Sistema de acionamento por servo

Os sistemas de servo drive são centrais para o desempenho dos robôs industriais, e a tecnologia Servo Drive se tornou uma tecnologia essencial na automação industrial. Drives de servo e Ethernet industrial tornaram -se componentes essenciais da fabricação moderna. CC - link, Ethercat e DeviceNet são atualmente usados ​​de campo comuns usados ​​em robôs industriais.

Com o rápido desenvolvimento da eletrônica de energia e da teoria do controle moderno, os sistemas de acionamento de servo de Tonghang também estão se movendo em direção à digitalização, com os sistemas de transmissão de servo totalmente digitais se tornando mainstream. Com o avanço da fabricação inteligente, as unidades de servo de Tonghang também estão se movendo em direção a alta precisão, alto desempenho e integração.

Enfrentando a alta demanda do mercado por sistemas de acionamento, a equipe de engenharia de Tonghang projetou um barramento de servo baseado em - - com excelente resposta dinâmica, com excelente resposta dinâmica, -} e operação simples. Isso acelera a transformação digital e a atualização da fabricação industrial, levando a indústria de fabricação a redes, inteligência e dados -}.

Desenvolvimento de estratégias de controle de servo de condução

O desenvolvimento de estratégias de controle de servo de condução pode ser rastreado até meados do século XX-. Com o rápido desenvolvimento da tecnologia eletrônica de potência e a teoria do controle moderno, as estratégias de controle de acionamento por servo continuaram a avançar, desde o controle inicial da razão de tensão-frequência de tensão até o controle vetorial atualmente amplamente utilizado e o controle direto de torque e depois até o controle inteligente proposto por algoritmos de controle inteligente.

Tensão constante - Controle da taxa de frequência

Tensão constante - Controle da razão de frequência, também conhecido como tensão constante por controle de frequência (CVF), é uma estratégia de controle precoce para sistemas de acionamento de motor CA. Seu princípio central é manter uma taxa de frequência constante de tensão - para manter um fluxo magnético constante no motor. Portanto, o controle da CVF também é chamado de controle de fluxo constante.

Em V/F constante durante o controle, a tensão de operação do motor é proporcional à frequência de entrada. Isso significa que, à medida que a frequência aumenta, a tensão de entrada para o motor também aumenta, mantendo uma razão de tensão/frequência proporcional, garantindo que o motor alcance o torque eletromagnético apropriado em todas as frequências. Ao manter essa relação proporcional entre tensão e frequência, o controle constante de V/F mantém um fluxo motor estável em frequências variadas. Isso ajuda a garantir que um campo magnético suficiente seja gerado em todas as velocidades do motor, mantendo as características operacionais estáveis.

Comparado a outras estratégias de controle avançado, o controle constante de V/F é relativamente simples, baixo - custo e altamente confiável. Isso o torna amplamente utilizado em muitos campos, particularmente onde é necessário -} e controle relativamente simples. O controle constante de V/F é aplicável a muitos tipos de motores CA, incluindo motores de indução e motores síncronos de ímã permanente. O controle de tensão/frequência constante está aberto - controle de loop e não requer sinais de feedback, como tensão, corrente, velocidade e posição. No entanto, também não pode controlar o torque do motor. Devido à falta de circuito de feedback, ele não possui precisão real de tempo - e possui baixa precisão de controle, desempenho dinâmico de mau e resultados de controle insatisfatório.

O controle constante de controle V/F garante que o motor possa manter características operacionais estáveis ​​em velocidades diferentes, mantendo a relação proporcional entre tensão e frequência. É uma estratégia simples e eficaz do controle de acionamento do motor CA.

Controle de torque direto

Controle direto de torque (DTC) é uma tecnologia de controle de servo proposta por pesquisadores alemães e japoneses na década de 1980. O objetivo é obter um controle preciso de torque e velocidade dos motores. Diferentemente do controle de vetores, que decompa a corrente, o DTC controla diretamente o torque, reduzindo a dependência dos parâmetros do motor e, assim, melhorando o desempenho e a estabilidade dinâmicos do sistema. O DTC utiliza a análise do vetor espacial para controlar diretamente a ligação do fluxo do estator e o torque eletromagnético em um campo de estator - de maneira orientada.

Um sistema DTC normalmente consiste em dois componentes principais: um controlador de torque e um controlador de fluxo. O controlador de torque monitora o torque e a velocidade do motor e calcula o vetor de tensão apropriado com base nos requisitos de torque e velocidade predefinidos. Ao comparar o torque necessário com o torque real, o controlador de torque gera o vetor de tensão apropriado para controlar o torque de saída do motor. Esse método de controle de torque direto permite que o sistema responda mais rapidamente às demandas de torque. Os controladores de fluxo monitoram o fluxo magnético do motor e ajustam sua magnitude conforme necessário. Ao controlar o fluxo magnético do motor, o controle de velocidade pode ser alcançado. Os controladores de fluxo normalmente usam a modulação do vetor espacial (SVM) para ajustar o fluxo magnético do motor para atingir a velocidade desejada. O controle direto de torque (DTC) elimina cálculos complexos de coordenadas e oferece vantagens, como tempo de resposta de controle rápido de torque e robustez. Como os sistemas DTC não requerem medição e cálculo da corrente do motor, eles podem reduzir a complexidade e o custo do sistema de controle. No entanto, eles sofrem de baixo desempenho em baixas velocidades, ondulação de torque e frequência de comutação instável.

O controle direto de torque (DTC) é uma tecnologia avançada de controle de motor que atinge o controle preciso do torque e da velocidade, controlando diretamente o torque e o fluxo magnético do motor. Sua resposta dinâmica rápida e desempenho eficiente levaram à sua ampla adoção em aplicações industriais.

Controle vetorial

Campo - Oriented Control (FOC), também conhecido como Campo - orientado, é uma teoria do controle de servo proposta na década de 1970. Ele utiliza os princípios de transformação de coordenadas, usando o parque e o Clark transforma para transformar a corrente do estator em um sistema de coordenadas estacionárias de três -} fase em um componente CC em um sistema de coordenadas rotativas de fase de dois -. As correntes de fase são então dissocradas para obter a corrente de excitação I e o ID da corrente rotativo, alcançando o desempenho de controle semelhante ao de um motor CC. Após a obtenção da variável de controle necessária, a transformação do parque inverso e o algoritmo SVPWM são usados ​​para convertê -lo em uma variável de fase CA de três -.

Os principais tipos de controle de vetores estão abertos - Controle de vetor de loop (controle vetorial sem sensor) e fechados - Controle de vetor de loop (controle de vetor sensorial). Open - O controle vetorial de loop não requer feedback sobre a velocidade ou posição do motor. Este método é simples e baixo - custo, mas sua precisão de controle e desempenho dinâmico são inferiores a fechados - controle de loop. Fechado - O controle vetorial de loop requer velocidade do motor ou feedback de posição para controlar com precisão o fluxo e o torque. Ele fornece desempenho de controle altamente preciso e é adequado para aplicações que requerem alto desempenho dinâmico. As estratégias de controle vetorial incluem principalmente o controle de ID =0, controle da unidade do fator de potência, torque máximo - para - controle de razão atual e campo - controle de enfraquecimento. ID =0 Controle, devido à sua simplicidade, esforço computacional mínimo, excelente desempenho de torque e ampla faixa de regulação de velocidade, é amplamente utilizada em aplicativos de controle de desempenho -. No entanto, o controle de vetores tem desvantagens: envolve determinar o fluxo do rotor e as transformações complexas de coordenadas, introduz fatores não lineares, como dois - eixo, o acoplamento de corrente e é diretamente afetado pelos parâmetros motores, tornando o sistema suscetível a variações de parâmetros e interferência externa durante a operação, levando a precisão de controle reduzido.

A tecnologia de controle de vetores tornou -se um componente essencial do controle do motor CA moderno e é amplamente utilizado em várias aplicações industriais e comerciais, incluindo veículos elétricos, robôs industriais, elevadores e vários sistemas de controle de velocidade. Ao fornecer alta - precisão e alta - Controle de eficiência, a tecnologia de controle de vetores melhora significativamente o desempenho dos sistemas de acionamento de motor.

Controle inteligente

O controle inteligente é diferente das estratégias de controle anteriores. Não depende inteiramente do modelo matemático do objeto de controle, mas otimiza o controle obtendo feedback de desempenho. Para motores CA multivariáveis ​​e não lineares, o controle inteligente é uma escolha adequada. O controle inteligente não é uma estratégia de controle única, mas um termo geral para uma classe de estratégias, incluindo principalmente controle difuso, controle do modo deslizante, controle de rede neural e algoritmos genéticos.

(1) O controle difuso, também conhecido como controle lógico difuso, se origina da matemática difusa e é uma tecnologia de controle de computador que consiste em teoria dos conjuntos difusos, linguagem difusa e lógica difusa. O controle difuso simula o raciocínio e a decisão difusos - fazendo o processo de seres humanos e pertence ao método de controle inteligente. Este método converte a experiência de operadores ou especialistas em regras difusas, difunde os sinais de tempo real - de sensores e depois executa o raciocínio difuso e, finalmente, integra os resultados ao atuador. O controle difuso não requer o estabelecimento de um modelo matemático preciso do objeto controlado. Esse método facilita o mecanismo de controle e a estratégia de aceitar e entender, simples em design e fáceis de aplicar. Os sistemas de controle difuso têm excelente robustez e podem reduzir efetivamente o impacto da interferência e alterações de parâmetros no efeito de controle. É particularmente adequado para o controle de sistemas não lineares, tempo - variando e puro lag e tem fortes vantagens no desempenho real -. No entanto, o design do controle difuso ainda enfrenta desafios em termos de sistematização, especialmente no controle de sistemas complexos. Atualmente, um sistema teórico completo de controle difuso não foi estabelecido para resolver os problemas do mecanismo de controle difuso, análise de estabilidade, design sistemático etc. Portanto, obter um método confiável de regra difuso e função de associação para evitar confiar inteiramente no projeto empírico é uma das questões que precisam receber atenção à pesquisa de controle do fuzzy.

(2) O controle do modo deslizante SMC, também conhecido como controle de estrutura variável, é um esquema de controle baseado na teoria do controle moderno. Sua base matemática é baseada principalmente na função Lyapunov. O conceito central de controle do modo deslizante é estabelecer uma superfície do modo deslizante, guiar o sistema controlado para a superfície e fazer o sistema se mover ao longo da superfície deslizante. Esse método de controle é essencialmente uma estratégia de controle não linear. Suas características não lineares são refletidas na descontinuidade do controle, que é alcançada através de funções de comutação. De acordo com o grau em que o estado do sistema se desvia do modo deslizante, a estrutura do controlador (Lei de Controle ou Parâmetros do Controlador) é ajustada para fazer com que o sistema siga o modo de operação especificado pelo modo deslizante. O controle do modo deslizante pode superar a incerteza do sistema e mostrar forte robustez à interferência e dinâmica não modelada, especialmente no campo do controle não linear do sistema [12]. O controle do modo deslizante é simples e eficiente, com velocidade de resposta rápida e boa robustez à interferência de ruído externa e alterações de parâmetros. No entanto, uma vez que a trajetória do estado do sistema atinge a superfície do modo deslizante, é difícil para o algoritmo seguir estritamente a superfície até o ponto de equilíbrio do sistema. Em vez disso, ele transporta de um lado para o outro nos dois lados da superfície deslizante e se aproxima gradualmente do ponto de equilíbrio, resultando na ocorrência de conversas. Atualmente, os principais métodos para reduzir o impacto da conversa são para melhorar a lei de abordagem do modo deslizante ou usar filtragem, controle difuso, rede neural e outros métodos.

(3) O controle de rede neural é um método que usa redes neurais para processar objetos não lineares complexos que são difíceis de descrever com precisão. Nesse sistema de controle, as redes neurais podem desempenhar várias funções, como controladores, cálculos de otimização, raciocínio ou diagnóstico de falhas. Esse sistema de controle de rede neural que integra várias funções pode lidar com mais eficácia com a complexidade e a incerteza do sistema. Através do controle da rede neural, o sistema pode operar de maneira mais flexível e adaptável, melhorando o desempenho e a robustez do sistema. As redes neurais artificiais (RNAs) são abreviadas como redes neurais (NN). O ANNS é um modelo construído simulando o mecanismo de aprendizado do sistema nervoso do cérebro humano e é dividido em camada multi - e single -. Cada camada contém vários neurônios e os neurônios são conectados por conexões direcionadas com pesos variáveis. Ao aprender e treinamento repetidamente e ajustar gradualmente os pesos das conexões de neurônios, as redes neurais artificiais podem processar informações e simular os relacionamentos de entrada -. A tecnologia de rede neural tem vantagens óbvias sobre os métodos tradicionais de processamento de dados no processamento de dados difusos, aleatórios e não lineares, e é particularmente adequado para sistemas com estrutura de larga escala, complexa e informações incertas. As redes neurais não precisam entender a relação exata entre entrada e saída, mas só precisam considerar os fatores constantes não - que causam alterações de saída, ou seja, parâmetros constantes não -. Isso faz com que as redes neurais tenham um bom desempenho no processamento de dados incertos.

(4) O algoritmo genético (GA) é uma técnica de otimização de pesquisa aleatória paralela que simula os processos genéticos e evolutivos dos organismos na natureza. Esse algoritmo opera em cordas binárias através de técnicas de codificação, simulando a evolução de uma população para procurar a solução ideal. Os algoritmos genéticos utilizam um mecanismo de troca de informações aleatórias ordenadas para recombinar seqüências altamente adaptáveis ​​e substituir segmentos de algumas cordas por uma certa probabilidade. Semelhante à seleção natural, as cordas altamente adaptáveis ​​são retidas e continuam a se reproduzir até que um resultado de otimização satisfatório seja alcançado. Os algoritmos genéticos não têm requisitos específicos para o próprio problema e não requerem premissas matemáticas rigorosas. Eles também possuem recursos de computação paralela, aumentando a velocidade computacional através de grandes - computação paralela em escala, tornando -os adequados para otimizar grandes escala -, problemas complexos. O algoritmo usa regras de transição probabilísticas para orientar a direção da pesquisa e exibe as propriedades de aprendizagem de aprendizagem. Devido às suas vantagens, o gás é amplamente utilizado para otimização de parâmetros no projeto do controlador, especificamente para otimização. Eles também são aplicados em campos como otimização de caminho, sistemas de energia e indústria automotiva.

Geralmente combina várias estratégias de controle inteligentes para alcançar melhores efeitos de controle. Por exemplo, é proposta uma estratégia de controle de filme deslizante de abordagem de potência variável, e o termo exponencial de ganho de filme deslizante adaptativo é adicionado à taxa de abordagem de energia, o que melhora a precisão da observação e controla efetivamente a amplitude do erro. Yu Xiaoling et al. [16] propuseram um fracionário adaptativo difuso - Order PID Controller, combinando controle difuso com o controlador PID fracionário -, que, em certa medida, melhorou a velocidade de resposta do sistema de regulação motora e melhorou a estabilidade. O controle difuso é combinado com o algoritmo genético para formar uma estratégia de controle composto fuzzy genético, e o algoritmo genético é usado para otimizar o parâmetros do controlador difuso do controlador para resolver ainda mais o tempo de parâmetros e o tempo de ranagem do tempo de parâmetros. A estratégia de controle que combina a rede neural da função de base radial (RBF) com o controlador PID usa o sinal de sensibilidade obtido pela identificação para ajustar os parâmetros PID, melhorando assim a capacidade de interferência anti --}. As redes neurais RBF são redes neurais de alimentação que podem se aproximar de funções não lineares com precisão arbitrária. Eles oferecem as vantagens da aproximação local, a entrada forte - mapeamento de saída e a rápida convergência. A combinação de uma rede neural de wavelet (WNN) com um controlador PID e empregando uma estratégia de controle de rede neural de wavelet (WNN -} PID) melhora efetivamente a precisão do controle de velocidade dos motores síncronos de ímã permanente. As redes neurais da wavelet são um método eficaz para combinar modelos estruturais de rede neural com resolução multi - e análise de sinal de escala multi -. Através da distribuição linear dos coeficientes de peso da rede e da convexidade da função objetiva aprendida, o processo de treinamento da rede evita fundamentalmente a otimização local e os problemas de otimização não linear.