专利摘要

本发明公开了一种基于迭代学习的压电电机节能控制方法，包括：设置压电电机的采样周期；获取压电电机的期望输出轨迹，根据采样周期进行采样得到采样期望输出序列；设置压电电机的初始控制输入信号；根据初始控制输入信号的映射关系得到实际控制输入信号并传输至压电电机得到实际输出位置；根据实际输出位置得到压电电机输出位置的映射关系，根据采样周期对映射关系进行采样得到采样实际输出序列；将采样期望输出序列与采样实际输出序列进行差值计算得到采样误差函数序列；根据预设收敛条件，计算得到迭代学习增益参数；根据采样误差函数序列和迭代学习增益参数计算得到压电电机进行迭代所需要的迭代输入电压，并将迭代输入电压传输至压电电机。

权利要求

1.一种基于迭代学习的压电电机节能控制方法，其特征在于，包括：

设置压电电机的采样周期；

获取压电电机的期望输出轨迹，根据所述采样周期进行采样得到采样期望输出序列；

设置压电电机的初始控制输入信号；

根据所述初始控制输入信号的映射关系得到实际控制输入信号，并将所述实际控制输入信号传输至压电电机，以得到压电电机的实际输出位置；

根据所述实际输出位置得到压电电机输出位置的映射关系，根据所述采样周期对所述压电电机输出位置的映射关系进行采样得到采样实际输出序列；

将所述采样期望输出序列与所述采样实际输出序列进行差值计算，得到采样误差函数序列；

根据预设的收敛条件，计算得到迭代学习增益参数；

根据所述采样误差函数序列和所述迭代学习增益参数计算得到压电电机进行迭代所需要的迭代输入电压，并将所述迭代输入电压传输至压电电机。

2.如权利要求1所述的基于迭代学习的压电电机节能控制方法，其特征在于，在所述将所述迭代输入电压传输至压电电机之后，还包括：重复执行迭代步骤，直到所述采样误差函数序列小于预设的容许误差数值范围时，停止迭代。

3.如权利要求1或2所述的基于迭代学习的压电电机节能控制方法，其特征在于，所述设置压电电机的采样周期的具体步骤为：设置压电电机的采样周期TS，采样的离散序列为

则对应的离散时间序列为：其中，t为运行时间,T表示时间周期。

4.如权利要求3所述的基于迭代学习的压电电机节能控制方法，其特征在于，所述获取压电电机的期望输出轨迹，根据所述采样周期进行采样得到采样期望输出序列的步骤，包括：获取期望输出轨迹yd(t)，依据采样周期TS进行采样得到采样期望输出序列yd(n·TS)，定义所述采样期望输出序列为

5.如权利要求4所述的基于迭代学习的压电电机节能控制方法，其特征在于，所述设置压电电机的初始控制输入信号的具体步骤，包括：设置压电电机的初始连续输入信号为其中满足：

6.如权利要求5所述的基于迭代学习的压电电机节能控制方法，其特征在于，所述初始控制输入信号的映射关系为：

其中，uk(t)为实际控制输入信号。

7.如权利要求6所述的基于迭代学习的压电电机节能控制方法，其特征在于，所述压电电机输出位置的映射关系为：

其中，yk(t)为实际输出位置，为压电电机输出位置的映射关系；

所述进行采样得到采样实际输出序列的具体步骤为：依据采样周期TS对进行采样得到采样实际输出序列定义所述采样实际输出序列为具体如下式：

8.如权利要求7所述的基于迭代学习的压电电机节能控制方法，其特征在于，所述将所述采样期望输出序列与所述采样实际输出序列进行差值计算的具体算法为：则所述采样误差函数序列为：

则定义：

表示压电电机在第k次迭代的输入控制信号，表示采样误差函数序列的导数。

9.如权利要求8所述的基于迭代学习的压电电机节能控制方法，其特征在于，所述预设的收敛条件为：||I-LCB||≤ρ<1。

10.如权利要求9所述的基于迭代学习的压电电机节能控制方法，其特征在于，所述根据所述采样误差函数序列和所述迭代学习增益参数计算得到压电电机进行迭代所需要的迭代输入电压，并将所述迭代输入电压传输至压电电机的步骤，包括：

根据所述采样误差函数序列与迭代学习增益参数，设置迭代学习控制律为：

其中，表示压电电机在第k+1次迭代的输入控制信号，表示压电电机在第k次迭代的输入控制信号，采样误差函数序列的导数计算如下：

其中，根据迭代学习控制律，更新下一次迭代的控制输入信号且满足：

说明书

技术领域

本发明涉及电机控制技术领域，尤其涉及一种基于迭代学习的压电电机节能控制方法。

背景技术

在一些高精度控制的工程场合上，不仅要求被控系统能够在有限区间上重复着相同的控制任务，而且要求被控系统的输出必须严格地跟踪上期望输出轨迹。高速电机的精确控制是一项具有挑战的工程任务。由于电机系统的延迟响应，使得控制输入后出现一定的响应时滞，这使得控制高速运转的电机存在着许多困难。如果无法获取到系统的精确模型，大多数基于时域信息的主流控制算法无法完成高速的精确跟踪控制，而且还存在难以容忍的细微的外部干扰。

压电电机利用压电体在电压作用下发生振动，驱动运动件旋转或直线运动。现有技术中可以利用迭代学习控制方案克服高速电机控制中的响应时滞问题，其不需要精确的电机模型与参数，而且具备抗外部干扰与外部噪声的能力。但如今业内使用的迭代学习控制方案均有明显的缺点，即要求被控的时间区间固定，这极大的限制了该控制方案的应用范围。此外，大多数控制方案要求整个电机控制过程都需要持续的控制输入，这造成了许多不必要的能量浪费。以电机驱动的机械臂控制问题为例。当控制机械臂完成某个动作时，每次动作摆动的幅度与持续时间通常是不固定的，故其实际上是变时间区间的控制问题。

发明内容

本发明提供了一种基于迭代学习的压电电机节能控制方法，可以在靠近目的点时，在特定时刻提前控制压电电机结束输入，让机器臂靠惯性到达目的点，节省能源消耗。

为了解决上述技术问题，本发明实施例提供了一种基于迭代学习的压电电机节能控制方法，包括：

设置压电电机的采样周期；

获取压电电机的期望输出轨迹，根据所述采样周期进行采样得到采样期望输出序列；

设置压电电机的初始控制输入信号；

根据所述初始控制输入信号的映射关系得到实际控制输入信号，并将所述实际控制输入信号传输至压电电机，以得到压电电机的实际输出位置；

根据所述实际输出位置得到压电电机输出位置的映射关系，根据所述采样周期对所述压电电机输出位置的映射关系进行采样得到采样实际输出序列；

将所述采样期望输出序列与所述采样实际输出序列进行差值计算，得到采样误差函数序列；

根据预设的收敛条件，计算得到迭代学习增益参数；

根据所述采样误差函数序列和所述迭代学习增益参数计算得到压电电机进行迭代所需要的迭代输入电压，并将所述迭代输入电压传输至压电电机。

作为优选方案，在所述将所述迭代输入电压传输至压电电机之后，还包括：重复执行迭代步骤，直到所述采样误差函数序列小于预设的容许误差数值范围时，停止迭代。

作为优选方案，所述设置压电电机的采样周期的具体步骤为：设置压电电机的采样周期T_S，采样的离散序列为

则对应的离散时间序列为： 其中，t为运行时间。

作为优选方案，所述获取压电电机的期望输出轨迹，根据所述采样周期进行采样得到采样期望输出序列的步骤，包括：获取期望输出轨迹y_d(t)，依据采样周期T_S进行采样得到采样期望输出序列y_d(n·T_S)， 定义所述采样期望输出序列为

作为优选方案，所述设置压电电机的初始控制输入信号的具体步骤，包括：设置压电电机的初始连续输入信号为 其中满足：

作为优选方案，所述初始控制输入信号的映射关系为：

其中，u_k(t)为实际控制输入信号。

作为优选方案，所述压电电机输出位置的映射关系为：

其中，y_k(t)为实际输出位置， 为压电电机输出位置的映射关系；

所述进行采样得到采样实际输出序列的具体步骤为：依据采样周期T_S对 进行采样得到采样实际输出序列 定义所述采样实际输出序列为 具体如下式：

作为优选方案，所述将所述采样期望输出序列与所述采样实际输出序列进行差值计算的具体算法为： 则所述采样误差函数序列为：

则定义：

作为优选方案，所述预设的收敛条件为：||I-LCB||≤ρ<1。

作为优选方案，所述根据所述采样误差函数序列和所述迭代学习增益参数计算得到压电电机进行迭代所需要的迭代输入电压，并将所述迭代输入电压传输至压电电机的步骤，包括：

根据所述采样误差函数序列与迭代学习增益参数，设置迭代学习控制律为：

其中， 表示压电电机在第k+1次迭代的输入控制信号， 表示压电电机在第k次迭代的输入控制信号，采样误差函数序列的导数 计算如下：

其中，根据迭代学习控制律，更新下一次迭代的控制输入信号 且 满足：

相比于现有技术，本发明实施例具有如下有益效果：

本发明通过计算采样误差函数序列和迭代学习增益参数，将压电电机进行迭代所需要的迭代输入电压传输至压电电机，可以在靠近目的点时，在特定时刻提前控制压电电机结束输入，让机器臂靠惯性到达目的点，节省能源消耗。

附图说明

图1：为本发明基于迭代学习的压电电机节能控制方法的步骤流程图；

图2：为本发明在一例压电电机模型下的输出误差图；

图3：为本发明在一例压电电机模型下的期望轨迹与不同迭代次数的系统输出图；

图4：为本发明在一例压电电机模型下的运行时间长度T_k取整后的变化图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参照图1，本发明优选实施例提供了一种基于迭代学习的压电电机节能控制方法，包括：

步骤101，设置压电电机的采样周期；

步骤102，获取压电电机的期望输出轨迹，根据所述采样周期进行采样得到采样期望输出序列；

步骤103，设置压电电机的初始控制输入信号；

步骤104，根据所述初始控制输入信号的映射关系得到实际控制输入信号，并将所述实际控制输入信号传输至压电电机，以得到压电电机的实际输出位置；

步骤105，根据所述实际输出位置得到压电电机输出位置的映射关系，根据所述采样周期对所述压电电机输出位置的映射关系进行采样得到采样实际输出序列；

步骤106，将所述采样期望输出序列与所述采样实际输出序列进行差值计算，得到采样误差函数序列；

步骤107，根据预设的收敛条件，计算得到迭代学习增益参数；

步骤108，根据所述采样误差函数序列和所述迭代学习增益参数计算得到压电电机进行迭代所需要的迭代输入电压，并将所述迭代输入电压传输至压电电机。

具体地，一类压电电机的模型如下：

其中，x_1,k(t)与x_2,k(t)为电机位置与电机速度，y_k(t)为电机位置。 代表移动质量，K_v为速度阻尼因子，K_f为电机的力常数。在运行时间区间[0,T_k]内，电机有控制输入，而在运行区间(T_k,T]内，电机无控制输入，其靠惯性运动。

该压电电机模型可建模为如下多输入多输出连续系统:

其中，

x_k(t)＝[x_1,k(t) x_2,k(t)]^T，

且系统的线性矩阵为：

C＝[0 1]，

如上建模系统所示，被控系统在时间上限为T的时间区间内运行，且在时间轴其上可视为两个系统。第一个系统受控，其运行的时间长度T_k是迭代可变的，运行时间区间为[0,T_k]。第二个系统控制输入为0，其运行区间为(T_k,T]，易知此时间区间内y_k(t)＝Ce^Atx_k(T_k)。如上所示，为使该系统在精确跟踪的基础上减少被控系统的能量消耗，通常要求每次迭代时T_k≤T，且T_k越小，节能的效果就越好。

该变轨迹长度系统的跟踪误差可表示为：

e_k(t)＝y_d(t)-y_k(t)。

为了便于算法的设计，我们构造一个虚拟系统如下：

该虚拟系统为原系统的扩展系统，其将原分段系统的运行时间统一为t∈[0,T]。虚拟系统的输入 与原系统输入u_k(t)之间的映射关系为：

则当t∈[0,T_k]时，虚拟系统与原系统的状态、输出与误差的映射关系依次为：

算法的实施包括以下步骤：

步骤101：设置被控连续系统的采样周期T_S，采样的离散序列为

则对应的离散时间序列为

步骤102：获取期望输出轨迹y_d(t)，依据采样周期T_S进行采样得到采样期望输出序列y_d(n·T_S)， 定义该序列为

步骤103：设置被控系统的初始连续输入信号为 其中满足

步骤104：依据如下的映射关系：

利用控制信号 生成真正的控制信号u_k(t)，将信号u_k(t)输入至实际被控系统；

步骤105：由实际被控系统输出y_k(t)，以及其与拓展系统输出 的映射关系：

依据采样周期T_S对 进行采样得到输出序列 定义该序列为 具体如下式：

步骤106：根据所述采样输出序列 结合期望输出轨迹序列 我们定义误差序列

计算拓展系统的误差函数采样序列为

额外定义

步骤107：计算迭代学习增益L，要求其满足如下的收敛条件：

||I-LCB||≤ρ<1。

步骤108：根据所述采样误差函数序列与迭代学习增益，设置迭代学习控制律如下：

其中， 表示拓展系统在第k+1次迭代的输入控制信号， 表示拓展系统在第k次迭代的输入控制信号，采样误差函数序列的导数 可近似计算如下：

根据迭代学习控制律，更新下一次迭代的控制输入信号 且 满足：

在优选实施例中，在所述将所述迭代输入电压传输至压电电机之后，还包括：步骤109，重复执行迭代步骤104至步骤108，直到所述采样误差函数序列小于预设的容许误差数值范围时，停止迭代。

请参照图2和图3，图2与图3使用的压电电机模型如下：

期望轨迹为：

x_1,k(t)与x_2,k(t)分别为电机位置和电机速度，设定每一次迭代的初始时刻电机位置为0m，电机速度为0m/s, 代表移动质量，取值为1kg，K_v为速度阻尼因子，取值为80N，K_f为电机的力常数，为6N/V，即 C＝[0 1]。采样周期T_S为0.01s，时间周期T为1s，根据收敛条件，计算迭代学习增益L为0.15，用到算法107所示算法：||I-LCB||≤ρ<1。

在本应用中，可以看到误差指标在有限次内收敛，随着迭代次数的增长，误差指标在第90次迭代几乎完全收敛，即电机的输出轨迹几乎与期望输出轨迹吻合。

在时间轴上可视为两个系统。第一个系统受控，其运行的时间长度T_k是迭代变化的，运行时间区间为[0,T_k]。第二个系统控制输入为0，其运行区间为(T_k,T]。本实施例中，首先，假设电机的初始状态是静止的，因此速度为0m/s，并按照步骤101算法所示，设置被控连续系统的采样周期T_s；其次，获取电机采样的期望输出值，用到的算法为步骤102中所示算法；然后，设置被控系统的初始连续输入信号u₀(t)设为0，依据映射关系，使用步骤104所示算法，获取真正的控制信号输入至实际被控系统，并使用步骤105所示算法，根据实际系统输出获取拓展系统的在本次迭代的采样输出序列；再根据采样输出序列，使用步骤106所示算法，结合采样周期序列计算拓展系统的采样误差函数序列；最后，根据采样误差函数序列、迭代学习增益与迭代学习控制率，跟新拓展系统在下一次迭代的控制输入，并传输到电机控制端，使得误差指标逐渐收敛。当运行时间到达(T_k,T]时，即第二个系统开始作用，系统控制输入为0，即系统不受控，但仍可以根据迭代学习控制律计算出对应时刻的理想控制输入，最终使得系统的虚拟误差 收敛。根据该虚拟误差的表达式可以看出，系统的实际误差e_k(t)在[0,T_k]区间内完全收敛，在(T_k,T]区间内，收敛于 当T_k＝T时，系统的实际误差在[0,T]上完全收敛。由于受控系统运行时间长度T_k是迭代变化的，有一定的概率能够到达T，又因为迭代次数k是趋于无穷的，因而系统有无穷次迭代能够到达T，从而使系统实际误差在[0,T]上完全收敛。系统只需要控制前一时间段的输出，无需控制后一时间段，当迭代次数趋于无穷时，系统的输出也可以完全跟踪上期望输出，从而避免了不必要的能量消耗。

图2为本应用场景下的输出误差图。在本应用场景中，可以看到误差指在有限次内快速收敛到容忍误差之内，误差函数为 由图2可看出，使用所述基于迭代学习的节能控制算法的电机，误差函数在第90次迭代前收敛至容忍误差之内。图3为第40、60和78次迭代的系统输出与期望输出轨迹图，由图3可看出，系统的输出轨迹随着迭代次数的增加逐渐跟踪上期望输出轨迹。

图4为本应用场景下的运行时间长度T_k取整后的变化图。T_k在96和99之间变化。

本发明提出的算法不仅没有被控时间区间的限制，而且在精确跟踪控制的基础上还能有效节省能源消耗，其具有很高的实际应用价值。算法的具体思想是在距离目的点较近时，使控制器在特定时刻提前结束控制输入。让机器臂靠惯性到达目的点。对比靠电机制动使机械臂逐渐停止的控制方法。前者比起后者避免了不必要的能量消耗。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

一种基于迭代学习的压电电机节能控制方法专利购买费用说明

Q：办理专利转让的流程及所需资料

A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。

1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。

2：按规定缴纳著录项目变更手续费。

3：同时提交相关证明文件原件。

4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。

Q:专利著录项目变更费用如何缴交

A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式

Q：专利转让变更，多久能出结果

A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。