Deutsch
Francais
Nederlands
Svenska
Norsk
Dansk
Suomi
Espanol
Italiano
Portugues
Magyar
Polski
Cestina
Русский
För att uppnå hög motståndskraft mot störningar i permanenta magnetaktuerade (PMA) system, särskilt i robotik, måste systemet kunna motverka externa störningar utan att tappa prestanda. Detta kräver att systemet inte bara hanterar variationer i de elektriska och mekaniska parametrarna utan också effektivt reagerar på och avvisar externa störningar som kan påverka dess funktionalitet. Sådana störningar kan vara varierande belastningar, spänningsfluktuationer, mekaniska oegentligheter som ojämna lager och extern brusk från omgivningen eller elektriska system.
Många system, inklusive de drivna av permanenta magnetaktuerare, är utsatta för förändringar i laster på grund av dynamiska interaktioner med omgivningen eller variationer i uppgiften som utförs. Dessa förändringar kan orsaka plötsliga svängningar i vridmoment, vilket påverkar aktuarens prestanda och stabilitet. Spänningsfluktuationer kan också inträffa på grund av nätinstabilitet, problem med strömförsörjning eller variationer i gemensamma elsystem, vilket leder till variationer i den spänning som matas till PMA-drivningen. Mekaniska faktorer som ojämna lager kan orsaka periodiska störningar, vilket ger upphov till vibrationer och ljud som ytterligare påverkar aktuarens smidiga funktion och till och med kan förkorta dess livslängd. Dessutom kan extern elektromagnetisk interferens och mekaniska vibrationer från omkringliggande maskiner förvärra systemets prestanda om de inte hanteras korrekt.
För att effektivt hantera dessa störningar har flera metoder utvecklats. Dessa metoder kan delas upp i kontrolltekniker, parameteroptimering och strukturella förbättringar. Kontrolltekniker fokuserar på att förbättra systemets förmåga att detektera och motverka störningar genom avancerade kontrollalgoritmer. Parameteroptimering handlar om att justera systemparametrarna för att förbättra dess motståndskraft mot störningar. Strukturella förbättringar syftar till att minska de fysiska effekterna av störningar genom förbättrad hårdvarudesign.
En av de mest använda traditionella metoderna för att förbättra motståndskraften mot störningar i PMA-system är användningen av PI/PID-regulatorer. Dessa är enkla men effektiva verktyg för att minska störningar. Genom att noggrant ställa in de proportionella, integrerande och deriverande parametrarna kan regulatorn snabbt reagera på störningar, minimera steady-state fel och dämpa oscillationer. PI/PID-regulatorns integrerande funktion är särskilt effektiv för att hantera belastningsstörningar genom att eliminera steady-state fel, medan den deriverande åtgärden hjälper till att minska effekterna av högfrekvent brusk. Dock har PI/PID-regulatorer sina begränsningar, särskilt i system med högdynamiska eller icke-linjära egenskaper, där deras fasta parametrar kanske inte ger optimala resultat under varierande förhållanden.
En annan teknik som har använts för att förbättra motståndskraften mot störningar är fältorienterad styrning (FOC). FOC decouplar motorstyrningsproblemet genom att styra vridmoment och flöde oberoende av varandra, vilket möjliggör exakt reglering av dessa variabler även vid störningar. Denna avkoppling säkerställer att förändringar i en parameter inte påverkar den andra negativt, vilket förbättrar systemets övergripande stabilitet. Dessutom gör FOC det möjligt att använda återkopplingsmekanismer för att övervaka och justera motorprestanda i realtid, vilket ytterligare förbättrar förmågan att avvisa externa störningar.
En mer avancerad metod som har fått ökad uppmärksamhet är störningsobservationbaserad styrning (Disturbance Observer-based Control). Denna metod involverar användning av en observerare för att uppskatta de störningar som påverkar systemet. Genom att mata denna störningsuppskattning in i kontrollslingan kan systemet aktivt kompensera för effekterna av störningen och på så sätt upprätthålla önskad prestanda. Denna teknik är särskilt effektiv för att hantera störningar som är svåra att mäta direkt, såsom vridmomentssvängningar orsakade av ojämna lager eller spänningsfluktuationer från strömförsörjningen.
Sliding Mode Control (SMC) är en annan traditionell metod som används för att förbättra motståndskraften mot störningar. SMC kännetecknas av sin förmåga att upprätthålla systemets prestanda trots stora osäkerheter och störningar. Genom att driva systemets tillstånd mot en fördefinierad glidande yta och hålla det där, säkerställs en robusthet både mot interna parametervariationer och externa störningar. Tekniken har visat sig vara särskilt effektiv i system med stora osäkerheter där andra metoder inte ger tillräcklig prestanda.
För att säkerställa att robotiska system, särskilt de som drivs av PMA, bibehåller hög prestanda trots störningar, behöver de implementera strategier för att hantera både elektriska och mekaniska variationer. Dessutom måste avancerade kontrollmetoder som anpassningsbara algoritmer, prediktiv modellering och realtidskompensationsmekanismer användas för att hantera de dynamiska och oförutsägbara förhållandena i systemet. Samtidigt fortsätter forskningen att utvecklas för att inkludera hybridmetoder som kombinerar traditionella robusta kontrolltekniker med AI-baserade adaptiva algoritmer för att ytterligare optimera systemens motståndskraft och prestanda.
Sådan integration mellan nya teknologier och traditionella metoder gör det möjligt att skapa robotiska system som inte bara kan reagera på störningar utan också förutspå och anpassa sig till föränderliga förhållanden, vilket i sin tur öppnar upp för framtidens robotikapplikationer i komplexa och utmanande miljöer.
Hur kan sensorlösa positioneringsmetoder förbättra kontrollen av permanenta magnetaktuatorer?
De senaste metoderna för sensorlös positionering ändrar enbart injektionsformen och föreslår en lösning som inte är känslig för fel som filtrering och systemfördröjning. Dessa metoder analyserar dock inte specifikt egenskaperna hos den inducerade strömmen. Även om dessa metoder också eliminerar fel, gör de det genom att lägga till beräkningsmoduler som lågpassfilter (LPF), fasextraktion och vektormodulberäkning. I kontrast kräver den föreslagna metoden endast en enfasoperation och en enda tillståndsvariabelberäkningsprocess, utan ytterligare filter och kompensationsloopar.
Dessa metoder förändrar inte den grundläggande idén bakom metoden för synkron axelroterande filtrering. De valda beräkningsvariablerna är fortfarande den inducerade strömmen och en egenkonstruerad demoduleringsfunktion. Eftersom fasen hos den inducerade strömmen innehåller feltermer, medan fasen hos demoduleringsfunktionen inte gör det, innehåller fasen hos tillståndsvariablerna fortfarande feltermer. Detta fel elimineras genom att lägga till kompensationsalgoritmer, vilket gör dessa metoder till ett komplement till den synkrona axelroterande filtreringsmetoden. Däremot utför den föreslagna metoden, från perspektivet att skapa nya beräkningsvariabler, fasomvandlingsoperationer på de positiva och negativa sekvenskomponenterna av strömmen. Som ett resultat innehåller fasen hos de erhållna tillståndsvariablerna inte längre feltermer, vilket eliminerar behovet av kompensationsalgoritmer.
En annan viktig skillnad mellan den föreslagna metoden och andra metoder som modifierar den ursprungliga fasen hos demoduleringsfunktionen är att den senare behåller den initiala fasen fix och introducerar ett feltermer i början av demoduleringsfunktionen för att eliminera positionsuppskattningsfel. Ett PI-regulator används för felspårning, där det uppdaterade felet incorporeras i fasen på demoduleringsfunktionen, vilket effektivt lägger till ett online felspårningssystem i systemet. När felet från fasspårningssystemet konvergerar till ett visst värde, elimineras positionsfel. Men konvergenshastigheten för felspårningssystemet påverkar direkt den övergripande beräkningshastigheten för systemet.
En annan metod som jämförs här är metoden som använder ellipsanpassning. I denna metod identifieras den ellipsformade trajektorian av strömmen på ab-axeln med hjälp av QR-rekursiva minsta kvadrater. När ellipsens parametrar har beräknats används dessa för att uppskatta rotorns position. Eftersom denna trajektoria inte förändras på grund av fördröjningseffekter är metoden mindre känslig för positionsfel orsakade av fördröjningar. Trots detta kräver metoden för ellipsanpassning ett stort antal samplingspunkter och har en högre beräkningskomplexitet jämfört med den föreslagna metoden. Den senare kräver endast två på varandra följande samplingsresultat för att genomföra fasomvandlingen, medan ellipsmetoden kräver minst fyra.
Det är också värt att notera att den föreslagna metoden inte bara minskar beräkningskomplexiteten utan också förbättrar den faktiska exekveringstiden. Genom att eliminera behovet av LPF, modulusberäkningar, PI-regulatorer eller demoduleringsfunktioner minskar den föreslagna metodens algoritmstruktur dramatiskt, vilket gör den mer effektiv i praktisk tillämpning.
För att ytterligare optimera prestanda vid höghastighetsapplikationer har olika metoder för sensorlös positionskontroll analyserats, däribland Sliding Mode Observer (SMO) för back-EMF-uppskattning. Sliding Mode Control (SMC) är en metod som kännetecknas av sin förmåga att hantera system med osäkerheter och störningar, vilket gör den användbar för sådana tillämpningar. SMC fungerar genom att skapa en "växlande yta" baserad på systemets tillstånd och styrd funktion, vilket gör att systemet snabbt rör sig mot ett stabilt tillstånd. Denna metod är effektiv i att lösa många praktiska problem som uppstår i höghastighetsstyrsystem.
Det är av största vikt att förstå att även om dessa sensorlösa metoder erbjuder betydande fördelar i form av minskad beräkningskomplexitet och snabbare exekveringstid, innebär de samtidigt en utmaning när det gäller att säkerställa noggrannheten vid mycket höga hastigheter och förhållanden med störningar. Anpassningen av dessa metoder för specifika tillämpningar kräver noggrann övervägning av systemets dynamik och tillämpade algoritmer.