摘    要：惯性参数大范围变化和低速状态下的非线性摩擦是制约机械伺服系统跟踪性能的主要因素，基于lugre动态摩擦模型和干扰观测器的补偿控制可以实现非线性摩擦力矩的动态补偿，但状态观测器的设计是基于被控对象的数学模型，当负载惯性参数大范围变化时，上述控制系统性能无法保障，针对上述问题提出一种基于模糊神经网络补偿的状态观测器复合控制，分析了基于模糊神经网络补偿复合控制的理论与实现方法，并以直流电机飞行仿真转台作为被控对象进行了仿真试验，试验结果表明了控制方法的有效性。

关键词：机械伺服系统；干扰观测器；模糊神经网络；摩擦力矩；补偿；跟踪控制

中图分类号：tp 27    文献标识码：a

    对于负载参数大范围变化的高精度伺服系统，设计出具有强鲁棒稳定性和鲁棒模型跟踪性能的控制器，是目前研究的热点，对于摩擦环节产生的非线性扰动力矩，必须通过施加适当的控制作用来消除摩擦力短的影响，目前常采用的方法包括自适应摩擦补偿方法、变结构控制方法、基于干扰观测器的补偿方法。以及基于摩擦模型的补偿方法等。

   基于lugre摩擦模型的补偿加干扰观测器的控制方法，近年来在伺服控制系统中获得了成功的应用。但干扰观测器的设计基于被控对象开环数学模型，因为伺服系统的非线性、不确定性及各种测量噪声的影响，伺服系统精确的数学模型无法获得，特别当伺服系统负载大范围变化时，控制系统性能就无法保障，为解决这一问题，本文提出了伺服系统基于神经网络补偿的复合控制方法。

    复合控制器结构，如图1所示。

其中，d为等效干扰，ξ为测量噪声，虚线框内为干扰观测器，gp(s)为机械伺服系统广义被控对象开环模型，gn(s)为名义模型，q(s)为低通滤波器，ge(s)为位置闭环控制器，tf（θ）为摩擦补偿环节。

    控制器的输出为

    1)干扰观测器设计干扰观测器的基本思想是将外部力矩干扰及模型参数变化造成的实际对象与名义模型输出的差异，统统等效到控制输入端，即观测出等效干扰，在控制中引入等量的补偿，实现对干扰完全抑制。如图1中的gp(s)为对象的传递函数，gn(s)为名义模型，d为等效丰扰，d为观测于扰，u为控制输入。由图l，求出等效干扰的估计值d为

    对于机械伺服系统，忽略转轴的扭曲变形及未建模动态等因素影响，名义模型可以取为

  

式中，jn为系统的等效转动惯量；bn为系统的等效阻尼系数。

    q(s)的选择应使q(s)/gn(s)正则，取：

  2)位置闭环控制器设计位置闭环采用微分先行的pd控制，控制律如下：

    速度信号通过位置倍号的后向差分得到，考虑到量化噪声的影响，将差分信号经过iir滤波。选择pd控制参数时，直接以名义模型为控制对象，使闭环系统有足够的稳定裕量和相位裕量，响应无超调。

  3)摩擦补偿环节设计lucre摩擦模型是一种典型动态摩擦模型，设状态变量=代表接触面鬃毛的平均变形则r可由下面的lucre模型来描述：

式中σ0，σ1，称为动态摩擦参数fc，fs