下载文档原格式
No.4Apr.2021第4期2021年4月组合机床与自动化加工技术Modular Machine Tool & Automatic Manufacturing Techninue文章编号：1001 -2265(2021)04 -0096 -04DOI : 10.13462/j. cnki. mmtamt. 2021.04. 023伺服系统转动惯量辨识及控制器PI 参数优化孙彦瑞，苏成志（长春理工大学机电工程学院，长春130000）摘要:在机器人运行时，为了使伺服电机在最优性能下达到目标速度、在工作过程中有着更强的抗 扰动能力，并避免出现震荡、谐振的状况，从而造成机器人运行时动态稳定性严重降低。
提出一种 基于非线性动态学习因子的粒子群优化算法，对普通粒子群优化算法进行改进。
该算法以伺服系 统控制模型中的速度控制器为核心，实时辨识负载转动惯量值，使伺服系统内部控制参数根据实际 工况调节；运用该辨识值，通过计算得到速度控制PI 参数值，并实时修正速度控制器PI 参数值。
MATLAB/SIMULINK 仿真结果表明，与传统的粒子群优化算法相比，无论在电机启动过程中、还是 负载扰动下，该方法都具有更快的响应速度、更高的控制精度以及更强的抗干扰能力。
关键词：转动惯量；非线性动态学习因子；粒子群优化算法；速度控制器PI 参数中图分类号:TH166 ；TG506 文献标识码:AServo System Inertia IdenhPcahon and Controller PI Parameter OptimizationSUN Yan-rui , SU Cheng-zhi(School of Mechanical and Electrical Engineering , Changchun Univvrsity of Science and Technolo/y , Changchun 130000, Ch/ia )Abstrach : During the operation of the robot , in order to make the servo motor achieve the target speed un der the optimal performance , and have stronger anti-disirbance ability in the working proces s , and to a void the prob —m of vibration and resonance , resulting in a serous reduction in the dynamic stability of the robot. The coniol model of servo motor is analyzed , and a particle swarm optimization algorithm based on nonlmear dynamic learning factor is proposed. The algorithm ties the speed conioller in the servo system coniol model as the core , and can identify the loadz moment of inertia in real time , so that the internaicontrol parameters of the s ervo system can be adjusted according to the acial condbions. By using the i dentification value , the PI parameter value of the speed control is obtained through calculation , and the PI parameter value of the speed conioller is corrected in real time. The results of MATLAB/SIMULINK sim ulation show that compared with the traditional pakWle swarm optimization algorithm , this method has fas ter response speed , higher control accuracy and stronger anti-interference ability , whether in the motorsha+hing p+oce s o+unde+hheload dishu+bance.Key wois : moment of inertia ； nonlinear dynamic learning factor ； particle swarm optimization tgoriim ； speed conho l e+PIpa+amehe+0引言机器人在运行时，每个轴的负载转动惯量与负载 扭矩随着机器人的姿态的变化而变化;伺服系统对负 载转动惯量的辨识精度、辨识快慢，决定着伺服系统运 行的稳定性、精确性与快速性。
伺服系统的参数调节方法伺服系统是一种通过控制输出来保持输出与输入一致的控制系统。
在实际应用中，为了保持伺服系统的性能，需要对伺服系统的参数进行调节。
本文将介绍一些常用的伺服系统参数调节方法。
一、比例控制器调节法在伺服控制系统中，比例控制器是一个非常重要的组成部分。
比例控制器是由一个比例增益、一个积分增益和一个微分增益组成的。
比例控制器的主要作用是将误差信号转换为控制信号。
比例控制器调节法是一种简单有效的方法。
首先，将伺服系统的比例增益调整到最大值。
然后，逐步减小比例增益，直到出现振荡。
此时，将比例增益调整到振荡的前一级，即可获得一个稳定的伺服系统。
通常情况下，比例控制器的积分增益和微分增益不需要进行调整。
二、峰值法峰值法是一种通过调整伺服系统的参数，使系统的性能达到最佳的方法。
这种方法的基本思想是，在负载变化时，系统会振荡，振荡的周期取决于系统的惯性和弹性，所以如果能够控制振荡周期，则可以控制系统的性能。
具体实施方法是：首先，在初始条件下，设定伺服系统的参数，并进行一次试验。
然后，记录振荡周期和振荡幅度的变化情况。
接下来，根据振荡周期和振荡幅度的变化规律，调整伺服系统的参数，使其达到峰值。
这时，伺服系统的性能就达到了最佳。
三、根轨迹法根轨迹法是一种基于系统根轨迹的调节方法。
系统根轨迹是系统开环传递函数极点和零点随控制参数变化而形成的轨迹。
通过对系统根轨迹的分析，可以得到系统的稳定性和动态响应性能。
具体实施方法是：首先，对伺服系统的传递函数进行分析，得出伺服系统的根轨迹。
然后，通过根轨迹的分析，得出伺服系统的稳定域和性能范围。
最后，根据性能范围和目标要求，调整伺服系统的参数，使其满足要求。
如果需要更高的性能，可以通过观察根轨迹的变化，得到更优化的调整方法。
四、频率法频率法是一种基于系统频率响应的调节方法。
通过对系统的频率响应进行分析，可以得到伺服系统的稳定性和动态响应性能。
具体实施方法是：首先，对伺服系统进行一次频率响应试验，得到系统的频率响应曲线。
伺服系统的参数调整和性能指标试验1 伺服系统的参数调整理论基础伺服系统包括三个反馈回路（位置回路、速度回路以及电流回路）。
最内环回路的反应速度最快，中间环节的反应速度必须高于最外环。
假使未遵守此原则，将会造成震动或反应不良。
伺服驱动器的设计可确保电流回路具备良好的反应效能。
用户只需调整位置回路与速度回路增益。
伺服系统方块图包括位置、速度以及电流回路，如图1所示。
图1 伺服系统方块图一般而言，位置回路的反应不能高于速度回路的反应。
因此，若要增加位置回路的增益，必须先增加速度回路增益。
如果只增加位置回路的增益，震动将会造成速度指令及定位时间增加，而非减少。
如果位置回路反应比速度回路反应还快，由于速度回路反应较慢，位置回路输出的速度指令无法跟上位置回路。
因此就无法达到平滑的线性加速或减速，而且，位置回路会继续累计偏差，增加速度指令。
这样，电机速度会超过，位置回路会尝试减少速度指令输出量。
但是，速度回路反应会变得很差，电机将赶不上速度指令。
速度指令会如图2振动。
要是发生这种情形，就必须减少位置回路增益或增加速度回路增益，以防速度指令振动。
图2 速度指令位置回路增益不可超过机械系统的自然频率，否则会产生较大的振荡。
例如，机械系统若是连接机器人，由于机器的机械构造采用减低波动的齿轮，而机械系统的自然频率为10~20Hz ，因此其刚性很低。
此时可将位置回路增益设定为10至20(1/s)。
如果机械构造系统是晶片安装机、IC 黏合机或高精度工具机械，系统的自然频率为70Hz 以上。
因此，可将位置回路增益设定为70(1/s)或更高。
需要很快的反应时，不只是要确保采用的伺服系统（控制器、伺服驱动器、电机以及编码器）的反应，而且也必须确保机械系统具备高刚性。
1.1交流伺服系统相关参数的设定速度回路增益主要用以决定速度回路的反应速度。
在机械系统不震动的前提下，参数设定的值愈大，反应速度就会增加。
如果负载惯量比设定的正确，速度回路增益的值就可以达到预想数值。
