基于双边界层滑模观测器的双轴直驱平台迭代学习轮廓控制

摘要

双轴直驱平台在加工高进给率或存在尖角的轮廓时,由于轨迹的复杂性和系统非线性不确定性的存在导致轮廓误差较大.因此,本文提出一种自适应迭代学习控制器(AILC)和双边界层滑模观测器(SMO)相结合的鲁棒迭代学习轮廓控制方案.首先,建立含有参数变化、摩擦力等不确定性因素的双直线伺服系统动态方程,并在任务坐标系下建立轮廓误差模型,将跟踪误差的法向分量近似为轮廓误差.采用AILC对轮廓误差进行控制,以实时提高系统的轮廓跟踪性能;使用双边界层SMO对系统扰动进行补偿,通过改变双边界层厚度削弱抖振,并且提高观测器的鲁棒性.最后,系统实验结果表明,该方法能够明显地提高系统的控制性能,减小系统的轮廓误差,进而改进双轴直驱平台伺服系统的高精度轮廓加工性能.