une intégration.

Face à la forte demande du marché pour les systèmes d'entraînement, l'équipe d'ingénierie de Tonghang a conçu un service de servo basé sur un bus de performance - élevé - avec une excellente réponse dynamique, une précision stable et- et un fonctionnement simple. Cela accélère la transformation et la mise à niveau numériques de la fabrication industrielle, ce qui entraîne l'industrie manufacturière vers le réseautage, l'intelligence et les données -.

Développement de stratégies de contrôle de la conduite SERVO

Le développement des stratégies de contrôle de la conduite servo peut être retracée au milieu du 20e siècle -. Avec le développement rapide de la technologie de l'électronique de puissance et de la théorie du contrôle moderne, les stratégies de contrôle de la conduite servo ont continué de progresser, du contrôle initial du rapport de fréquence de tension constante au contrôle vectoriel actuellement largement utilisé et au contrôle direct, puis à un contrôle intelligent proposé par des algorithmes de contrôle intelligents.

Tension constante - Contrôle du rapport de fréquence

Tension constante - Le contrôle du rapport de fréquence, également connu sous le nom de tension constante par contrôle de fréquence (CVF), est une stratégie de contrôle précoce pour les systèmes d'entraînement moteur CA. Son principe central est de maintenir un rapport de fréquence de tension constante - pour maintenir un flux magnétique constant dans le moteur. Par conséquent, le contrôle CVF est également appelé contrôle constant du flux.

En V / F constant pendant le contrôle, la tension de fonctionnement du moteur est proportionnelle à la fréquence d'entrée. Cela signifie que lorsque la fréquence augmente, la tension d'entrée au moteur augmente également, en maintenant un rapport tension / fréquence proportionnel, garantissant que le moteur atteint un couple électromagnétique approprié à toutes les fréquences. En maintenant cette relation proportionnelle entre la tension et la fréquence, le contrôle V / F constant maintient un flux moteur stable à des fréquences variables. Cela permet de garantir un champ magnétique suffisant généré à toutes les vitesses du moteur, en maintenant des caractéristiques de fonctionnement stables.

Par rapport à d'autres stratégies de contrôle avancées, le contrôle V / F constant est relativement simple, le coût - faible et très fiable. Cela le rend largement utilisé dans de nombreux champs, en particulier lorsque le coût faible - et un contrôle relativement simple sont nécessaires. Le contrôle V / F constant est applicable à de nombreux types de moteurs AC, y compris les moteurs à induction et les moteurs synchrones de l'aimant permanent. Le contrôle de rapport de tension / fréquence constant est un contrôle de boucle ouverte - et ne nécessite pas de signaux de rétroaction tels que la tension, le courant, la vitesse et la position. Cependant, il ne peut pas non plus contrôler le couple du moteur. En raison du manque de circuits de rétroaction, il manque de précision de temps réelle - et a une faible précision de contrôle, de mauvaises performances dynamiques et des résultats de contrôle insatisfaisants.

Le contrôle du contrôle V / F constant garantit que le moteur peut maintenir des caractéristiques de fonctionnement stables à différentes vitesses en maintenant la relation proportionnelle entre la tension et la fréquence. Il s'agit d'une stratégie de contrôle de la conduite moteur AC simple et efficace.

Contrôle de couple direct

Le contrôle direct du couple (DTC) est une technologie de contrôle des servomotes proposée par des chercheurs allemands et japonais dans les années 1980. Il vise à obtenir un couple précis et un contrôle de vitesse des moteurs. Contrairement au contrôle du vecteur, qui découple le courant, DTC contrôle directement le couple, réduisant la dépendance aux paramètres du moteur et améliorant ainsi les performances et la stabilité dynamiques du système. DTC utilise l'analyse des vecteurs d'espace pour contrôler directement la liaison de flux du stator et le couple électromagnétique dans un champ de stator - orienté.

Un système DTC se compose généralement de deux composants principaux: un contrôleur de couple et un contrôleur de flux. Le contrôleur de couple surveille le couple et la vitesse du moteur et calcule le vecteur de tension approprié en fonction du couple prédéfini et des exigences de vitesse. En comparant le couple requis avec le couple réel, le contrôleur de couple génère le vecteur de tension approprié pour contrôler le couple de sortie du moteur. Cette méthode directe de contrôle du couple permet au système de répondre plus rapidement aux demandes de couple. Les contrôleurs de flux surveillent le flux magnétique du moteur et ajustent son ampleur au besoin. En contrôlant le flux magnétique du moteur, le contrôle de la vitesse peut être obtenu. Les contrôleurs de flux utilisent généralement la modulation du vecteur d'espace (SVM) pour régler le flux magnétique du moteur pour atteindre la vitesse souhaitée. Le contrôle direct du couple (DTC) élimine les calculs de coordonnées complexes et offre des avantages tels que le temps de réponse rapide du couple et la robustesse. Étant donné que les systèmes DTC ne nécessitent pas de mesure et de calcul du courant moteur, ils peuvent réduire la complexité et le coût du système de contrôle. Cependant, ils souffrent de mauvaises performances à basse vitesse, de l'ondulation de couple et de la fréquence de commutation instable.

Le contrôle direct du couple (DTC) est une technologie de contrôle du moteur avancé qui atteint un couple précis et un contrôle de vitesse en contrôlant directement le couple et le flux magnétique du moteur. Sa réponse dynamique rapide et ses performances efficaces ont conduit à son adoption généralisée dans les applications industrielles.

Contrôle du vecteur

Field - Control orienté (FOC), également connu sous le nom de Field - Control orienté, est une théorie de contrôle du servo proposée dans les années 1970. Il utilise des principes de transformation des coordonnées, en utilisant les transformations de parc et de Clark pour transformer le courant du stator dans un système de coordonnées stationnaire de trois - en un composant DC dans un système de coordonnées rotatifs de phases à deux -. Les courants de phase sont ensuite découplés pour obtenir le courant d'excitation I et l'ID de courant rotatif, atteignant des performances de contrôle similaires à celles d'un moteur à courant continu. Après avoir obtenu la variable de contrôle requise, la transformation du parc inverse et l'algorithme SVPWM sont utilisés pour le convertir en une variable AC de phase à trois -.

Les principaux types de contrôle vectoriel sont - Contrôle de vecteur de boucle (contrôle vectoriel sans sens Open - Contrôle vecteur de boucle ne nécessite pas de rétroaction sur la vitesse ou la position du moteur. Cette méthode est simple et faible - coût, mais sa précision de contrôle et ses performances dynamiques sont inférieures à un contrôle de boucle fermé -. Fermé - La commande du vecteur de boucle nécessite une vitesse de moteur ou une rétroaction de position pour contrôler avec précision le flux et le couple. Il offre des performances de contrôle très précises et convient aux applications nécessitant des performances dynamiques élevées. Les stratégies de contrôle des vecteurs incluent principalement ID =0 Control, Contrôle d'unité du facteur de puissance, couple maximum - à - Contrôle du rapport actuel et champ - Contrôle d'affaiblissement. Le contrôle ID =0, en raison de sa simplicité, de son effort de calcul minimal, de l'excellente performance du couple et de sa plage de régulation à grande vitesse, est largement utilisée dans les applications de contrôle des performances élevées élevées -. Cependant, le contrôle des vecteurs présente des inconvénients: il implique de déterminer le flux de rotor et les transformations de coordonnées complexes, introduit des facteurs non linéaires tels que deux - couplage de courant de l'axe, et est directement affecté par les paramètres du moteur, ce qui rend le système sensible aux variations des paramètres et aux interférences externes pendant le fonctionnement, conduisant à une précision de contrôle réduite.

La technologie de contrôle des vecteurs est devenue un élément essentiel du contrôle moteur de moteur AC et est largement utilisé dans diverses applications industrielles et commerciales, y compris les véhicules électriques, les robots industriels, les ascenseurs et divers systèmes de contrôle de la vitesse. En fournissant une précision élevée - et un contrôle d'efficacité élevé -, la technologie de contrôle des vecteurs améliore considérablement les performances des systèmes d'entraînement moteur.

Contrôle intelligent

Le contrôle intelligent est différent des stratégies de contrôle précédentes. Il ne s'appuie pas entièrement sur le modèle mathématique de l'objet de contrôle, mais optimise le contrôle en obtenant une rétroaction des performances. Pour les servomoteurs AC non linéaires et multivariés, le contrôle intelligent est un choix approprié. Le contrôle intelligent n'est pas une stratégie de contrôle unique, mais un terme général pour une classe de stratégies, y compris principalement le contrôle flou, le contrôle du mode coulissant, le contrôle du réseau neuronal et les algorithmes génétiques.

(1) Le contrôle flou, également connu sous le nom de contrôle de la logique floue, provient de mathématiques floues et est une technologie de contrôle informatique composé d'une théorie des ensembles floues, d'un langage flou et d'une logique floue. Fuzzy Control simule le raisonnement et la décision floues - Le processus de fabrication des humains et appartient à la méthode de contrôle intelligente. Cette méthode convertit l'expérience des opérateurs ou des experts en règles floues, floue les signaux temporels réels -, puis effectue un raisonnement flou et intègre enfin les résultats dans l'actionneur. Le contrôle flou ne nécessite pas l'établissement d'un modèle mathématique précis de l'objet contrôlé. Cette méthode rend le mécanisme de contrôle et la stratégie plus facile à accepter et à comprendre, simple dans la conception et facile à appliquer. Les systèmes de contrôle flou ont une excellente robustesse et peuvent réduire efficacement l'impact des modifications d'interférence et de paramètres sur l'effet de contrôle. Il convient particulièrement pour le contrôle des systèmes de lag en temps non linéaires, Time -, et présente de forts avantages dans les performances de temps réelles -. Cependant, la conception du contrôle flou fait toujours face à des défis en termes de systématisation, en particulier dans le contrôle des systèmes complexes. À l'heure actuelle, un système théorique complet du contrôle flou n'a pas été établi pour résoudre les problèmes du mécanisme de contrôle flou, de l'analyse de stabilité, de la conception systématique, etc. Par conséquent, l'obtention d'une règle floue fiable et de la méthode de conception des fonctions d'adhésion pour éviter de s'appuyer entièrement sur la conception empirique est l'un des problèmes auxquels il faut prêter attention dans la recherche sur le contrôle fuzzy.

(2) Le contrôle du mode de glissement SMC, également connu sous le nom de contrôle de la structure variable, est un schéma de contrôle basé sur la théorie du contrôle moderne. Sa base mathématique est principalement basée sur la fonction de Lyapunov. Le concept principal de la commande de mode coulissant consiste à établir une surface de mode coulissant, à guider le système contrôlé vers la surface et à faire bouger le système le long de la surface coulissante. Cette méthode de contrôle est essentiellement une stratégie de contrôle non linéaire. Ses caractéristiques non linéaires se reflètent dans la discontinuité du contrôle, qui est obtenue par des fonctions de commutation. Selon la mesure dans laquelle l'état du système s'écarte du mode de glissement, la structure du contrôleur (la loi de contrôle ou les paramètres du contrôleur) est ajustée pour faire en sorte que le système suive le mode de fonctionnement spécifié par le mode de glissement. Le contrôle du mode coulissant peut surmonter l'incertitude du système et montrer une solide robustesse à l'interférence et une dynamique non modélisée, en particulier dans le domaine du contrôle du système non linéaire [12]. Le contrôle du mode coulissant est simple et efficace, avec une vitesse de réponse rapide et une bonne robustesse aux interférences de bruit externes et aux changements de paramètres. Cependant, une fois que la trajectoire de l'état du système atteint la surface du mode de glissement, il est difficile pour l'algorithme de suivre strictement la surface jusqu'au point d'équilibre du système. Au lieu de cela, il se déplace d'avant en arrière des deux côtés de la surface coulissante et s'approche progressivement du point d'équilibre, entraînant la survenue d'un bavardage. À l'heure actuelle, les principales méthodes visant à réduire l'impact du bavardage sont d'améliorer la loi d'approche du mode de glissement ou d'utiliser le filtrage, le contrôle flou, le réseau neuronal et d'autres méthodes.

(3) Le contrôle du réseau neuronal est une méthode qui utilise des réseaux de neurones pour traiter des objets non linéaires complexes difficiles à décrire avec précision. Dans ce système de contrôle, les réseaux de neurones peuvent jouer plusieurs rôles tels que les contrôleurs, les calculs d'optimisation, le raisonnement ou le diagnostic des défauts. Ce système de contrôle du réseau neuronal qui intègre diverses fonctions peut faire face plus efficacement à la complexité et à l'incertitude du système. Grâce au contrôle du réseau neuronal, le système peut fonctionner de manière plus flexible et adaptative, améliorant les performances du système et la robustesse. Les réseaux de neurones artificiels (ANN) sont abrégés en tant que réseaux de neurones (NN). ANNS est un modèle construit en simulant le mécanisme d'apprentissage du système nerveux du cerveau humain et est divisé en couche multi - et couche unique -. Chaque couche contient plusieurs neurones et les neurones sont connectés par des connexions dirigées avec des poids variables. En apprenant et en formation à plusieurs reprises des informations connues et en ajustant progressivement les poids des connexions de neurones, les réseaux de neurones artificiels peuvent traiter les informations et simuler l'entrée - les relations de sortie. La technologie du réseau neuronal a des avantages évidents par rapport aux méthodes traditionnelles de traitement des données dans le traitement des données floues, aléatoires et non linéaires, et est particulièrement adapté aux systèmes avec une structure à grande échelle, une structure complexe et des informations incertaines. Les réseaux de neurones n'ont pas besoin de comprendre la relation exacte entre l'entrée et la sortie, mais n'ont besoin que des facteurs constants non - qui provoquent des changements de sortie, c'est-à-dire des paramètres constants non -. Cela fait que les réseaux de neurones fonctionnent bien dans le traitement des données incertaines.

(4) L'algorithme génétique (GA) est une technique d'optimisation de recherche aléatoire parallèle qui simule les processus génétiques et évolutifs des organismes dans la nature. Cet algorithme fonctionne sur des chaînes binaires grâce à des techniques de codage, simulant l'évolution d'une population pour rechercher la solution optimale. Les algorithmes génétiques utilisent un mécanisme d'échange d'informations aléatoires ordonné pour recombiner les chaînes hautement adaptables et remplacer les segments de certaines chaînes par une certaine probabilité. Semblable à la sélection naturelle, des chaînes hautement adaptables sont conservées et continuent de se reproduire jusqu'à ce qu'un résultat d'optimisation satisfaisant soit obtenu. Les algorithmes génétiques n'ont aucune exigence spécifique pour le problème lui-même et ne nécessitent pas d'hypothèses mathématiques strictes. Ils possèdent également des capacités de calcul parallèle, augmentant la vitesse de calcul par le biais de grandes échelles -, ce qui les rend adaptés à l'optimisation de l'échelle -, des problèmes complexes. L'algorithme utilise des règles de transition probabilistes pour guider la direction de recherche et présente des propriétés d'apprentissage organisant, adaptative et auto-{10}}. En raison de ses avantages, le gaz est largement utilisé pour l'optimisation des paramètres dans la conception du contrôleur, en particulier pour l'optimisation. Ils sont également appliqués dans des domaines tels que l'optimisation des chemins, les systèmes d'alimentation et l'industrie automobile.

Il combine généralement plusieurs stratégies de contrôle intelligentes pour obtenir de meilleurs effets de contrôle. Par exemple, une stratégie de contrôle du film coulissant de la vitesse de puissance variable est proposée, et le terme exponentiel variable de gain de film coulissant adaptatif est ajouté au taux d'approche de puissance, ce qui améliore la précision d'observation et contrôle efficacement l'amplitude d'erreur. Yu Xiaoling et al. [16] a proposé un contrôleur PID Fuzzy Adaptive Fractional -, combinant le contrôle flou avec le contrôleur de PID fractionnaire -, qui dans une certaine mesure a amélioré la vitesse de réponse du système de régulation du moteur et a amélioré la stabilité. Le contrôle flou est combiné avec un algorithme génétique pour former une stratégie génétique de contrôle composite -, et l'algorithme génétique est utilisé pour optimiser les paramètres du contrôleur PI flou pour résoudre le problème des erreurs importantes dans le réglage du facteur proportionnel causé par le raisonnement floue, la réduction du temps et de l'erreur par paramètre, et améliorent davantage le contrôle de contrôle du moteur. La stratégie de contrôle qui combine le réseau neuronal de la fonction de base radiale (RBF) avec le contrôleur PID utilise le signal de sensibilité obtenu par identification pour régler les paramètres PID, améliorant ainsi la capacité d'interférence anti -. Les réseaux de neurones RBF sont des réseaux de neurones à action directe qui peuvent approximer des fonctions non linéaires avec une précision arbitraire. Ils offrent les avantages de l'approximation locale, de la forte entrée - mappage de sortie et de la convergence rapide. La combinaison d'un réseau de neurones en ondelettes (WNN) avec un contrôleur PID et l'utilisation d'une stratégie de contrôle du réseau neuronal en ondelettes (WNN -} PID) améliore efficacement la précision de contrôle de la vitesse des moteurs synchrones de l'aimant permanent. Les réseaux de neurones en ondelettes sont une méthode efficace pour combiner des modèles structuraux de réseau de neurones avec une résolution multi - et une analyse du signal d'échelle multi -. Grâce à la distribution linéaire des coefficients de poids du réseau et à la convexité de la fonction objective apprise, le processus de formation du réseau évite fondamentalement les problèmes d'optimalité locale et non linéaire.