基于μ-合成的直流電機魯棒控制器研究

陳章才，陳旭東，曹慧，張騰達，付學敏

(安徽新聞出版職業技術學院印刷包裝系，安徽合肥230601)

基于μ-合成的直流電機魯棒控制器研究

陳章才，陳旭東，曹慧，張騰達，付學敏

(安徽新聞出版職業技術學院印刷包裝系，安徽合肥230601)

針對電機負載參數變化引起的模型不確定性，該文基于μ-合成控制理論，嘗試設計具有較強魯棒性的直流電機速度控制系統。首先依據干擾抑制原理，通過引入虛擬不確定塊等將系統魯棒性能問題轉化為魯棒穩定性問題，然后通過求解合適的權重矩陣使控制系統的性能滿足設計要求；最后分別運用復數及混合μ-合成控制算法求得兩種魯棒控制器，并運用Hankel奇異值及動態性能空間方法予以簡化。魯棒性能分析及擾動抑制結果表明：所設計的兩種控制器對電機負載的攝動均具有較強的魯棒性，且對于標稱值僅為實數的不確定閉環系統，采用D-G-K迭代混合μ-合成控制算法設計的魯棒控制器對擾動具有明顯更強的抑制效果。

直流電機；不確定性系統；魯棒控制器；魯棒性能；擾動抑制

區別于H∞合成算法對標度矩陣v和w的高度敏感性[1]，D-K迭代μ-合成控制算法以結構奇異值μ?Δ(?)作為系統的魯棒性量度[2]，一方面兼顧了控制系統的魯棒穩定性和魯棒性能要求[3]，另一方面降低了對其標度矩陣D的依賴，可有效減少設計的保守性[4]。

但μ-合成控制算法在實際應用中也表現出一定的局限性：

本文依據干擾抑制原理[8]，首先引入虛擬不確定塊Δ?Wdel，將直流電機速度控制系統的設計轉化為魯棒穩定性問題，然后通過選擇適當的權重矩陣使控制系統的魯棒性能滿足設計要求，最后在兼顧系統魯棒性能和魯棒穩定性的基礎上，分別采用復數和混合μ-合成控制算法實現直流電機不確定性系統魯棒控制器的設計，并嘗試對兩種控制器的魯棒性能和干擾抑制效果進行比較。

1 直流電機不確定性系統DCM

直流電機結構示意圖如圖1所示。電樞電壓Va、電樞電流I與反電動勢Vemf之間滿足關系式：

磁場?與電樞電流相互作用產生使電樞旋轉的電磁轉矩為：

當電樞轉動時，電樞繞組切割磁場線產生電動勢：

(1)、(2)和(3)式聯立，求得電機轉速n為：

圖1 直流電機結構示意圖

其系數矩陣分別為：

考慮到負載轉動慣量J的不確定性可能對電機轉速ω的動態性能產生影響，將圖1所示電機的電樞繞組與負載環節分離，且以反電動勢系數kb為正反饋矩陣，并增加擾動轉矩Td為輸入變量，則直流電機模型電路結構示意圖如圖2，傳遞函數如式(7)。

實驗采用Faulhaber系列0615型直流電機，電機參數如表1[10]。表1中電樞繞組各參數及負載摩擦扭矩系數kf均為確定值，轉動慣量J則為不確定量，其標稱值和不確定范圍分別為0.02 gcm2和±50%。

圖2 直流電機電路模型

表1 直流電機參數

依據表1，可構建直流電機不確定模型dcm (dc motor uncertainty model)，該模型具有一個不確定參數J。其標稱值構成2輸入單輸出二階穩定系統，狀態空間方程如式(5)所示，系數矩陣為：

圖3 直流電機不確定性系統DCM

對所構建的不確定動態模型DCM隨機抽取20個樣品，做出從輸入Va到輸出ω的開環伯德圖并與其標稱值比較，結果如圖4。圖4顯示，電機轉速ω確因負載參數的不確定性而隨輸入信號發生了較明顯的波動。

2 直流電機魯棒控制器研究

2.1 直流電機不確定性閉環系統CLP的構建

直流電機不確定性系統魯棒控制器采用圖5所示CLP閉環結構[12]，以μ-合成控制算法進行設計。

μ-合成控制算法以結構奇異值作為系統的魯棒性量度，借助各相關權重矩陣W的合理選取，通過多次迭代求解式(10)所示H∞合成優化問題和式(11)所示凸優化問題，使系統結構奇異值μ最終滿足最小化判定條件式(12)，從而實現魯棒控制器設計，達到提升系統魯棒性能的目的[12-13]。

圖5 CLP閉環系統構建過程中，各權重函數Wu、Wd、Wp和Wn的選取分別如下：

2.2 混合μ-控制合成算法控制器設計

魯棒控制器設計可借助Matlab提供的mu工具箱。

因DCM模型中不確定參數J的標稱值為實數，故除可采用復數μ-合成控制算法外，我們提出基于D-G-K迭代的混合μ-合成設計思想。

圖4 直流電機開環伯德圖

圖5 直流電機閉環系統CLP

復數μ-合成控制算法具有如下特點[14]：

(a)迭代過程取復數形式的標度矩陣D；

(b)動態不確定系統中所有不確定參數隨機樣品的取值范圍為復數。

與此相對應，混合μ-合成控制算法除仍保留復數形式標度矩陣D外，對被控模型中不確定參數隨機樣品均在實數范圍內選取。

該算法對不確定實參數J(0.02,±50%)的取值結果如圖6所示。圖中“x”顯示實數J原有隨機值變化范圍，而“*”則為復數μ-合成算法的復平面取值結果。

設置初始標度矩陣D0=I，經5次迭代可求得符合設計要求的16階控制器，經Hankel奇異值及動態性能空間方法[15]進行降階處理，得到4階魯棒控制器Kc，傳遞函數如式(13)：

圖6 復數及混合μ-合成算法不確定參數隨機值

Kc降階前后Bode圖比較如圖7(a)。從中可見，控制器的幅頻特性及相頻特性曲線直到約10 rad/s的頻率范圍內，在降解前后仍基本保持一致。

對于混合μ-合成控制算法，我們在原有D-K迭代的基礎上，嘗試通過計算與實數不確定參數取值相關的標度矩陣G、復數標度矩陣D及實正則量β，將不確定系統的不確定實參數引入迭代過程，借助D-G-K迭代的設計思想，實現μ-合成控制器K的設計。其中，β的計算滿足[15]：

初始標度矩陣、迭代次數和降階方法如表2所示。

表2 初始標度矩陣、迭代次數和降階方法

借助Matlab求解并經降階處理后，最終得到4階控制器Km，傳遞函數如式(16)。

圖7(b)顯示Km降階前(14階)與降階后的Bode圖比較。同樣發現，在約10 rad/s頻率范圍內，控制器在降解前后的動態性能基本保持一致。

2.3 控制器魯棒性能及擾動抑制效果比較

以Kc和Km代入圖5，分別構建兩種算法下的閉環系統CLPC和CLPM。求解各自魯棒性能，結果如表3所示。從表3可見，當CLPC環的魯棒性能裕度達到1.09(≈1)時，不確定幅度(可近似認為其最大不確定幅度)約為91.6%，對應的頻率為0.659 rad/s；而對于CLPM環，當不確定幅度達到109%時，魯棒性能裕度僅為0.92(仍小于1)，對應的頻率值也僅為0.476 rad/s。表明兩種控制器對電機負載的攝動均具有較強的魯棒性。

表3 控制器魯棒性能裕度

CLPC和CLPM的閉環Bode響應如圖8。我們發現，CLPM環的幅值裕度約為3 rad/s，小于CLPC環的約9 rad/s，表明：對于標稱值僅為實數的不確定閉環系統，采用混合μ-合成控制算法所設計的控制器能夠在保證系統魯棒穩定性基本相同的情況下，更好地提升系統動態性能，該結論與表3結果一致。

我們進一步比較控制器的擾動抑制效果。

圖7 降階前后控制器伯德圖比較

圖8 Kc、Km閉環伯德圖比較

取DCM中的不確定參數J為其標稱值，比較CLPC和CLPM環中的擾動信號Td、控制輸入信號Va和控制輸出信號ω的動態響應，結果如圖9所示。圖9可見，在相同擾動輸入條件下(圖9(c))，CLPC和CLPM環的控制輸入信號(圖9(b))，及控制輸出信號(圖9(a))的動態響應幾乎保持一致，表明采用兩種不同μ-合成控制算法所設計的控制器對確定系統的擾動具有基本相同的抑制效果。

圖10比較當DCM中的不確定參數J取其不確定范圍的最大值，即不確定系統達到最壞條件的情況下，CLPC和CLPM環中控制輸入信號和控制輸出信號的動態響應。結果顯示：采用混合μ-合成控制算法所設計的控制器對擾動信號具有更強的追蹤和反映能力(圖10(b)所示：CLPM控制輸入信號的波動大于CLPC環)，且對因參數不確定性而產生的擾動具有明顯更強的抑制效果(圖10 (a)顯示：CLPM控制輸出信號的波動明顯小于CLPC環)。

圖9 標稱值條件下閉環系統動態響應

圖10 最壞情況下閉環系統動態響應

3 小結

本文針對電機負載不確定參數僅在實數范圍內變化導致的模型不確定性，分別運用復數及混合μ-合成控制算法，設計了兩種直流電機速度控制系統Kc和Km。性能分析及仿真結果表明：所設計的兩種魯棒控制器對電機負載的攝動均具有較強的魯棒性。

研究結果也顯示，對于標稱值僅為實數的不確定閉環系統，比較于復數μ-合成算法，采用混合μ-合成控制算法所設計的魯棒控制器能夠在保證系統魯棒穩定性基本相同的情況下，更好地提升系統動態性能，且對擾動具有明顯更強的抑制效果。

[1]王廣雄,王新生,何朕.H∞控制器的LMI算法分析[J].電機與控制學報,2002,6(1):46-49.

[2]Norrl?f M,Gunnarsson S.Experimental comparison of some classical iterative learning control algorithms [J].IEEE Transactions on Robotics&Automation, 2002,18(4):636-641.

[3]Norrlx F,Mikael F.An adaptive iterative learning control algorithm with experiments on an industrial robot [J].IEEE Transactions on Robotics&Automation, 2002,18(2):245-251.

[4]Samer S.Saab.Stochastic P-type/D-type iterative learning control algorithms[J].International Journal of Control,2003,76(2):139-148.

[5]Owens D H,Feng K.Parameter optimization in iterative learning control[J].International Journal of Control,2003,76(11):1059-1069.

[6]Chu B,Owens D H,Freeman C T.Iterative Learning Control With Predictive Trial Information:Convergence,Robustness,and Experimental Verification[J]. IEEE Transactions on Control Systems Technology, 2015:1-1.

[7]Zheng G,Robert C,Jahong X.Two-dimensional model and algorithm analysis for a class of iterative learning control systems[J].International Journal of Control,1990,52(4):833-862.

[8]Amann N,Owens D H,Rogers E.Iterative learning control for discrete-time systems with exponential rate of convergence[J].Control Theory and Applications, IEE Proceedings-,1996,143(2):217-224.

[9]周玉松,陳旭東,程放,等.直流伺服電機不確定性系統魯棒控制器研究[J].工程設計學報,2015(6):589-595.

[10]Wallace N.The role of independence in the Green-Lin Diamond-Dybvig model[C]//Federal Reserve Bank of Cleveland,2006:709–715.

[11]王中華,王興松,王群等.高精度魯棒運動控制器設計及實驗研究[J].控制與決策,2001,16(B11):657-660.

[12]Fang Y,Chow T W S.2-D Analysis for Iterative Learning Controller for Discrete-Time Systems With Variable Initial Conditions[J].IEEE Transactions on Circuits&Systems I Fundamental Theory&Applications,2003,50(5):722-727.

[13]Zhu Q,Hu G D,Liu W Q.Iterative learning control design method for linear discrete-time uncertain systems with iteratively periodic factors[J].Iet Control Theory &Applications,2015,9(15):2305-2311.

[14]蘇湛,張慶靈,艾均.一類廣義系統的有限時間魯棒耗散控制[J].東北大學學報(自然科學版),2012, 33(9):4-8.

[15]Donovan G M,Kath W L.An Iterative Stochastic Method for Simulating Large Deviations and Rare Events[J].Siam Journal on Applied Mathematics, 2011,71(3):903-924.

[16]李文娟,陳曉軒,龔立嬌,等.基于動態性能空間的優化控制方法設計[J].工程設計學報,2014,21(5):456-468.

Robust controller research on DC motor based onμ-synthesis

CHEN Zhang-cai,CHEN Xu-dong,CAO Hui,ZHANG Teng-da,FU Xue-min
(Printing and Packaging Department,Anhui Press and Publication Vocational College,Hefei Anhui230601,China)

Aiming at the problem of model uncertainty caused by the DC motor load variations,robust DC motor speed control system was designed usingμ-synthesis control theory in this article.Firstly,by introducing fictive uncertainty,the robust performance problem was transformed into robust stability problem according to the principle of interference suppression.Secondly,the weighting functions were selected properly to have the control system to meet the design requirements.Lastly,the complex and mixedμ-synthesis D-K iteration algorithm were used to solve the controllers,and these two controllers were simplified using the Hankel singular values and dynamic performance space procedures.Robustness analysis and disturbance rejection results showed that:there are relatively strong robustness of the two controllers on the motor load perturbation,and for the closed-loop system with only real number nominal value,the controller designed by D-G-K Iteration mixedμ-synthesis algorithm has obviously stronger robust to the disturbance suppress.

DC motor;uncertainty system;robust controller;robust performance;disturbance suppression

TP273

A

1004-4329（2017）01-038-08

10.14096/j.cnki.cn34-1069/n/1004-4329（2017）01-038-08

2016-10-20

安徽省高等學校省級自然科學研究重點項目（KJ2014A103）資助。

陳章才(1970-)，男，高級工程師、講師，研究方向：電氣控制。