基于经验模态分解算法的永磁直线同步电机迭代学习控制

摘要：

在永磁直线同步电机驱动伺服系统的迭代学习控制(ILC)过程中,针对由于每次运行时跟踪误差的累积,导致系统出现收敛速度降低甚至发散的现象,提出一种基于经验模态分解(EMD)算法的迭代学习控制方法.首先设计闭环ILC控制器,然后利用EMD算法分解ILC过程中的跟踪误差,筛选并消除其中发散的分量,保证ILC的收敛性,提高ILC的收敛速度.仿真和实验结果表明,与传统ILC相比,所提出的控制方法能够使系统的跟踪效果更好,且保证了伺服系统的输出轨迹在较少的迭代次数下快速精确地收敛到期望轨迹.

关键词：永磁直线同步电机、迭代学习控制、经验模态分解算法、跟踪误差

所属期刊栏目：32

分类号：TP273(自动化技术及设备)

资助基金：国家自然科学基金51175349;辽宁省高等学校优秀人才支持计划LR2013006

在线出版日期：2017-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：164-171