基于数据驱动技术的无刷直流电机驱动运动状态预测与摩擦补偿
系统与控制
2024-07-30 v4 系统与控制
摘要
为提供鲁棒、可靠且精确的运动驱动位置与速度控制,摩擦补偿已成为一项关键难题。未表征的摩擦可能引发较大的位置误差与振动,并因粘滑运动和极限环而加剧。本文应用两种数据驱动的非线性模型辨识技术来发现表征摩擦的电机动力学控制方程。具体而言,从一无刷直流(BLDC)电机获取的数据中,提取电机速度的时滞坐标低功耗数据并对非线性项进行稀疏回归,以辨识底层动力学。后者可视为许多基于模型的控制器中常用传统线性电机模型的扩展。随后将辨识出的非线性模型与包含LuGre摩擦模型的非线性模型以及无摩擦线性模型进行对比。采用非线性灰箱模型估计方法计算LuGre模型的最优摩擦参数。所得含摩擦特性的非线性电机模型进而通过反馈摩擦补偿算法进行验证。该新颖模型在所有考虑的输入激励信号下预测电机状态的精度超过90%。此外,与无摩擦补偿的系统相比,基于模型的摩擦补偿方案表现出相对性能提升。
引用
@article{arxiv.2311.16533,
title = {Motor State Prediction and Friction Compensation for Brushless DC Motor Drives Using Data-Driven Techniques},
author = {Nimantha Dasanayake and Shehara Perera},
journal= {arXiv preprint arXiv:2311.16533},
year = {2024}
}