一种基于ESO的网络化运动控制系统迭代学习高精度轮廓跟踪控制方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108303877A(43)申请公布日2018.07.20(21)申请号201810020696.2(22)申请日2018.01.10(71)申请人浙江工业大学地址310023浙江省杭州市西湖区留下镇留和路288号(72)发明人吴祥董辉王瑶为张圻朱乾峰王军晓张文安俞立(74)专利代理机构杭州斯可睿专利事务所有限公司33241代理人王利强(51)Int.Cl.G05B13/04(2006.01)权利要求书2页说明书7页附图5页(54)发明名称一种基于ESO的网络化运动控制系统迭代学习高精度轮廓跟踪控制方法(57)摘要一种基于ESO的网络化运动控制系统迭代学习高精度轮廓跟踪控制方法，包括以下步骤：1)建立扩张的三阶离散系统模型，利用状态扩张观测器(ESO)对系统干扰进行估计；2)2)针对网络化单轴跟踪控制，采用反馈辅助型开闭环迭代学习控制策略，并结合ESO消除非周期性干扰的影响，实现高精度网络化单轴跟踪控制；3)在单轴跟踪控制的基础上，针对轮廓误差控制，设计PD型交叉耦合控制器，采用ILC+ESO+CCC策略，实现高精度网络化轮廓跟踪控制。本发明在有效提高迭代收敛速度，实现网络化运动控制系统的高精度单轴轨迹跟踪控制和高精度轮廓跟踪控制。CN108303877ACN108303877A权利要求书1/2页1.一种基于ESO的网络化运动控制系统迭代学习高精度轮廓跟踪控制方法，其特征在于：所述方法包括以下步骤：1)考虑网络化运动控制系统二阶模型，描述为如下形式其中，x1(t)、x2(t)为系统的状态量，u(t)为系统控制量输入，y(t)为系统输出，d(t)为系统总和扰动，a1、a2为系统参数；考虑系统的传感器采用时间驱动模式，采样周期为h，控制器和执行器均采用事件驱动模式；控制系统时变网络时延τk均小于一个采样周期，即0≤τk≤h；则在任一采样周期，至多有两个控制输入作用在执行器上，控制量u(t)表示如下：其中，tk表示第k个采样时刻，且tk+1＝tk+h；则含有时变短时延τk的离散化运动控制系统模型描述为：将网络时变时延引起的不确定性当作系统总和扰动的一部分，并将其扩张成新的状态变量x3(t)，即再利用扩张状态观测器(ESO)对其进行观测估计，并在前馈通道中对扰动进行补偿；2)针对网络化单轴跟踪控制，采用反馈辅助型开闭环迭代学习控制策略，并结合ESO消除非周期性干扰的影响，实现高精度网络化单轴跟踪控制；3)在单轴跟踪控制的基础上，针对轮廓误差控制，设计PD型交叉耦合控制器，采用ILC+ESO+CCC策略，实现高精度网络化轮廓跟踪控制。2.如权利要求1所述的一种基于ESO的网络化运动控制系统迭代学习高精度轮廓跟踪控制方法，其特征在于：所述步骤1)中，网络化运动控制系统在有限时间区间[0T]上重复运行，针对每个迭代周期设计的ESO如下：其中，下标j表示系统重复运行的次数，即系统迭代次数；z1j(k)、z2j(k)、z3j(k)为对状态量x1j(k)、x2j(k)、x3j(k)的估计；ezj(k)为观测误差；w0为状态观测器的增益。3.如权利要求1或2所述的一种基于ESO的网络化运动控制系统迭代学习高精度轮廓跟踪控制方法，其特征在于：所述步骤2)中，为了避免闭环导数信号无法准确获取的问题，提2CN108303877A权利要求书2/2页出一种新形式的反馈辅助型开闭环学习律，具体形式如下：式中j为系统迭代运行次数，uj(k)为j次迭代周期采样时刻k的控制量，ej(k)、为j次迭代周期采样时刻k的误差及误差微分，跟踪误差定义为ej(t)＝yd(k)-yj(k)，Γ、L1、L2为增益矩阵，且L1、L2特征值均具有正实部。4.如权利要求1或2所述的一种基于ESO的网络化运动控制系统迭代学习高精度轮廓跟踪控制方法，其特征在于：所述步骤2)中，其中对干扰估计补偿控制输入在时域中需要不断更新，属于迭代学习控制中的反馈控制输入环节，对其不进行迭代域的存储，则开闭环迭代控制形式描述如下：其中表示j次迭代时的系统输出误差及其微分；Cff及Cfb分别表示前馈增益和反馈增益；b0为补偿因子；uwj(k)为总和扰动估计的补偿控制输入；为施加给运动控制系统最终的控制输入。5.如权利要求1或2所述的一种基于ESO的网络化运动控制系统迭代学习高精度轮廓跟踪控制方法，其特征在于：所述步骤3)中，在采用ILC+ESO实现高精度单轴跟踪控制的基础上，引入PD-CCC策略，将轮廓误差控制量补偿到单轴，，最终发送给单轴执行器的控制量为：其中，上标i表示运动轴X/Y。6.如权利要求1或2所述的一种基于ESO的网络化运动控制系统迭代学习高精度轮廓跟踪控制方法，其特征在于：所述步骤3)中，交叉耦合误差计算如下：ε＝