Vous êtes sur la page 1sur 70

Système de

servocommande de moteur
à courant continu
       Modélisation et
simulation
5.1 Présentation 1 Le rôle du
système de servocommande
Le servomoteur est composé d'un servocontrôleur,
d'éléments d'entraînement, de capteurs et d'actionneurs.
Il est l'interface entre "machine" et "électricité". Il
convertit les signaux électriques en puissance de sortie
de l'actionneur. Lien indispensable dans le processus,
ses performances affecteront directement les
performances globales du système. L'influence du
système d'entraînement servo sur le système peut être
résumée comme suit:
 La précision et les indicateurs de performances dynamiques du
système sont principalement déterminés par les performances du
système de servocommande;
La fiabilité du système de servocommande affecte directement la
fiabilité de l'ensemble du système;
Le coût du système géré par serveur a un impact important sur le coût
du système;
Le système d'entraînement servo joue un rôle déterminant dans le
bruit du système et l'impact environnemental.
2 Exigences pour les systèmes de
servocommande
 La performance du système d'asservissement est principalement
mesurée à partir des aspects suivants:
   ⑴ Bons indicateurs dynamiques et statiques
   合理 Structure raisonnable
   ⑶ Haute efficacité et faible consommation d'énergie
   ⑷ Haute fiabilité;
  ⑸ Respectueux de l'environnement
  ⑹ Faible coût.
3 Tâches de conception pour les
systèmes d'asservissement
Les tâches de la conception du système d'entraînement
servo comprennent la sélection des composants
d'entraînement, la conception du schéma d'entraînement,
la sélection du capteur, la conception du schéma de
détection du capteur, la conception du schéma de
commande du variateur, la modélisation du système
d'asservissement et la conception du servocontrôleur.
Il existe également de nombreuses méthodes de
conception pour les servocontrôleurs, et quatre méthodes
de base sont couramment utilisées:

Design Conception de contrôleur basée sur la fonction de


transfert, comme divers contrôleurs de PID et la théorie
de contrôle classique;

Methods Méthodes modernes de conception de la théorie


du contrôle basées sur le contrôle d'état, telles que le
contrôleur de rétroaction d'état, le contrôle adaptatif et
diverses méthodes de contrôle optimales;
 ③ Méthodes de conception de la théorie
du contrôle intelligent, telles que le contrôle flou,
le contrôle du réseau neuronal, etc.;

④ La méthode de contrôle intelligent est combinée


avec les méthodes classiques de la théorie du
contrôle ou les méthodes modernes de la théorie
du contrôle pour former un système de contrôle
composite, comme le PID flou.
5.2 Conception et simulation d'un système
d'asservissement basé sur la fonction de transfert
 La modélisation du système de servo-entraînement
basé sur la fonction de transfert et la conception du
contrôleur sont principalement basées sur l'application de
méthodes de conception de la théorie de la commande
classique à la conception du contrôleur. Cette méthode a une
technologie relativement mature et de bons effets
d'application, et est largement utilisée dans la pratique de
l'ingénierie. Application.
       Cette méthode est principalement utilisée dans les
systèmes linéaires à entrée unique et à sortie unique
invariants dans le temps.
Les systèmes d'asservissement couramment utilisés dans les systèmes
électromécaniques sont principalement les systèmes d'asservissement de moteur
à courant continu, les systèmes d'asservissement électro-hydrauliques, les
systèmes d'asservissement CA et les systèmes d'asservissement de moteur pas à
pas. Les différences entre ces modèles de système sont importantes et les
méthodes de contrôle sont également différentes, mais la méthode de
construction du modèle et la méthode de conception du contrôleur sont
fondamentalement les mêmes. Ce chapitre prendra le système d'asservissement
du moteur CC comme exemple pour présenter la conception du contrôleur et la
méthode d'analyse de simulation.
5.2 Modélisation et simulation du système de
servocommande du moteur à courant continu 5.2.1
Modélisation du système

Modèle de système de charge d'inertie-


friction à entraînement par moteur
 Dérivation de formule:
(1) TM  C M ia

(2) e  Ceθ M
1
(3)   M

i
TL 1
TM  T f   (J M  2 J L ) θM  B θ M
(4) i i
dia
(5) L  Ra ia  e  U d
dt
1
J  JM  2 JL
 Définition
i
 De (5) après la transformation de Laplace: :

U d ( s ) ( 6E)(s)
I a ( s)  
Ls  Ra Ls  Ra
Ensuite, vous pouvez obtenir la fonction de transfert comme indiqué ci-dessous

:
 Des équations (1) et (4), on obtient:
TL
CM I a ( s )   T f  J M ( s ) s  B M ( s )
i
Résoudre à partir de la formule ci-dessus :

TL
C  Tf
 M (s) 
 M
I a (s)  i
Js  B Js  B
Le modèle de la fonction de transfert est
illustré dans la figure:
Tf+TL/i

变换后的模型
 
 A partir de (2), nous pouvons obtenir:
E ( s ) C  (s)
 A partir de (3), nous pouvons obtenir: e M

1 
 (s)   M ( s)

i

Tf+TL/i
 Simplifié

Tf+TL/i

Modèle
transformé
 令: M ( s )
GM ( s ) 
U d (s)
 Ensuite, le modèle de contrôle de vitesse PI est illustré dans la figure:

Tf+TL/i
 (s)
 令: GV ( s )  M
i ( s )
Modèles de contrôle de position disponibles :
 Simplifié, nous obtenons

Modèle simplifié
5.2.2 Conception et simulation du système
d'asservissement de vitesse CC
1 Conception d'un régulateur de vitesse basé sur l'outil d'analyse linéaire LTI
1 Schéma fonctionnel de l'analyse LTI caractéristique en
boucle ouverte
 开环 Bode 图
Modèle en boucle ouverte après
correction PID
 KI=15
 KP1=1
 KP2=5
 KP3=10
Modèle d'analyse LTI en boucle
fermée après correction PID
 KP=5
 KI1=3
 KI2=15
 KI3=75
Meilleure
réponse(KI3=75 , KP3=25)
 KI1=3
 KP1=2
 KI2=15
 KP2=8
 KI3=75
 KP3=25
2 Analyse de simulation basée sur Simulink

– Modèle de contrôle de la vitesse de l'établi

L0 —L0 - tête de vis mère

i —Rapport de réduction de
vitesse
Programme de simulation réel
Résultats de simulation avec différents
paramètres KT, KP

KT=3,KP=2 KI=75,KP=25 电流限制 4 A


Analyse des résultats de simulation

 仿真结果与 LTI 分析结果相矛盾


 KI1=3,KP1=2 比 KI3=75 , KP3=25 的效果要好得
多。
 KI3=75 , KP3=25 时,两者分析结果相差甚远。

 原因:饱和的影响 Les résultats de la simulation entrent en conflit


avec les résultats de l'analyse LTI
KI1 = 3 et KP1 = 2 sont bien meilleurs que KI3 = 75 et KP3 = 25.
Lorsque KI3 = 75 et KP3 = 25, les résultats d'analyse des deux sont très
différents.

Raison: impact de la saturation


Limite de courant 4 A Limite de courant 40 A

KI=75,KP=
Résultats de la simulation en tenant compte de la force
de charge

Force de charge 0,09 Force de charge 0,05


Différence entre LTI et Simulink
 L'analyse LTI est pratique et conforme à l'habitude des méthodes classiques de
conception de la théorie du contrôle. La méthode des caractéristiques de
fréquence est utilisée pour analyser et concevoir le système, qui n'est
applicable qu'à l'analyse des systèmes linéaires.
La méthode de simulation Simulink analyse le système du point de vue de la
simulation dans le domaine temporel. Ses caractéristiques sont intuitives, et il
peut enregistrer et afficher des résultats intermédiaires. Il est plus pratique
d'analyser les liens non linéaires et d'analyser les perturbations.
Dans l'analyse réelle, deux méthodes doivent être utilisées en
combinaison:

Utilisez d'abord l'outil LTI pour analyser et concevoir le


système et obtenir les paramètres du contrôleur;
Utilisez ensuite Simulink pour effectuer une analyse de
simulation dans le domaine temporel sur le système conçu
et apporter des corrections aux paramètres du contrôleur.
5.2.3 Conception et simulation du système
d'asservissement de position CC
 1 Conception de contrôleur basée sur l'outil SISO à entrée unique à sortie unique

Générer un fichier objet


 Établir un modèle de contrôle
Importer un objet
Correction du rapport pur
 Réponse échelonnée après correction
proportionnelle

 Vous pouvez obtenir de meilleures caractéristiques de réponse, mais la vitesse


de réponse n'est pas assez rapide et la précision n'est pas assez élevée.
 Importer le contrôleur PD
 Le modèle PD est établi dans le programme Simulink En
considérant que le différentiel apportera du bruit au système, un
contrôleur différentiel incomplet est sélectionné. Extrayez le modèle PID
de la boîte à outils Sinmulink et définissez le paramètre d'intégration I sur
"0" pour obtenir le modèle PD.
Importer le contrôleur PD
Contrôleur d'importation (PD)
Caractéristiques du
contrôleur (PD)
Conception ISO SISO après l'introduction du
PD

Une fois le contrôleur PD importé, l'interface de conception SISO


est obtenue. Le contrôleur PD approximatif est en fait un lien de
correction de plomb avec une paire de pôles et de zéros. Sur
l'interface SISO, vous pouvez obtenir la marge de phase et la
fréquence de croisement souhaitées en faisant glisser le point zéro
du pôle.
 Conception SISO
 Réponse par étapes après PID
Comparaison de la réponse échelonnée entre la correction du
rapport pur et la correction PD
2 Analyse de simulation basée sur Simulink
 Modèle de simulation
 Modèle de contrôleur
Le modèle du contrôleur obtenu par SISO est :

1  0.0041s 0.2 s
C ( s )  50  50 
1  0.0001s 1
s 1
10000
 Comparé au type standard de contrôleur PD

Ds
C ( s)  P 
1
s approximatif
 Les paramètres du contrôleurNPD 1 sont: P = 50, D
= 0,2, N = 10000
 。
Méthode expérimentale du
coefficient de frottement
visqueux
Appliquez une tension constante au moteur et la
vitesse de sortie est stable
Après:
T  T  T  Bn
M f L

TM  CM ia
式中:
TM
électromagnétique moteur N.m
T f ——Couple de friction de Colombomb N.m
      
       ——Couple de charge externe N.m
      
T —— Coefficient de frottement visqueux
      
L ——Vitesse du moteur

B
n
 Dont:

TL Est constant , TN'a


f
rien à voir avec n.
 Lorsque différentes tensions U1 et U2 sont appliquées à
l'armature du moteur, le courant stable,
ia1 ia 2
 , Vitesse

则有:
n1 n2

CM i a1  T f  TL  Bn1
C M ia 2  T f  TL  Bn2
 Solution simultanée: C M (ia1  ia 2 )
B
n1  n2
T f  TL  CM ia1  Bn1
 Dans ce test : = 0.025 ,
Lorsque U = 12V ,
C M , TL  0

i  1.0A n1 , 184.0rad/s
Lorsque U = 5 V , a1

ia 2  0.7 A n2  70.0rad/s
解得:
B 4.3×10E-5 N.m.s/rad ,
T f  0.017N.m
5.3 Conception d'un système de contrôle
basé sur un modèle d'espace d'état
 5.3.1 Principes de base du contrôleur de
rétroaction d'état de configuration de pôle
          
         Les différentes caractéristiques du système de contrôle et ses
différents indicateurs de qualité sont largement déterminés par les
positions des zéros et des pôles de son système en boucle fermée. Pour
les systèmes avec des états entièrement contrôlables, les dispositifs de
correction de rétroaction peuvent être conçus pour réaliser n'importe
quelle configuration de pôles en boucle fermée. C'est-à-dire que le
problème d'allocation des pôles est de sélectionner la matrice de
rétroaction d'état de sorte que les pôles du système en boucle fermée
soient disposés à une position souhaitée, atteignant ainsi une certaine
exigence d'indice de performance.
X  AX  Bu

Y  CX  Du

U X X + Y
B  C
+

A
Lorsque le retour d'état est introduit, le
signal de commande du système est
U  r  KTX
这里 K 是反馈矩阵,引入状态反馈后的闭环系
统状态方程模型为
X  ( A  BK ) X  Br

Y  (C  DK ) X  Dr

r U X X + Y
B  C
 +

K
5.3.2 Algorithme Gura-Bass

 Si le pôle en boucle fermée souhaité est pi, i = 1, 2, ..., n,


Équation caractéristique en boucle ouverte du système d'origine

n 1
 ( s )  det( sI  A )  s n    i s i
i 0

Équation caractéristique du système en boucle fermée

n n 1
 ( s )   ( s  pi )  s n    i s i
i 1 i 0
Si l'état du système d'origine est complètement
contrôlable, la matrice de rétroaction d'état K
peut être obtenue par la formule suivante
T 1 1
K  (α  β ) L Q
T

 n 1  n  2   1 1
  n 3  1 
 n2 
L    
 
 1 1 
 1 


Q  B AB  A n1
B 
(α  β )  [( 0   0 ),  , ( n   n )]
T
5.3.3 Ackermann 算法
 Le problème de placement des pôles du système peut
également être résolu par un autre algorithme. Étant donné que l'état du
système est entièrement contrôlable, l'algorithme de configuration
Ackermann décrit d'abord le système sous une forme canonique
contrôlable, puis utilise la forme canonique pour le résoudre. Le vecteur
de rétroaction d'état dans cette méthode est

1
K  (0,,0,1)Q β( A)
T

 La signification des paramètres de la formule est la même que celle de


l'algorithme Gura-Bass et K est la matrice de rétroaction d'état requise.
5.3.4 Gain de compensation pour le contrôle
du retour d'état
Parce que la conception du contrôleur de retour d'état non
seulement retourne la sortie, mais envoie également toutes les
variables d'état à l'entrée, et qu'il n'y a qu'une seule entrée à
l'entrée, l'erreur statique fait référence à la différence entre
l'entrée et la sortie Il est nul. Pour faire la différence zéro, la
sortie Y doit changer. Son augmentation et sa diminution sont
liées à la matrice de retour d'état K. Afin d'obtenir une erreur
statique nulle, le gain du système doit être compensé. Il est
courant d'introduire un facteur de compensation à l'entrée. Le
modèle de système après l'introduction du gain de
compensation est

X  ( A  BK ) X  BZr

Y  (C  DK ) X  Dr
 Le Dr Yanjie Sun de l'Université du Michigan aux États-
Unis a donné une méthode pour résoudre le gain de
compensation. Construisez d'abord un vecteur
1
A B N X 
N   0 ..... 1 n1   
T

C D ( n 1)( n 1)  NU 

 其中
 N1 
N X   :  , NU  N n 1
 N n 

 Ensuite, le gain de compensation est


Z  N U  KN X
Exemple 5.3 Les paramètres d'un système
d'asservissement CC excité séparément sont connus.
L'inductance et la résistance du circuit d'induit sont
respectivement La = 1,77 × 10-3H et Ra = 1,36Ω; la
constante de force électromotrice arrière et la constante
de couple du moteur sont Ce = Cm = 2,5 × 10-2; Le
moment d'inertie est B = 4,3 × 10-5 sNm / rad, J = 1,07 ×
10-5kgm ^ 2. Concevez la boucle de contrôle de vitesse
du moteur en utilisant la méthode de placement des
pôles, de sorte que le rapport d'amortissement attendu et
le temps de réglage des pôles en boucle fermée soient
respectivement.

  0.7 t s  0.05s
解:
① Établir un modèle d'espace d'état du système
    Prendre le courant ia (t) du circuit d'induit et la vitesse ωm de
l'arbre du moteur comme variables d'état, la tension de commande
de l'induit u (t) comme entrée du système et prendre la vitesse de
sortie ωm de l'arbre du moteur comme sortie du système.

X   ia m  Y   0 m 
T
dia
La  Ra ia  e  U d
dt
dia Ra Ce Ud
  Ra Ce    ia  m 
 L  L  1 dt La La La

X  a a
 X   La u
  Cm  B    TM  J e  M  B  M
 0
  J e J e  Cm B
  M  ia   M
Y   0 1 X Je Je
   768.4  14.1 565
X    X   u
  233.6 4   0 
Y   0 1 X

② Contrôlabilité du système de discrimination
Entrer

>> A=[-768.4,-14.1;2336.4,-4];
>> B=[565;0];
>> M=ctrb(A,B);rank(M)
Obtenez
ans =
 2
La matrice de contrôlabilité du système est de rang complet et le système
est entièrement contrôlable.
③ Calculer la position attendue des pôles en boucle fermée en fonction des
exigences de l'indice de performance
 Entrer
 >> kesi=0.7;ts=0.05;
 >> wn=4/(kesi*ts);
 >> s1=-kesi*wn+j*wn*sqrt(1-kesi^2)
 得到
 s1 =
 -80.0000 +81.6163i
 Le pôle en boucle fermée souhaité est

p1  80  j81.6163
p 2  80  j81.6163
④ Trouver la matrice de rétroaction d'état K en fonction
des pôles en boucle fermée souhaités

 输入
 P=[-80+81.6163i;-80-81.6163i];
 K1=bass_pp(A,B,P), %Gura-Bass
 K2=acker(A,B,P), %Ackermann
 得到
 K1 =
 -1.0839 -0.0155
 K2 =
 -1.0839 -0.0155
⑤ Analyse de simulation

X (0)  prenez
0 0 D = [0] et obtenez le
T
 Soit la condition initiale,
programme MATLAB de la réponse du système en boucle
fermée au signal d'entrée pas à pas comme suit:

 K=K2; A=[-768.4,-14.1;2336.4,-4];B=[565;0];
 C=[0,1];D=[0];t=[0:0.005:0.1];
 sys=ss(A-B*K,B,C-D*K,D);
 Y=step(sys,t)
 plot(t,Y);title('Courbe de réponse de la vitesse du moteur à courant continu ')
响应特性良好,但存在静差
⑥ Trouver la matrice de gain de compensation
 根据 Yanjie Sun 博士给出的公式,编写求取
补偿增益的 M 文件程序如下
 s=size(A,1);
 Z=[zeros([1,s]) 1];
 N=inv([A,B;C,D])*Z';
 Nx=N(1:s);
 Nu=N(1+s);
 Nbar=Nu+K*Nx
 Exécutez ce programme pour obtenir Nbar = 0,0099,
c'est-à-dire. Le modèle de système après l'introduction du
gain de compensation est
X  ( A  BK ) X  BZr

Y  CX