当前位置: X-MOL 学术Isa Trans. › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
Application of optimization algorithms to adaptive motion control for repetitive process
ISA Transactions ( IF 6.3 ) Pub Date : 2021-01-08 , DOI: 10.1016/j.isatra.2021.01.007
Rafal Szczepanski 1 , Tomasz Tarczewski 1 , Lech M Grzesiak 2
Affiliation  

The application of optimization algorithms to adaptive motion control is proposed in this paper. In order to provide optimal system response, optimization algorithm is used as adjustment mechanism of controller coefficients. Most of optimization algorithms are not able to work in continuous optimization mode and with non-constant search space (i.e. dataset). For this reason, the introduction of a novel approach, Adaptive Procedure for Optimization Algorithms (APOA), that allows to apply most of optimization algorithms to adaptation process seems to be necessary. Such an algorithm is innovative, due to its universality in terms of applied optimization algorithm. Its application allows to obtain optimal motion control in modern electric drives. The proposed APOA is presented together with the novel desired-response adaptive system (DRAS) approach for repetitive processes. This solution provides unchanged system response regardless of plant parameters variation or external disturbances. The developed adaptive approach based on optimization algorithm is implemented in permanent magnet synchronous motor (PMSM) drive to adapt state feedback speed controller during moment of inertia variations. Since the proposed DRAS is model-free approach, the adaptation procedure is immune to issues related to plant parameters mismatch. The obtained results prove that proposed adaptive speed controller for PMSM assures desired system response regardless of the moment of inertia variation.



中文翻译:

优化算法在重复过程自适应运动控制中的应用

本文提出了优化算法在自适应运动控制中的应用。为了提供最优的系统响应,优化算法被用作控制器系数的调整机制。大多数优化算法不能在连续优化模式下工作,也不能在非恒定搜索空间(即数据集)下工作。出于这个原因,引入一种新颖的方法,优化算法的自适应过程(APOA),它允许将大多数优化算法应用于自适应过程似乎是必要的。这种算法是创新的,因为它在应用优化算法方面具有普遍性。它的应用允许在现代电力驱动中获得最佳运动控制。提出的 APOA 与用于重复过程的新型期望响应自适应系统 (DRAS) 方法一起呈现。无论工厂参数如何变化或外部干扰如何,该解决方案都能提供不变的系统响应。开发的基于优化算法的自适应方法在永磁同步电机 (PMSM) 驱动器中实现,以在转动惯量变化期间适应状态反馈速度控制器。由于提议的 DRAS 是无模型方法,因此适应程序不受与工厂参数不匹配相关的问题的影响。获得的结果证明,提出的 PMSM 自适应速度控制器可确保所需的系统响应,而不管转动惯量如何变化。无论工厂参数如何变化或外部干扰如何,该解决方案都能提供不变的系统响应。开发的基于优化算法的自适应方法在永磁同步电机 (PMSM) 驱动器中实现,以在转动惯量变化期间适应状态反馈速度控制器。由于提议的 DRAS 是无模型方法,因此适应程序不受与工厂参数不匹配相关的问题的影响。获得的结果证明,提出的 PMSM 自适应速度控制器可确保所需的系统响应,而不管转动惯量如何变化。无论工厂参数如何变化或外部干扰如何,该解决方案都能提供不变的系统响应。开发的基于优化算法的自适应方法在永磁同步电机 (PMSM) 驱动器中实现,以在转动惯量变化期间适应状态反馈速度控制器。由于提议的 DRAS 是无模型方法,因此适应程序不受与工厂参数不匹配相关的问题的影响。获得的结果证明,提出的 PMSM 自适应速度控制器可确保所需的系统响应,而不管转动惯量如何变化。由于提议的 DRAS 是无模型方法,因此适应程序不受与工厂参数不匹配相关的问题的影响。获得的结果证明,提出的 PMSM 自适应速度控制器可确保所需的系统响应,而不管转动惯量如何变化。由于提议的 DRAS 是无模型方法,因此适应程序不受与工厂参数不匹配相关的问题的影响。获得的结果证明,提出的 PMSM 自适应速度控制器可确保所需的系统响应,而不管转动惯量如何变化。

更新日期:2021-01-08
down
wechat
bug