步进电机的控制策略有哪些？

1，PID控制

PID控制作为一种简单实用的控制方法，在步进电机驱动中得到了广泛的应用。它根据给定值r(t)和实际输出值c(t)形成控制偏差e(t)，通过偏差的比例、积分和微分的线性组合形成控制量来控制被控对象。本文将集成位置传感器应用于两相混合式步进电机中。基于位置检测器和矢量控制，设计了一种可自动调节的PI速度控制器，它能在非设计工况下提供满意的瞬态特性。根据步进电机的数学模型，设计了步进电机的PID控制系统，利用PID控制算法得到控制量，从而控制电机运动到指定位置。最后，仿真结果表明该控制器具有良好的动态响应特性。采用PID控制器具有结构简单、鲁棒性强、可靠性高等优点，但不能有效地处理系统中的不确定信息。

目前，PID控制更多的是与其他控制策略相结合，形成一种新型的智能复合控制。这种智能复合控制具有自学习、自适应和自组织的能力，能够自动识别和调整被控过程的参数，以适应被控过程参数的变化。同时，它具有常规PID控制器的特性。

2.适应控制

自适应控制是20世纪50年代发展起来的自动控制领域的一个分支。随着被控对象的复杂性，当动态特性未知或不可预测时，就产生了高性能控制器。其主要优点是实现简单，自适应速度快，能有效克服电机模型参数变化缓慢带来的影响，是一种跟踪参考信号的输出信号。文献研究者根据步进电机的线性或近似线性模型推导出全局稳定的自适应控制算法，这些算法严重依赖于电机模型参数。该文献将闭环反馈控制与自适应控制相结合来检测转子的位置和速度。通过反馈和自适应处理，按照优化的提升运行曲线自动发出驱动脉冲串，改善了电机的拖动转矩特性，使电机获得更精确的位置控制和更高、更稳定的速度。

目前，许多学者将自适应控制与其他控制方法相结合来解决简单自适应控制的不足。文献中设计的鲁棒自适应低速伺服控制器保证了转子转矩的最大补偿和伺服系统的低速高精度跟踪控制性能。文献中实现的自适应模糊PID控制器可以根据输入误差和误差变化率的变化，通过模糊推理在线调整PID参数，实现步进电机的自适应控制，从而有效提高系统的响应时间、计算精度和抗干扰能力。

3.矢量控制

矢量控制是现代电机高性能控制的理论基础，可以提高电机的转矩控制性能。它通过磁场定向将定子电流分为励磁分量和转矩分量并分别控制，从而获得良好的解耦特性。因此，矢量控制需要同时控制定子电流的幅值和电流的相位。由于步进电机不仅有主电磁转矩，还有双凸结构引起的磁阻转矩，而且内部磁场结构复杂，非线性比一般电机严重得多，其矢量控制也更加复杂。文献[8]推导了两相混合式步进电机d-q轴的数学模型。矢量控制系统由PC实现，以转子永磁磁链为方向坐标系，直轴电流id=0，电机电磁转矩与iq成正比。在该系统中，传感器用于检测电机的绕组电流和自转位置，PWM用于控制电机的绕组电流。推导了基于磁网络的两相混合式步进电机模型，给出了其矢量控制位置伺服系统的结构。神经网络模型参考自适应控制策略对系统中的不确定因素进行实时补偿，最大转矩/电流矢量控制对电机进行高效控制。

4、智能控制的应用

智能控制不依赖或不完全依赖于被控对象的数学模型，只根据实际效果进行控制，具有在控制中考虑系统不确定性和准确性的能力，突破了传统控制必须基于数学模型的框架。目前，智能控制在步进电机系统中的应用是模糊逻辑控制、神经网络和智能控制的集成。

4.1模糊控制

模糊控制是在被控对象的模糊模型基础上，利用模糊控制器的近似推理来实现系统控制的方法。模糊控制作为一种直接模拟人类思维结果的控制方法，在工业控制领域得到了广泛的应用。与常规控制相比，模糊控制不需要精确的数学模型，具有很强的鲁棒性和适应性，适用于非线性、时变和时滞系统的控制。文献[16]给出了模糊控制在两相混合式步进电机速度控制中的应用实例。系统是先进的角度控制，设计不需要数学模型，所以速度响应时间短。

4.2神经网络控制

神经网络是利用大量神经元按照一定的拓扑结构进行调整和学习的方法。它能够完全逼近任何复杂的非线性系统，能够学习和适应未知或不确定系统，具有很强的鲁棒性和容错性，因此在步进电机系统中得到了广泛的应用。文献中采用神经网络实现步进电机的最优细分电流，在学习中采用贝叶斯正则化算法，并采用使用权调整技术避免多层前向神经网络陷入局部极小，有效解决了等步距角细分问题。