Sistem pemacu servo

Sistem pemacu Servo adalah penting kepada prestasi robot perindustrian, dan teknologi Servo Drive telah menjadi teknologi utama dalam automasi perindustrian. Pemacu servo dan Ethernet perindustrian telah menjadi komponen penting dalam pembuatan moden. CC - pautan, Ethercat, dan DeviceNet pada masa ini adalah lapangan biasa yang digunakan dalam robot perindustrian.

Dengan perkembangan pesat kuasa elektronik dan teori kawalan moden, sistem pemacu servo Tonghang juga bergerak ke arah digitalisasi, dengan sistem pemacu servo digital sepenuhnya menjadi arus perdana. Dengan kemajuan pembuatan pintar, pemacu servo Tonghang juga bergerak ke arah ketepatan tinggi, prestasi tinggi, dan integrasi.

Menghadapi permintaan pasaran yang tinggi untuk sistem pemacu, pasukan kejuruteraan Tonghang telah merancang pemacu berasaskan - - berasaskan servo dengan respons dinamik yang sangat baik, ketepatan keadaan tinggi -, dan operasi mudah. Ini mempercepat transformasi digital dan peningkatan pembuatan industri, memacu industri pembuatan ke arah rangkaian, kecerdasan, dan data - pembangunan yang didorong.

Pembangunan strategi kawalan servo

Perkembangan strategi kawalan servo dapat dikesan kembali ke pertengahan - abad ke -20. Dengan perkembangan pesat teknologi elektronik kuasa dan teori kawalan moden, strategi kawalan pemacu servo terus maju, dari kawalan nisbah frekuensi voltan berterusan awal ke kawalan vektor yang digunakan secara meluas dan kawalan tork langsung, dan kemudian kepada kawalan pintar yang dicadangkan oleh algoritma kawalan pintar.

Voltan malar - Kawalan nisbah kekerapan

Voltan malar - Kawalan nisbah kekerapan, juga dikenali sebagai voltan malar setiap kawalan kekerapan (CVF), adalah strategi kawalan awal untuk sistem pemacu motor AC. Prinsip terasnya adalah untuk mengekalkan voltan malar - nisbah kekerapan untuk mengekalkan fluks magnet yang berterusan dalam motor. Oleh itu, kawalan CVF juga dipanggil kawalan fluks berterusan.

Dalam v/F yang berterusan semasa kawalan, voltan operasi motor adalah berkadar dengan kekerapan input. Ini bermakna apabila kekerapan meningkat, voltan input ke motor juga meningkat, mengekalkan nisbah voltan/kekerapan berkadar, memastikan motor mencapai tork elektromagnet yang sesuai pada semua frekuensi. Dengan mengekalkan hubungan berkadar antara voltan dan kekerapan, kawalan v/f tetap mengekalkan fluks motor yang stabil pada frekuensi yang berbeza -beza. Ini membantu memastikan medan magnet yang mencukupi dijana pada semua kelajuan motor, mengekalkan ciri -ciri operasi yang stabil.

Berbanding dengan strategi kawalan lanjutan yang lain, kawalan v/f tetap agak mudah, rendah - kos, dan sangat dipercayai. Ini menjadikannya digunakan secara meluas dalam banyak bidang, terutamanya di mana kos rendah - dan kawalan yang agak mudah diperlukan. Kawalan V/F yang berterusan boleh digunakan untuk pelbagai jenis motor AC, termasuk motor induksi dan motor segerak magnet kekal. Kawalan nisbah voltan/kekerapan berterusan terbuka - kawalan gelung dan tidak memerlukan isyarat maklum balas seperti voltan, arus, kelajuan, dan kedudukan. Walau bagaimanapun, ia juga tidak dapat mengawal tork motor. Oleh kerana kekurangan litar maklum balas, ia tidak mempunyai ketepatan masa - dan mempunyai ketepatan kawalan yang rendah, prestasi dinamik yang lemah, dan hasil kawalan yang tidak memuaskan.

Kawalan kawalan v/F yang berterusan memastikan bahawa motor dapat mengekalkan ciri -ciri operasi yang stabil pada kelajuan yang berbeza dengan mengekalkan hubungan berkadar antara voltan dan kekerapan. Ia adalah strategi kawalan pemacu motor AC yang mudah dan berkesan.

Kawalan tork langsung

Kawalan tork langsung (DTC) adalah teknologi kawalan servo yang dicadangkan oleh penyelidik Jerman dan Jepun pada tahun 1980 -an. Ia bertujuan untuk mencapai tork yang tepat dan kawalan kelajuan motor. Tidak seperti kawalan vektor, yang menghancurkan arus, DTC secara langsung mengawal tork, mengurangkan pergantungan pada parameter motor dan dengan itu meningkatkan prestasi dan kestabilan dinamik sistem. DTC menggunakan analisis vektor ruang untuk secara langsung mengawal hubungan fluks stator dan tork elektromagnet dalam medan stator - berorientasikan cara.

Sistem DTC biasanya terdiri daripada dua komponen utama: pengawal tork dan pengawal fluks. Pengawal tork memantau tork dan kelajuan motor dan mengira vektor voltan yang sesuai berdasarkan keperluan tork dan kelajuan pratetap. Dengan membandingkan tork yang diperlukan dengan tork sebenar, pengawal tork menghasilkan vektor voltan yang sesuai untuk mengawal tork output motor. Kaedah kawalan tork langsung ini membolehkan sistem bertindak balas dengan lebih cepat kepada tuntutan tork. Pengawal fluks memantau fluks magnet motor dan menyesuaikan magnitudnya seperti yang diperlukan. Dengan mengawal fluks magnet motor, kawalan kelajuan dapat dicapai. Pengawal fluks biasanya menggunakan modulasi vektor ruang (SVM) untuk menyesuaikan fluks magnet motor untuk mencapai kelajuan yang dikehendaki. Kawalan tork langsung (DTC) menghapuskan pengiraan koordinat kompleks dan menawarkan kelebihan seperti masa tindak balas kawalan tork cepat dan keteguhan. Oleh kerana sistem DTC tidak memerlukan pengukuran dan pengiraan semasa motor, mereka dapat mengurangkan kerumitan dan kos sistem kawalan. Walau bagaimanapun, mereka mengalami prestasi yang lemah pada kelajuan rendah, riak tork, dan kekerapan beralih yang tidak stabil.

Kawalan tork langsung (DTC) adalah teknologi kawalan motor maju yang mencapai tork yang tepat dan kawalan kelajuan dengan secara langsung mengawal tork motor dan fluks magnet. Sambutan dinamik dan prestasi yang cekap telah membawa kepada penggunaannya yang meluas dalam aplikasi perindustrian.

Kawalan vektor

Field - Kawalan berorientasikan (foc), juga dikenali sebagai medan - kawalan berorientasikan, adalah teori kawalan servo yang dicadangkan pada tahun 1970 -an. Ia menggunakan prinsip transformasi menyelaras, menggunakan Park dan Clark mengubah untuk mengubah arus stator dalam sistem koordinat tiga - fasa ke dalam komponen DC dalam sistem koordinat berputar dua -. Arus fasa kemudian dipadam untuk mendapatkan pengujaan semasa I dan ID semasa berputar, mencapai prestasi kawalan yang serupa dengan motor DC. Selepas mendapatkan pemboleh ubah kawalan yang diperlukan, transformasi taman songsang dan algoritma SVPWM digunakan untuk mengubahnya menjadi pembolehubah AC fasa tiga -.

Jenis utama kawalan vektor terbuka - kawalan vektor gelung (kawalan vektor tanpa sensor) dan ditutup - kawalan vektor gelung (kawalan vektor sensor). Buka - Kawalan vektor gelung tidak memerlukan maklum balas mengenai kelajuan motor atau kedudukan. Kaedah ini mudah dan rendah - kos, tetapi ketepatan kawalan dan prestasi dinamiknya lebih rendah daripada kawalan gelung -. Ditutup - Kawalan vektor gelung memerlukan kelajuan motor atau maklum balas kedudukan untuk mengawal fluks dan tork secara tepat. Ia menyediakan prestasi kawalan yang sangat tepat dan sesuai untuk aplikasi yang memerlukan prestasi dinamik yang tinggi. Strategi kawalan vektor terutamanya termasuk kawalan id =0, kawalan faktor kuasa, tork maksimum - ke - kawalan nisbah semasa, dan medan - kawalan kelemahan. id =0 kawalan, kerana kesederhanaannya, usaha pengiraan yang minimum, prestasi tork yang sangat baik, dan pelbagai peraturan kelajuan yang luas, digunakan secara meluas dalam aplikasi kawalan prestasi tinggi -. Walau bagaimanapun, kawalan vektor mempunyai kelemahan: ia melibatkan penentuan fluks rotor dan transformasi koordinat kompleks, memperkenalkan faktor tak linear seperti dua - gandingan semasa paksi, dan secara langsung dipengaruhi oleh parameter motor, menjadikan sistem yang mudah terdedah kepada variasi parameter dan gangguan luaran semasa operasi, yang membawa kepada pengurangan ketepatan paksi.

Teknologi kawalan vektor telah menjadi komponen penting dalam kawalan motor AC moden dan digunakan secara meluas dalam pelbagai aplikasi perindustrian dan komersial, termasuk kenderaan elektrik, robot perindustrian, lif, dan pelbagai sistem kawalan kelajuan. Dengan menyediakan ketepatan tinggi - dan tinggi - kawalan kecekapan, teknologi kawalan vektor dengan ketara meningkatkan prestasi sistem pemacu motor.

Kawalan pintar

Kawalan pintar adalah berbeza daripada strategi kawalan sebelumnya. Ia tidak bergantung sepenuhnya kepada model matematik objek kawalan, tetapi mengoptimumkan kawalan dengan mendapatkan maklum balas prestasi. Untuk motor servo AC yang tidak linear, multivariable, kawalan pintar adalah pilihan yang sesuai. Kawalan pintar bukan strategi kawalan tunggal, tetapi istilah umum untuk kelas strategi, terutamanya termasuk kawalan kabur, kawalan mod gelongsor, kawalan rangkaian saraf dan algoritma genetik.

(1) Kawalan kabur, juga dikenali sebagai kawalan logik kabur, berasal dari matematik kabur dan teknologi kawalan komputer yang terdiri daripada teori set kabur, bahasa kabur dan logik kabur. Kawalan Fuzzy mensimulasikan penalaran dan keputusan kabur - membuat proses manusia dan tergolong dalam kaedah kawalan pintar. Kaedah ini menukarkan pengalaman pengendali atau pakar ke dalam peraturan kabur, fuzzifiasi isyarat masa sebenar - sensor, dan kemudian melakukan penalaran kabur, dan akhirnya mengintegrasikan hasilnya ke dalam penggerak. Kawalan kabur tidak memerlukan penubuhan model matematik yang tepat bagi objek terkawal. Kaedah ini menjadikan mekanisme kawalan dan strategi lebih mudah untuk menerima dan memahami, mudah dalam reka bentuk, dan mudah digunakan. Sistem kawalan kabur mempunyai keteguhan yang sangat baik dan dapat mengurangkan kesan gangguan dan perubahan parameter secara berkesan pada kesan kawalan. Ia amat sesuai untuk mengawal sistem lag yang tidak linear, masa - yang berbeza -beza dan mempunyai kelebihan yang kuat dalam prestasi masa -. Walau bagaimanapun, reka bentuk kawalan kabur masih menghadapi cabaran dari segi sistematisasi, terutamanya dalam mengawal sistem kompleks. Pada masa ini, sistem teoretikal kawalan kabur yang lengkap tidak ditubuhkan untuk menyelesaikan masalah mekanisme kawalan kabur, analisis kestabilan, reka bentuk sistematik, dan lain -lain. Oleh itu, mendapatkan peraturan reka bentuk kabur dan fungsi keahlian yang boleh dipercayai untuk mengelakkan sepenuhnya reka bentuk empirikal adalah salah satu isu yang perlu diberi perhatian dalam penyelidikan kawalan fuzzy.

(2) Kawalan mod gelongsor SMC, juga dikenali sebagai kawalan struktur berubah, adalah skema kawalan berdasarkan teori kawalan moden. Asas matematiknya adalah berdasarkan kepada fungsi Lyapunov. Konsep teras kawalan mod gelongsor adalah untuk menubuhkan permukaan mod gelongsor, membimbing sistem terkawal ke permukaan, dan membuat sistem bergerak di sepanjang permukaan gelongsor. Kaedah kawalan ini pada dasarnya merupakan strategi kawalan tak linear. Ciri -ciri tak linearnya dicerminkan dalam ketidakpastian kawalan, yang dicapai melalui fungsi beralih. Menurut sejauh mana keadaan sistem menyimpang dari mod gelongsor, struktur pengawal (undang -undang kawalan atau parameter pengawal) diselaraskan untuk membuat sistem mengikuti mod operasi yang ditentukan oleh mod gelongsor. Kawalan mod gelongsor dapat mengatasi ketidakpastian sistem dan menunjukkan keteguhan yang kuat untuk campur tangan dan dinamik yang tidak dimodelkan, terutama dalam bidang kawalan sistem tak linear [12]. Kawalan mod gelongsor adalah mudah dan cekap, dengan kelajuan tindak balas yang cepat dan ketahanan yang baik untuk gangguan bunyi luaran dan perubahan parameter. Walau bagaimanapun, apabila trajektori keadaan sistem mencapai permukaan mod gelongsor, sukar bagi algoritma untuk mengikuti permukaan dengan tegas ke titik keseimbangan sistem. Sebaliknya, ia akan berulang -ulang di kedua -dua belah permukaan gelongsor dan secara beransur -ansur mendekati titik keseimbangan, mengakibatkan berlakunya perbualan. Pada masa ini, kaedah utama untuk mengurangkan kesan perbualan adalah untuk memperbaiki undang -undang pendekatan mod gelongsor atau penggunaan penapisan, kawalan kabur, rangkaian saraf dan kaedah lain.

(3) Kawalan rangkaian saraf adalah kaedah yang menggunakan rangkaian saraf untuk memproses objek tak linear kompleks yang sukar untuk diterangkan dengan tepat. Dalam sistem kawalan ini, rangkaian saraf boleh memainkan pelbagai peranan seperti pengawal, pengiraan pengoptimuman, penalaran atau diagnosis kesalahan. Sistem kawalan rangkaian saraf yang mengintegrasikan pelbagai fungsi dapat lebih berkesan mengatasi kerumitan dan ketidakpastian sistem. Melalui kawalan rangkaian saraf, sistem ini dapat beroperasi lebih fleksibel dan menyesuaikan diri, meningkatkan prestasi sistem dan ketahanan. Rangkaian Neural Buatan (ANN) disingkat sebagai Rangkaian Neural (NN). ANNS adalah model yang dibina dengan mensimulasikan mekanisme pembelajaran sistem saraf otak manusia dan dibahagikan kepada lapisan multi - dan lapisan tunggal -. Setiap lapisan mengandungi pelbagai neuron, dan neuron disambungkan dengan sambungan yang diarahkan dengan berat berubah. Dengan berulang kali pembelajaran dan latihan maklumat yang diketahui dan secara beransur -ansur menyesuaikan berat sambungan neuron, rangkaian saraf buatan dapat memproses maklumat dan mensimulasikan hubungan input -. Teknologi rangkaian saraf mempunyai kelebihan yang jelas mengenai kaedah pemprosesan data tradisional dalam memproses data kabur, rawak, dan tidak linear, dan sangat sesuai untuk sistem dengan skala besar, struktur kompleks, dan maklumat yang tidak menentu. Rangkaian saraf tidak perlu memahami hubungan yang tepat antara input dan output, tetapi hanya perlu mempertimbangkan faktor -faktor malar - yang menyebabkan perubahan output, iaitu, bukan parameter malar -. Ini menjadikan rangkaian saraf berfungsi dengan baik dalam memproses data yang tidak menentu.

(4) Algoritma genetik (GA) adalah teknik pengoptimuman carian rawak selari yang mensimulasikan proses genetik dan evolusi organisma. Algoritma ini beroperasi pada rentetan binari melalui teknik pengekodan, mensimulasikan evolusi penduduk untuk mencari penyelesaian yang optimum. Algoritma genetik menggunakan mekanisme pertukaran maklumat rawak yang teratur untuk menyusun semula rentetan yang sangat mudah disesuaikan dan menggantikan segmen beberapa rentetan dengan kebarangkalian tertentu. Sama seperti pemilihan semulajadi, rentetan yang sangat disesuaikan dikekalkan dan terus menghasilkan semula sehingga hasil pengoptimuman yang memuaskan dicapai. Algoritma genetik tidak mempunyai keperluan khusus untuk masalah itu sendiri dan tidak memerlukan andaian matematik yang ketat. Mereka juga mempunyai keupayaan pengkomputeran selari, meningkatkan kelajuan pengiraan melalui pengkomputeran selari skala - yang besar, menjadikannya sesuai untuk mengoptimumkan masalah besar -, masalah kompleks. Algoritma menggunakan peraturan peralihan probabilistik untuk membimbing arah carian dan mempamerkan diri - menganjurkan, menyesuaikan diri, dan diri sendiri -. Oleh kerana kelebihannya, gas digunakan secara meluas untuk pengoptimuman parameter dalam reka bentuk pengawal, khususnya untuk pengoptimuman. Mereka juga digunakan dalam bidang seperti pengoptimuman laluan, sistem kuasa, dan industri automotif.

Ia biasanya menggabungkan beberapa strategi kawalan pintar untuk mencapai kesan kawalan yang lebih baik. Sebagai contoh, strategi kawalan filem pendekatan yang berubah -ubah yang berubah -ubah dicadangkan, dan istilah gelongsor filem yang disesuaikan dengan syarat -syarat yang berubah -ubah telah ditambah kepada kadar pendekatan kuasa, yang meningkatkan ketepatan pemerhatian dan secara berkesan mengawal amplitud ralat. Yu Xiaoling et al. [16] mencadangkan pengawal pecahan adaptif fuzzy - PID PID, menggabungkan kawalan kabur dengan pecahan - PID PID Controller, yang pada tahap tertentu meningkatkan kelajuan tindak balas sistem peraturan motor dan meningkatkan kestabilan. Kawalan kabur digabungkan dengan algoritma genetik untuk membentuk strategi kawalan komposit yang fuzzy {{7} Strategi kawalan yang menggabungkan rangkaian neural fungsi asas radial (RBF) dengan pengawal PID menggunakan isyarat sensitiviti yang diperolehi dengan pengenalan untuk menyesuaikan parameter PID, dengan itu meningkatkan keupayaan gangguan anti -. RBF Neural Networks adalah rangkaian saraf feedforward yang boleh menghampiri fungsi tak linear dengan ketepatan sewenang -wenangnya. Mereka menawarkan kelebihan penghampiran tempatan, pemetaan output input - yang kuat, dan penumpuan pesat. Menggabungkan rangkaian saraf wavelet (WNN) dengan pengawal PID dan menggunakan strategi kawalan rangkaian saraf wavelet (WNN - PID) dengan berkesan meningkatkan ketepatan kawalan kelajuan motor synchronous magnet kekal. Rangkaian saraf wavelet adalah kaedah yang berkesan untuk menggabungkan model struktur rangkaian saraf dengan resolusi multi - dan analisis isyarat skala multi -. Melalui pengedaran linear koefisien berat rangkaian dan convexity fungsi objektif yang dipelajari, proses latihan rangkaian secara asasnya mengelakkan isu pengoptimuman optimum dan tidak linear tempatan.