基於演化算法之驅動器控制參數調整技術

機器人產業馬達與馬達驅動器應用與趨勢

近年由於人工智慧（Artificial Intelligence，簡 稱AI）逐漸崛起，帶動AI 應用的風潮，以自動化 產業為例，在各種自動化展覽會場上隨處可見機 器人（Robotics）與移動機器臂（AMR）之應用範例， 連帶使得相關零組件，如馬達與馬達驅動器，備 受矚目。

永磁無刷馬達可用於自動化產業、汽車、機 器人等多個領域。在稀土磁性材料與製程進步的 情況下，永磁馬達不僅設計得體積更小與轉動慣 量較低，具有效率高，結構簡單的特點。藉由變 頻驅動器控制的永磁馬達成為運動控制應用的最 佳選擇，如機器人技術、工具機、電動載具等。 隨著電力電子技術的快速發展和成本下降，使得 變頻驅動的永磁無刷馬達已被廣泛用於工業。永 磁馬達設計需要考量幾個特性，磁路設計、電流 密度與電氣特性等[1]，使用ANSYS 有限元素軟 體進行設計，也會運用MATLAB/SIMULINK 進行 動態分析。永磁無刷馬達分類之中，直流電源工 作環境的場合，無刷直流馬達是最為廣泛使用； 因為無刷直流馬達具有高效率、高功率密度等特 性，已廣泛應用於人工智慧（AI）與機器人、自 動化設備等領域。據Research Nester 報告指出， 2024 年全球無刷直流馬達市場規模達1,006.7 億美 元，預計2025~2037 年間將以超過9.3% 的年複合 成長率（CAGR）持續擴大，至2037 年底整體規模 可達3,229.6 億美元，其中協作機器人、自主移動 機器人與仿生關節驅動需求占比超過60%[2]。

馬達驅動器的功能為接收機器人控制系統發 出之運動命令，根據命令進行馬達運動控制，為 了達到較高效率與性能的目標，馬達驅動器採用 閉迴路控制，迴路控制分為多層迴路架構，若是 機器人產業，馬達控制大多採用內外兩層迴路方 式，內迴路為電流轉矩迴路，控制馬達電流或是 轉矩，外迴路為速度迴路或阻抗模式控制；不論 是何種控制迴路，都需要調整控制增益參數，調 整的方法，主要有兩大類，第一大類，根據馬達 系統數學模型與性能規格進行參數運算，第二類 為無數學模型狀況下，根據性能規格進行最佳化 參數運算。

馬達驅動器的增益調整是影響控制性能的 關鍵因素， 其方法從基於解析解（Analytical Solution）的理論計算。解析解法通常基於線性系 統理論推導出最佳增益值，適用於簡單控制架構， 但是在複雜的系統，或是不知道系統數學模型， 解析解就不具備實用性，為了處理馬達驅動器的 增益調整問題，非解析解方法的發展從單目標最 佳化，再發展至多目標最佳化，則透過數值計算 或演算法，如遺傳演算法（Genetic Algorithms，簡 稱GA）來調整增益，以最佳化特定動態響應特性， 例如最小化超越量（Overshoot）或縮短上升時間 （Rising Time）；而多目標最佳化則進一步同時考慮 多種控制需求，例如在減少超越量的同時也確保 上升時間維持在可接受範圍內，以實現平穩且快 速的系統響應。透過如非支配排序遺傳演算法 II（ Non-dominated Sorting Genetic Algorithm II , 簡稱 NSGA-II ）等多目標演算法，可以尋找合適的增益 參數，使驅動器在系統穩定與快速響應速度間取 得平衡。

為了提升無刷直流馬達的控制精度與系統穩 定性，驗證平台的建立至關重要。在開發調整控 制增益參數的方法過程中，主要是使用軟體模擬 方式進行測試，模擬軟體如MATLAB 或MAPLE 等商用軟體，開發完成後，接續在馬達驅動器上 撰寫程式，並使用硬體在環（Hardware-in-the-loop， 簡稱HIL）進行測試，不會直接使用驅動器聯接馬 達測試，這種採用HIL 模擬馬達並聯接馬達驅動 器的測試方式，具備安全性，可降低測試風險與 成本。HIL 相較於使用軟體模擬測試方法最大的 差異，是可以測試馬達驅動器軟體程式與硬體電 路整體性能，且最貼近最終實機測試的環境[3]。 現今常採用數位雙生（Digital Twin）方法，透過 模擬實際運行環境，驗證控制演算法的有效性。 Digital Twin 是創建一個軟體模型來控制系統，然 後提供被測控制器輸出輸入，使控制器在虛擬環境中進行測試與最佳化。統整這些軟體與硬體的 驗證平台用來評估驅動器在各種工作狀況下的穩 定性與響應特性，這些方法大幅縮短開發週期， 並降低測試成本，使增益調整更為精確。

傳統馬達驅動器控制架構與參數調節方法

永磁馬達需要使用驅動器進行運動控制， 現今馬達驅動器所採用控制理論非常眾多，最 為廣泛運用的方法為空間向量控制（Space Vector Control）。為了達到較佳的運動性能，將馬達控制 分為不同控制迴路，控制架構如圖1所示，控制 採用多層控制迴路架構來實現，內層迴路的響應 速度要最快，包含了電流或轉矩控制，而速度控 制的響應速度是相對慢於電流控制，最外層為位 置控制。若是在機器人控制方面，較多採用位置 控制與力矩控制混合架構。