نظام محرك المؤازرة

تعد أنظمة Drive Servo أساسية لأداء الروبوتات الصناعية ، وأصبحت تقنية Servo Drive تقنية رئيسية في الأتمتة الصناعية. أصبحت محركات المؤازرة وإيثرنت الصناعية مكونات أساسية للتصنيع الحديث. الرابط CC - ، EtherCat ، و Devicenet هي حاليًا حقلات شائعة تستخدم في الروبوتات الصناعية.

مع التطور السريع لإلكترونيات الطاقة ونظرية التحكم الحديثة ، تتحرك أنظمة Tonghang Servo Drive نحو الرقمنة ، حيث أصبحت أنظمة محرك المؤازرة الرقمية بالكامل. مع تقدم التصنيع الذكي ، تتحرك محركات Tonghang Servo نحو الدقة العالية والأداء العالي والتكامل.

في مواجهة الطلب على السوق المرتفع لأنظمة القيادة ، صمم فريق Tonghang الهندسي محرك Servo عالي الأداء - - مع استجابة ديناميكية ممتازة ، ودقة الحالة الثابتة العالية - ، وعملية بسيطة. هذا يسرع التحول الرقمي وترقية التصنيع الصناعي ، مما يدفع صناعة التصنيع نحو التنمية الشبكية والذكاء والبيانات -.

تطوير استراتيجيات التحكم في محرك المؤازرة

يمكن تتبع تطوير استراتيجيات التحكم في محرك الأقراص المؤازرة إلى القرن العشرين-. مع التطور السريع لتكنولوجيا إلكترونيات الطاقة ونظرية التحكم الحديثة ، استمرت استراتيجيات التحكم في محرك الأقراص المؤازرة في التقدم ، من التحكم الأولي في نسبة التردد الجهد الثابتة إلى التحكم في المتجهات المستخدمة حاليًا والتحكم المباشر في عزم الدوران ، ثم إلى التحكم الذكي الذي اقترحته خوارزميات التحكم الذكية.

الجهد الثابت - التحكم في نسبة التردد

يعد التحكم في نسبة التردد - التحكم في نسبة التردد ، والمعروف أيضًا باسم الجهد الثابت لكل التحكم في التردد (CVF) ، استراتيجية تحكم مبكرة لأنظمة محرك AC. يتمثل مبدأها الأساسي في الحفاظ على نسبة التردد الثابتة - للحفاظ على تدفق مغناطيسي ثابت في المحرك. لذلك ، يسمى التحكم في CVF أيضًا التحكم المستمر في التدفق.

في V/F الثابت أثناء التحكم ، يتناسب الجهد التشغيلي للمحرك مع تردد الإدخال. هذا يعني أنه مع زيادة التردد ، يزداد جهد المدخلات إلى المحرك أيضًا ، مع الحفاظ على نسبة الجهد/التردد النسبي ، مما يضمن تحقيق المحرك عزم الدوران الكهرومغناطيسي المناسب في جميع الترددات. من خلال الحفاظ على هذه العلاقة النسبية بين الجهد والتردد ، يحافظ التحكم الثابت V/F على تدفق محرك مستقر على ترددات متفاوتة. يساعد ذلك في ضمان توليد مجال مغناطيسي كافٍ في جميع سرعات المحرك ، مع الحفاظ على خصائص التشغيل المستقرة.

بالمقارنة مع استراتيجيات التحكم المتقدمة الأخرى ، فإن التحكم الثابت V/F بسيط نسبيًا ، منخفضة التكلفة- ، وموثوقة للغاية. هذا يجعله يستخدم على نطاق واسع في العديد من الحقول ، لا سيما عندما يكون التكلفة المنخفضة - والتحكم البسيط نسبيًا مطلوبًا. ينطبق التحكم المستمر V/F على العديد من أنواع محركات التيار المتردد ، بما في ذلك محركات الحث والمحركات المتزامنة المغناطيس الدائمة. التحكم في نسبة الجهد/التردد الثابت مفتوح - التحكم في الحلقة ولا يتطلب إشارات ردود الفعل مثل الجهد والتيار والسرعة والموضع. ومع ذلك ، فإنه لا يمكن أيضًا التحكم في عزم الدوران. نظرًا لعدم وجود دوائر ردود الفعل ، فإنه يفتقر إلى دقة الوقت - ولديه دقة التحكم المنخفضة ، والأداء الديناميكي الضعيف ، ونتائج التحكم غير المرضية.

يضمن التحكم المستمر V/F التحكم في أن المحرك يمكن أن يحافظ على خصائص التشغيل المستقرة بسرعات مختلفة من خلال الحفاظ على العلاقة النسبية بين الجهد والتردد. إنها استراتيجية بسيطة وفعالة للتحكم في محرك المحرك.

التحكم في عزم الدوران المباشر

التحكم المباشر في عزم الدوران (DTC) هي تقنية مراقبة مؤازرة اقترحها الباحثون الألمان واليابانيون في الثمانينيات. يهدف إلى تحقيق عزم الدوران والسرعة الدقيقة للمحركات. على عكس التحكم في المتجه ، الذي يتفوق على التيار ، يتحكم DTC بشكل مباشر في عزم الدوران ، مما يقلل من الاعتماد على المعلمات الحركية وبالتالي تحسين الأداء الديناميكي للنظام والاستقرار. تستخدم DTC تحليل متجه الفضاء للتحكم مباشرة في ارتباط تدفق الجزء الثابت وعزم الدوران الكهرومغناطيسي في حقل الجزء الثابت -.

يتكون نظام DTC عادة من مكونين رئيسيين: وحدة تحكم عزم الدوران ووحدة تحكم تدفق. تراقب وحدة تحكم عزم الدوران عزم الدوران وسرعة المحرك ويحسب ناقل الجهد المناسب استنادًا إلى متطلبات عزم الدوران والسرعة المسبقة. من خلال مقارنة عزم الدوران المطلوب مع عزم الدوران الفعلي ، تقوم وحدة تحكم عزم الدوران بإنشاء ناقل الجهد المناسب للتحكم في عزم دوران محرك. تتيح طريقة التحكم في عزم الدوران المباشر هذا النظام من الاستجابة بسرعة أكبر لمتطلبات عزم الدوران. مراقبة وحدات التحكم في التدفق التدفق المغناطيسي للمحرك وضبط حجمه حسب الحاجة. من خلال التحكم في التدفق المغناطيسي للمحرك ، يمكن تحقيق التحكم في السرعة. تستخدم وحدات التحكم في التدفق عادة تعديل متجه الفضاء (SVM) لضبط التدفق المغناطيسي للمحرك لتحقيق السرعة المطلوبة. يزيل التحكم في عزم الدوران المباشر (DTC) حسابات الإحداثيات المعقدة ويوفر مزايا مثل وقت استجابة التحكم السريع في عزم الدوران والمتانة. نظرًا لأن أنظمة DTC لا تتطلب قياسًا وحسابًا للتيار المحرك ، فإنها يمكن أن تقلل من تعقيد نظام التحكم وتكلفة. ومع ذلك ، فإنهم يعانون من ضعف الأداء بسرعات منخفضة ، وتموج عزم الدوران ، وتردد التبديل غير المستقر.

التحكم المباشر في عزم الدوران (DTC) هي تقنية متقدمة للتحكم في المحرك تحقق عزم الدوران والسرعة الدقيقة عن طريق التحكم مباشرة في عزم الدوران والمغناطيسي. أدت استجابتها الديناميكية السريعة وأداءها الفعال إلى اعتمادها على نطاق واسع في التطبيقات الصناعية.

التحكم في المتجهات

الحقل - عنصر التحكم الموجود (FOC) ، المعروف أيضًا باسم الحقل - عنصر تحكم موجه ، هو نظرية التحكم المؤازرة المقترحة في السبعينيات. يستخدم مبادئ التحويل الإحداثي ، باستخدام التحويلات الحديقة و Clark لتحويل تيار الجزء الثابت في نظام الإحداثيات الثابتة بثلاثة- إلى مكون DC في نظام إحداثيات الدوران اثنين-. ثم يتم فصل التيارات المرحلة للحصول على تيار الإثارة I ومعرف التيار الدوار ، مما يحقق أداء التحكم مماثلًا لأداء محرك DC. بعد الحصول على متغير التحكم المطلوب ، يتم استخدام تحويل الحديقة العكسية وخوارزمية SVPWM لتحويله إلى متغير AC في ثلاثة-.

الأنواع الرئيسية من التحكم في المتجه مفتوحة - تحكم متجه الحلقة (التحكم في متجه مستشعر) ومغلق - تحكم متجه الحلقة (التحكم في المتجه الاستشعار). افتح - التحكم في ناقل الحلقة لا يتطلب ملاحظات حول سرعة المحرك أو الموضع. هذه الطريقة بسيطة ومنخفضة التكلفة - ، لكن دقة التحكم والأداء الديناميكي أقل من ذلك من التحكم في الحلقة-. يتطلب التحكم في ناقل الحلقة مغلق - سرعة المحرك أو التعليقات في الموضع للتحكم بدقة في التدفق والعزم. إنه يوفر أداء تحكم دقيق للغاية وهو مناسب للتطبيقات التي تتطلب أداء ديناميكي عالي. تتضمن استراتيجيات التحكم في المتجه في المقام الأول معرف =0 ، والتحكم في عامل الطاقة ، وحد أقصى عزم الدوران - إلى - التحكم في النسبة الحالية ، وحقل - تحكم إضعاف. يتم استخدام المعرف =0 ، نظرًا لبساطته ، والحد الأدنى من الجهد الحسابي ، وأداء عزم الدوران الممتاز ، ونطاق تنظيم السرعة الواسع ، على نطاق واسع في تطبيقات التحكم في الأداء العالية -. ومع ذلك ، فإن التحكم في المتجه له عيوب: فهو يتضمن تحديد تدفق الدوار والتحولات الإحداثي المعقدة ، ويقدم عوامل غير خطية مثل اقتران محور محور - ، ويتأثر بشكل مباشر بمعلمات المحرك ، مما يجعل النظام عرضة للاختلافات في المعلمات والتداخل الخارجي أثناء العملية ، مما يؤدي إلى دقة التحكم المخفض.

أصبحت تقنية التحكم في المتجهات مكونًا أساسيًا للتحكم في محرك AC الحديثة ويستخدم على نطاق واسع في مختلف التطبيقات الصناعية والتجارية ، بما في ذلك السيارات الكهربائية والروبوتات الصناعية والمصاعد وأنظمة التحكم في السرعة المختلفة. من خلال توفير الدقة العالية- وعالية التحكم في الكفاءة ، تعمل تقنية التحكم في المتجه إلى تحسين أداء أنظمة محرك المحرك بشكل كبير.

السيطرة الذكية

السيطرة الذكية تختلف عن استراتيجيات التحكم السابقة. لا يعتمد بالكامل على النموذج الرياضي لكائن التحكم ، ولكنه يحسن عنصر التحكم عن طريق الحصول على ملاحظات الأداء. بالنسبة لمحركات AC المؤازرة غير الخطية والمتعددة المتغيرات ، يعد التحكم الذكي خيارًا مناسبًا. السيطرة الذكية ليست استراتيجية تحكم واحدة ، ولكنها مصطلح عام لفئة من الاستراتيجيات ، بما في ذلك التحكم الغامض ، والتحكم في الوضع المنزلق ، والتحكم في الشبكة العصبية ، والخوارزميات الوراثية.

(1) ينشأ التحكم الغامض ، المعروف أيضًا باسم التحكم المنطقي الغامض ، من الرياضيات الغامضة وهي تقنية للتحكم في الكمبيوتر تتكون من نظرية مجموعة غامضة ولغة غامضة والمنطق الغامض. يحاكي التحكم الغامض التفكير والقرار الغامض - إجراء عملية للبشر وينتمي إلى طريقة التحكم الذكية. تقوم هذه الطريقة بتحويل تجربة المشغلين أو الخبراء إلى قواعد غامضة ، ويؤثر على إشارات الوقت- الحقيقية للمستشعرات ، ثم تؤدي إلى تفكير غامض ، وأخيراً يدمج النتائج في المشغل. لا يتطلب التحكم الغامض إنشاء نموذج رياضي دقيق للكائن الذي يتم التحكم فيه. هذه الطريقة تجعل آلية التحكم والاستراتيجية أسهل في قبول وفهم وبسيطة في التصميم وسهل التطبيق. أنظمة التحكم الغامضة لها متانة ممتازة ويمكن أن تقلل بشكل فعال من تأثير التداخل والمعلمة على تأثير التحكم. إنه مناسب بشكل خاص للتحكم في أنظمة التأخير غير الخطية ، الوقت- ، ولديه مزايا قوية في الأداء الحقيقي-. ومع ذلك ، لا يزال تصميم التحكم الغامض يواجه تحديات من حيث التنظيم ، وخاصة في السيطرة على الأنظمة المعقدة. في الوقت الحاضر ، لم يتم إنشاء نظام نظري غامض كامل لحل مشكلات آلية التحكم الغامضة ، وتحليل الاستقرار ، والتصميم المنهجي ، وما إلى ذلك ، وبالتالي ، فإن الحصول على قاعدة غامضة موثوقة وطريقة تصميم وظائف العضوية لتجنب الاعتماد بالكامل على التصميم التجريبي هو أحد المشكلات التي يجب إيلاء الاهتمام في البحث عن الغزارة.

(2) التحكم في وضع الانزلاق SMC ، والمعروف أيضًا باسم التحكم في الهيكل المتغير ، هو مخطط تحكم يعتمد على نظرية التحكم الحديثة. يعتمد أساسها الرياضي بشكل أساسي على وظيفة Lyapunov. يتمثل المفهوم الأساسي للتحكم في وضع الانزلاق في إنشاء سطح انزلاق ، وتوجيه النظام المتحكم فيه إلى السطح ، وجعل النظام يتحرك على طول السطح المنزلق. طريقة التحكم هذه هي في الأساس استراتيجية التحكم غير الخطية. تنعكس خصائصها غير الخطية في انقطاع التحكم ، والذي يتم تحقيقه من خلال وظائف التبديل. وفقًا للدرجة التي تنحرف بها حالة النظام عن الوضع المنزلق ، يتم تعديل بنية وحدة التحكم (قانون التحكم أو معلمات وحدة التحكم) لجعل النظام يتبع وضع التشغيل المحدد بواسطة وضع الانزلاق. يمكن للتحكم في الوضع الانزلاق التغلب على عدم اليقين في النظام ويظهر متانة قوية للتداخل والديناميات غير المعروفة ، وخاصة في مجال التحكم في النظام غير الخطي [12]. يعد التحكم في وضع الانزلاق بسيطًا وفعالًا ، مع سرعة استجابة سريعة وقوة جيدة لتداخل الضوضاء الخارجية وتغيرات المعلمة. ومع ذلك ، بمجرد وصول مسار حالة النظام إلى سطح الوضع المنزلق ، يكون من الصعب على الخوارزمية متابعة السطح بدقة إلى نقطة التوازن للنظام. بدلاً من ذلك ، فإنه يتدفق ذهابًا وإيابًا على جانبي السطح المنزلق ويقترب تدريجياً من نقطة التوازن ، مما يؤدي إلى حدوث الثرثرة. في الوقت الحاضر ، تتمثل الطرق الرئيسية لتقليل تأثير الثرثرة في تحسين قانون نهج الوضع المنزلق أو استخدام التصفية والتحكم الغامض والشبكة العصبية والأساليب الأخرى.

(3) التحكم في الشبكة العصبية هي طريقة تستخدم الشبكات العصبية لمعالجة كائنات غير خطية معقدة يصعب وصفها بدقة. في نظام التحكم هذا ، يمكن للشبكات العصبية أن تلعب أدوارًا متعددة مثل وحدات التحكم أو حسابات التحسين أو التفكير أو تشخيص الأخطاء. هذا نظام التحكم في الشبكة العصبية الذي يدمج الوظائف المختلفة يمكن أن يتعامل بشكل أكثر فعالية مع التعقيد وعدم اليقين في النظام. من خلال التحكم في الشبكة العصبية ، يمكن للنظام أن يعمل بشكل أكثر مرونة وتكييفًا ، وتحسين أداء النظام والقوة. يتم اختصار الشبكات العصبية الاصطناعية (ANNS) كشبكات عصبية (NN). ANNS هو نموذج تم تصميمه عن طريق محاكاة آلية التعلم للنظام العصبي الدماغ البشري ويتم تقسيمه إلى طبقة متعددة- وطبقة واحدة-. تحتوي كل طبقة على خلايا عصبية متعددة ، وتتصل الخلايا العصبية عن طريق الاتصالات الموجهة مع أوزان متغيرة. من خلال تعلم وتدريب المعلومات المعروفة بشكل متكرر وتعديل أوزان اتصالات الخلايا العصبية ، يمكن للشبكات العصبية الاصطناعية معالجة المعلومات ومحاكاة إدخال العلاقات -. تتمتع تكنولوجيا الشبكة العصبية بمزايا واضحة على أساليب معالجة البيانات التقليدية في معالجة بيانات غامضة وعشوائية وغير خطية ، وهي مناسبة بشكل خاص للأنظمة ذات البنية المعقدة على نطاق واسع ومعقدة. لا تحتاج الشبكات العصبية إلى فهم العلاقة الدقيقة بين المدخلات والمخرجات ، ولكن تحتاج فقط إلى النظر في العوامل الثابتة- التي تسبب تغييرات الإخراج ، أي غير -. هذا يجعل الشبكات العصبية تعمل بشكل جيد في معالجة البيانات غير المؤكدة.

(4) الخوارزمية الوراثية (GA) هي تقنية تحسين بحث عشوائية موازية تحاكي العمليات الوراثية والتطورية للكائنات الحية في الطبيعة. تعمل هذه الخوارزمية على السلاسل الثنائية من خلال تقنيات الترميز ، ومحاكاة تطور السكان للبحث عن الحل الأمثل. تستخدم الخوارزميات الوراثية آلية تبادل المعلومات العشوائية منظمة لإعادة تجميع السلاسل القابلة للتكيف بشكل كبير واستبدال شرائح بعض الأوتار باحتمال معين. على غرار الانتقاء الطبيعي ، يتم الاحتفاظ بسلاسل قابلة للتكيف للغاية وتستمر في التكاثر حتى يتم تحقيق نتيجة تحسين مرضية. لا تحتوي الخوارزميات الجينية على متطلبات محددة للمشكلة نفسها ولا تتطلب افتراضات رياضية صارمة. كما أنها تمتلك إمكانات حوسبة متوازية ، مما يزيد من السرعة الحسابية من خلال الحوسبة الكبيرة - ، مما يجعلها مناسبة لتحسين مقياس كبير - ، المشكلات المعقدة. تستخدم الخوارزمية قواعد الانتقال الاحتمالية لتوجيه اتجاه البحث وعرض خصائص التعلم ذاتية التنظيم والكيفية والتكيفية والذات-. نظرًا لمزاياه ، يتم استخدام الغاز على نطاق واسع لتحسين المعلمات في تصميم وحدة التحكم ، وتحديداً للتحسين. يتم تطبيقها أيضًا في مجالات مثل تحسين المسار وأنظمة الطاقة وصناعة السيارات.

وعادة ما يجمع بين العديد من استراتيجيات التحكم الذكية لتحقيق تأثيرات تحكم أفضل. على سبيل المثال ، يتم اقتراح استراتيجية متغيرة لمعدل التحكم في الفيلم ، ويتم إضافة مصطلح أسي متغير للفيلم المتغير ، ويتم إضافة مصطلح أسي متغير إلى معدل نهج الطاقة ، مما يحسن دقة الملاحظة ويتحكم في سعة الخطأ بشكل فعال. Yu Xiaoling et al. [16] اقترح وحدة تحكم PID - Order Fractional - ، يجمع بين التحكم الغامض مع وحدة تحكم PID fractional - ، والتي تحسنت إلى حد ما سرعة استجابة نظام تنظيم المحرك وتحسين الاستقرار. يتم دمج التحكم الغامض مع الخوارزمية الوراثية لتشكيل استراتيجية تحكم مركب وراثية- ، ويتم استخدام الخوارزمية الوراثية لتحسين معلمات وحدة تحكم PI غامضة لحل مشكلة الأخطاء الكبيرة في ضبط العوامل المتناسقة الناجمة عن عواقم الزغب ، وخفض وقت ضبط المعلمة والخطأ. تستخدم استراتيجية التحكم التي تجمع بين الشبكة العصبية لدالة الأساس الشعاعي (RBF) مع وحدة التحكم PID إشارة الحساسية التي تم الحصول عليها عن طريق تحديد معلمات PID ، وبالتالي تحسين القدرة على التداخل-. شبكات RBF العصبية هي شبكات عصبية تغذية يمكن أن تقارب الوظائف غير الخطية بدقة تعسفية. أنها توفر مزايا التقريب المحلي ، وإدخال قوي - تعيين الإخراج ، والتقارب السريع. الجمع بين شبكة عصبية المويجات (WNN) مع وحدة تحكم PID واستخدام استراتيجية التحكم في الشبكة العصبية (WNN - pid) تعمل بشكل فعال على تحسين دقة التحكم في السرعة في المحركات المتزامنة المغناطيسية الدائمة. الشبكات العصبية المويجات هي وسيلة فعالة للجمع بين النماذج الهيكلية للشبكة العصبية مع الدقة المتعددة- وتحليل إشارة المقياس المتعدد -. من خلال التوزيع الخطي لمعاملات وزن الشبكة ودبابات الوظيفة الهدف المستفادة ، تتجنب عملية تدريب الشبكة بشكل أساسي مشكلات الأمثل المحلية والتحسين غير الخطي.