混合Preisach迟滞模型及其性质研究

压电陶瓷执行器物理结构复杂,通过参数化方法辨识经典Preisach模型(CPM)描述其迟滞特性时,难以找到合适的Preisach函数,模型预测误差较大.为了提高建模精度,定义了均值迟滞模型作为CPM的补充,通过将均值迟滞模型与CPM加权叠加,得到混合Preisach模型(MPM),并将权值定义为迟滞度参数,用以描述模型的迟滞非线性强烈程度.证明了MPM具有类似于CPM的擦除特性和一致特性,给出了MPM的表示定理.最后结合神经网络方法完成了MPM的辨识过程.实验结果表明,MPM及其预测误差最大值较CPM降低了1.20 μm,同时MPM的两种特性也得到了验证.     

一种新的混合Preisach迟滞模型及其性质研究

压电陶瓷执行器物理结构复杂,应用参数化方法辨识经典Preisach模型描述其迟滞特性时,难以找到合适的Preisach函数,模型预测误差较大。为了提高建模精度,定义了均值迟滞模型作为经典Preisach模型的补充,将均值迟滞模型与经典Preisach 模型加权叠加得到一种新的混合Preisach模型,并将权值定义为迟滞度参数,用以描述模型的迟滞非线性强烈程度。同时证明了混合Preisach模型具有类似于经典Preisach模型的擦除特性和一致特性,给出了混合Preisach模型表示定理。最后结合神经网络完成了混合Preisach模型的辨识过程。实验数据证明,在三角波信号下和衰减正弦信号下,混合Preisach模型的预测误差较经典Preisach模型分别降低了1.77 和1.26 。     

压电陶瓷执行器的类Hammerstein模型及其参数辨识

针对压电陶瓷执行器的迟滞非线性对压电陶瓷精密定位的影响,提出了应用类Hammerstein模型对压电陶瓷执行器进行建模的方法.建立了压电陶瓷执行器的迟滞模型并且描述其频率相关性.利用类Hammerstein模型把压电陶瓷执行器看成静态迟滞模型和动态二阶系统的串联,其中静态模型由分类排序的Preisach模型进行描述,二阶系统应用遗传算法辨识其参数.实验结果表明:加入二阶系统后,类Hammerstein模型对频率的相关性有较大增强,其误差相应地大幅降低,在800 Hz时平均绝对误差为0.339 2 μm;丽由Prcisach建立的迟滞模型的误差随着频率的增大而大幅增大,在800 Hz为0.888 1 μm.     

快速伺服刀架迟滞特性的Preisach建模

使用压电陶瓷作驱动元部件的快速伺服刀架是一种新的加工手段。本文介绍了基于Preisach模型的快速伺服刀架迟滞特性建模方法。作为快速伺服刀架的驱动元部件,压电陶瓷微位移器自身的迟滞、蠕变等非线性特性严重影响了快速伺服刀架的动态性能。为了精确建立快速伺服刀架的迟滞模型,给出了Preisach模型的数字表达方式,通过一系列实验测得的数据证明快速伺服刀架系统具有一致特性与擦除特性,满足Preisach模型的两个必要条件,最后在实验数据的基础上建立了基于Preisach模型的迟滞特性模型。实验表明,该迟滞模型可以很好地预测快速伺服刀架的迟滞位移曲线,其预测误差不超过0.65 μm。     

基于双曲函数的Preisach类迟滞非线性建模与逆控制

为了补偿压电双晶片驱动器的迟滞非线性,提出了基于双曲函数的Preisach类迟滞非线性建模方法,并用该模型设计了压电双晶片驱动器的逆控制器.首先,用两个双曲函数分别拟合迟滞主环的上升段与下降段,利用坐标变换描述依附于主环的一阶曲线;然后,根据Preisach模型理论的记忆擦除性与次环一致性,基于一阶上升与下降曲线分别描述了次环的上升段与下降段.由于这种建模方法所需的参数远小于Preisach等经典迟滞模型,非常适用于压电驱动器等智能材料系统.实验结果显示,基于这种迟滞非线性模型设计的逆控制器,控制后的最大误差比控制前减小了44.26％,有效地提高了压电双晶片驱动器的定位控制精度.     

压电驱动器记忆特性迟滞非线性建模

考虑压电驱动器固有的迟滞特性对驱动器定位精度的影响,提出了一种精确描述压电驱动器迟滞非线性特性的建模方法.根据迟滞曲线的运动规律,并且考虑迟滞曲线的记忆更新特性,新的迟滞数学模型修正了单纯采用抛物线拟合时的建模误差.为了验证模型的有效性,以PST150/7/40VS12型压电陶瓷驱动器为例进行了试验研究.研究显示,采用抛物线迟滞模型对一阶反转输入信号进行预测时,最大误差为0.141 3 μm,均方误差为0.060 4 μm,对复杂信号模型预测的最大误差为1.396 0 μm,均方误差为0.856 6 μm;采用修正后的模型对文中复杂信号建模时,最大误差为0.237 0 μm,均方误差为0.09 μm.实验结果表明,修正后的模型不仅能够满足迟滞曲线的运动规律,还能够满足迟滞非线性的记忆更新特性,可以比较精确地描述复杂输人信号下的迟滞非线性特性.     

压电陶瓷执行器迟滞的滑模逆补偿控制

为了降低迟滞特性对压电陶瓷执行器的影响,研究了基于Preisach逆补偿的滑模控制策略.首先,利用分类排序方法在控制平台上实现了迟滞的Preisach逆模型;然后,将其串联到压电陶瓷执行器前用于抵消迟滞非线性.考虑到迟滞逆补偿的非完全抵消、模型参数的不确定性以及扰动等问题,设计了一种分段边界层滑模控制律.最后,为了验证...     

Preisach迟滞逆模型的神经网络分类排序

为了补偿影响压电陶瓷执行器纳米定位系统精度的迟滞非线性,提高系统的控制精度,开展了基于压电陶瓷执行器的迟滞非线性逆模型的研究。兼顾到迟滞的擦除特性和建模的精确度,提出了一种Preisach逆模型分类排序法的神经网络实现方法,用神经网络取代了传统的反查值方法,以避免插值误差。建立三层BP神经网络,运用实测数据进行训练,确定各层权值;然后,结合排序得到的电压和位移极值信息,通过神经网络方法拟合出较精确的输入电压值。运用若干组实验数据检验了此逆模型的有效性,结果表明,该神经网络的实现方法将逆模型的平均误差降低到了1.5V以下,最大误差绝对值降低到了2.7V以下。与反查值方法相比,神经网络实现方法有效提高了压电陶瓷执行器纳米定位系统的迟滞逆模型的精度。     

压电陶瓷作动器非对称迟滞建模与内模控制

压电陶瓷作动器被广泛应用于精密定位和控制中,但其本身存在的非对称迟滞非线性特性,严重影响了系统的定位和控制精度。针对这一问题,提出了一种基于广义Bouc-Wen模型的非对称迟滞建模方法,并利用差分进化算法辨识模型参数;基于所建的广义Bouc-Wen模型构建了其具有解析形式的迟滞逆模型,并设计了内模控制方案实现对压电陶瓷作动器的精密跟踪控制;最后在压电陶瓷作动器实验平台,对所提出的建模和控制方案进行了实验验证。对压电陶瓷作动器的建模结果表明,系统建模误差均小于0.051 0,比经典Bouc-Wen模型的建模误差降低约21%～46%;对100 Hz内幅值为20μm的期望位移信号的控制实验结果表明,所提出的控制方法具有良好的实时跟踪性能和跟踪控制精度。对100 Hz期望信号的跟踪控制均方根误差为0.491 6μm,相对误差为0.040 2μm,可以很好地满足实际工程需要。     

压电驱动器的非线性模型及其精密定位控制研究

压电驱动器的非线性特性和迟滞特性是影响微动平台定位控制精度的主要因素。采用改进的Preisach模型对压电驱动器的迟滞特性进行建模，利用建立的Preisach模型进行开环精密定位控制和作为PID反馈控制的前馈环节的研究。实验结果表明，该模型能够有效地降低非线性迟滞特性对压电驱动器位移输出精度的影响，提高驱动器的动态响应特性。     

Generalized preisach model for hysteresis nonlinearity of piezoceramic actuators

This paper presents a new approach for modeling the hysteresis nonlinearity of a piezoceramic actuator using a modified generalized Preisach model, and the use of this model in a linearizing control scheme. The developed generalized Preisach model relaxes the congruency requirement on the hysteresis loops of a piezoceramic actuator, which must be satisfied when using the classical Preisach model. The congruency property is experimentally proved to not hold when running the actuator on a minor hysteresis loop. A numerical expression of the model is derived in terms of first- and second-order reversal curve experimental datasets. Output prediction using this model is performed on both an exponentially decayed sinusoidal input signal and an arbitrary input signal, and the results show that the model can accurately reproduce the hysteresis response with an error of less than 2.7%. A tracking control system for a piezoceramic actuator is also developed by combining a PID feedback controller with a hysteresis linearizing scheme in a feed-forward loop. The results show that this new control system can achieve 0.25 μm tracking control accuracy, which is 80 and 50% less than that obtained when using an open-loop controller and a regular feedback control system, respectively.     

非线性Preisach理论与超磁致伸缩执行器高阶迟滞建模

经典Preisach理论在建模迟滞过程时要求其所描述迟滞过程必须满足擦除特性和滞环全等特性,并把这两个条件作为其建模的充分与必要条件。试验表明超磁致伸缩材料的迟滞过程仅满足擦除特性而不满足滞环全等要求,正是这个原因使经典模型在预测具有多次回转特征的高阶迟滞输出时存在较大误差。在经典模型基础上提出一种改进模型,新模型一方面放松经典模型对次环全等的严格要求,另一方面还在参数辨识过程中同时将一阶和二阶回转曲线数据考虑在内,从而提高其对高阶回转迟滞曲线的预测精度。最后在直动式超磁致伸缩执行器上进行试验。结果表明,在预测具有多次回转特征的高阶迟滞输出时,新模型的预测精度明显高于经典模型,对二阶、三阶滞回曲线的预测精度分别提高了34%和33%。     

在Preisach模型框架下的似对角动态神经网络压电陶瓷迟滞模型的研究

在Preisach模型的结构下,用一阶微分方程代替relay迟滞元,借鉴对角动态神经网络模型,提出压电陶瓷迟滞特性的一种新的数学模型。该模型既有Preissach模型的结构思想,又能反映其动态特性。在输入信号是周期性衰减信号的激励下,由Preisach模型产生的数据和压电陶瓷产生的数据分别进行建模和预测仿真,结果表明该模型用于压电陶瓷迟滞特性建模是有效的,并具有较高的模型精度。     

压电陶瓷执行器的神经网络实时自适应逆控制

目的：为了提高压电陶瓷执行器执行精度,提出消除压电陶瓷的非线性、非光滑的迟滞特性的方法。 方法：提出了基于内积的压电陶瓷动态神经网络非线性、非光滑的迟滞逆模型,采用反馈误差学习方法,避免了求取压电陶瓷的Jacobian信息,快速地在线得到压电陶瓷的逆模型,并结合PID反馈控制,在dSPACE系统平台上,实现压电陶瓷的神经网络自适应逆控制,为了提高实时性,程序采用效率高、速度快的C-MEX S Function编程。结果：实验结果表明：神经网络自适应逆控制的控制精度为：0.13μm,而PID控制精度为：0.32μm 。结论：所提出方法有效地消除了迟滞的影响,控制精度高。