關于磁懸浮技術的研究與開發在國內外均處于迅速發展中。磁懸浮從原理上來說并不難理解,但是真正將其應用于產業卻是近幾年才開始的。懸浮系統在現代社會生活中有著非常多的應用場景,如磁懸浮列車和磁懸浮軸承。
但是懸浮間隙高度的不穩定狀態嚴重影響并且抑制了磁懸浮產品的開發應用。因此,對于磁懸浮系統懸浮間隙高度的不穩定狀態有必要進行控制算法上的優化。經典的磁懸浮(如單點懸浮球)系統主要由懸浮球、電磁鐵、傳感器和安裝支架等構成。其不穩定狀態主要是因為懸浮球的實際懸浮間隙高度不是一個恒定值,與設定的參考值相比較,一直處于一個不斷變化的狀態,如果變化得過于劇烈,系統就會很不穩定。
目前對于懸浮系統有很多種控制算法已被應用于仿真階段,如比例積分微分(proportion integration differentiation, PID)控制算法、神經網絡控制算法和滑模控制算法。
由此可見,每種算法都各有其優點和缺點:PID控制算法結構非常簡單明了,響應時間也較快,但是對于高精度控制和高穩定性控制則無法滿足要求;智能控制算法控制效果不錯但其收斂時間相對較長,也無法用于工程實踐;滑模控制響應時間和控制效果均比較良好,但因其自身原理,在非連續切換時會引起劇烈抖震。因此很有必要將各種算法的優點結合起來,通過一種算法的優勢來彌補另一種算法的不足。
江西理工大學電氣工程與自動化學院的研究人員,對單點懸浮球系統采用精簡和理想化的方法,通過數學推導獲得一個與其相對接近的數學模型,將這個模型作為所研究控制算法的被控對象,分別使用PID算法以及基于RBF神經網絡自適應滑模控制算法,對被控對象進行懸浮間隙高度的仿真實驗。通過仿真實驗對比,來證實基于徑向基函數(radial basis function, RBF)神經網絡自適應滑模算法的突出性。
圖1 固高懸浮儀主要工作原理示意圖
圖2 控制系統結構圖
研究者最后得出結論如下:
仿真結果表明,RBF神經網絡自適應滑模控制的方法滿足固高懸浮儀之類的單點懸浮系統對快速和平穩的控制要求。
目前,商業應用的磁懸浮系統普遍使用經典的PID控制,其控制效果并不理想。因此,本文針對經典PID算法超調量大、響應時間長以及抗干擾能力差的問題,基于固高懸浮儀驗證平臺,設計了RBF神經網絡自適應滑模控制器。該控制器對固高懸浮儀懸浮效果有著明顯的改進,在響應時間、超調量。抗干擾以及跟隨性上比傳統經典PID控制器均有明顯的性能提升。
以上研究成果發表在2020年第2期《電氣技術》雜志,論文標題為“徑向基函數神經網絡補償的懸浮球懸浮高度自適應滑模控制”,作者為楊杰、黃晨、石恒。