基于迭代学习和全阶滑模的永磁同步电机转矩脉动抑制OA

磁通谐波和电流采样误差不可避免地会引起速度与转矩纹波,严重限制了对控制精度要求较高的永磁同步电机(permanent magnet synchronous,PMSM)在高性能伺服系统中的应用。转矩脉动具有与转子位置相关的周期性特征,易导致速度波动,从而进一步降低系统性能。迭代学习控制(iterative learning control,ILC)与传统比例积分(PI)并联构成的PI-ILC结构是常见的转矩抑制方案,但对系统不确定性和非周期性扰动敏感,鲁棒性不足。为此,提出一种基于全阶终端滑模控制的鲁棒ILC策略,用以增强系统的抗干扰能力,并进一步抑制转矩脉动。该方案利用迭代学习实现扰动补偿,引入全阶终端滑模控制来增强系统的动态响应与鲁棒性。在转矩标准差方面,FOTSM-ILC比SMC转矩标准差降低了0.35,比ILC-SMC降低了0.21;在转矩脉动系数方面,FOTSM-ILC比SMC转矩脉动系数降低了0.50,比ILC-SMC降低了0.19。由给定转速和周期扰动的控制效果可以看出,采用迭代学习的滑模控制效果得到改善,采用迭代学习的全阶终端滑模改善效果更为显著。