姜 伟，李 想

(郑州财经学院，郑州450000)

0 引 言

永磁伺服系统具有功率密度高、效率高、转动惯量低等优点，因而被广泛应用于高性能运动控制场合，例如精密机床、机器人、自动控制装置等，而转矩平滑是对伺服系统最基本的要求［1－2］。但是在某些应用场合电机负载经常发生变化或出现扰动，若在此种状况下长时间运行将导致已优化的电机控制器性能下降，因此必须采取合适控制策略消除负载扰动对伺服系统的影响［3］。在一定程度上，电机负载扰动具有较高的不确定性和非线性。目前，经常使用的控制方法包括反电动势倒置、电流控制、自适应控制等，在一定范围内可以实现转矩扰动最小化控制［4－5］。但是上述方法对电机数学模型和参数的依赖性比较高，一旦伺服系统负载发生较大扰动，电机参数和模型势必出现较大变化，上述方法的控制性能将受到一定的影响。为解决此问题，本文基于不依赖于模型的控制方法——神经网络控制，设计一种电机负载扰动辨识器，并采用DSP 设计伺服控制系统，同时进行仿真分析，以减小负载扰动对伺服系统的影响。

1 负载转矩扰动辨识方法

基于矢量控制的永磁同步电机运动方程［6］可表示:

对式(1)进行拉氏变化，可得:

式(3)中，σ1=为采样周期。则离散化方程:

电机参数如转动惯量J、粘滞系数B、负载转矩TL等对控制器性能影响较大，为保证控制系统具有较好的跟踪性能，需要对上述参数进行在线辨识。为简化辨识方法，提高控制器的实时性，可作如下假设:电机运行过程中参数J 和B 随时间逐渐变化，TL则是突变的;对负载转矩TL辨识时，不考虑J 和B的影响。……