基于Bouc-Wen类迟滞模型的压电微动台建模

针对压电微动台驱动时,由压电陶瓷产生的迟滞现象,提出了一种迟滞模型.基于Bouc-Wen迟滞模型的基本思想,并针对Bouc-Wen迟滞模型进行了优化改进,大大降低了模型参数的辨识难度,缩短了运算时间,保证了模型的较高精度要求.为了验证模型的正确性,运用相关的实验设备对模型进行了实验验证.结果表明:改进后的模型定位误差为0.1866μm,最大相对误差为0.467%,验证了模型具有较高的精度以及该迟滞模型的可行性,为后续压电微动台控制器的设计提供了一种可行方案.     

基于改进CQPSO算法的压电陶瓷建模研究

压电精密定位技术在高精度定位与控制领域起着关键作用。针对压电陶瓷迟滞非线性特性进行建模与分析是当前研究的一大热点。传统智能算法对迟滞模型的辨识易陷入局部最优,因此,提出一种改进混沌量子粒子群算法(Improved chaotic quantum particle swarm optimiztaion, ICQPSO)。以量子粒子群算法(QPSO)结合基于早熟系数的混沌映射跳出局部收敛。引入变尺度法缩小可行解空间提升收敛效率和精度,采用Bouc-Wen微分方程模型对多频输入动态迟滞现象进行建模。经实验验证,该算法对Bouc-Wen模型的辨识精度明显高于GA、MFA算法。     

MPT系列微位移定位系统的辨识与控制

微位移精密定位系统中的压电陶瓷元器件具有非光滑特性,无法直接测得压电元器件的输入输出信号,常规方法难以对其进行有效的辨识和控制。文章采用三明治模型来描绘纳米微位移平台,并提出一种基于最小二乘支持向量机优化的辨识方法解决三明治迟滞模型的辨识问题。最后基于已经辨识的三明治模型,设计一个PID逆补偿控制器,解决定位系统的精密轨迹控制问题。     

基于频率相关的压电作动器迟滞特性建模及参数辨识

为辨识压电作动器在应用过程中的率相关迟滞特性,采用基于最小二乘支持向量机理论对压电作动器进行建模,并引入粒子群算法对模型的参数进行优化,模型以当前及历史输入电压、历史输出位移组成的向量作为模型的输入,而以当前的输出位移作为模型的输出进行训练。最后,通过仿真结果和实验结果对比发现,本文建立的压电率相关迟滞模型平均误差为0.0208μｍ,最大误差为0.4290μｍ比Bouc-Wen模型精度高,验证了本文建模方法的可行性。     

基于加速度变化的步态识别方法

为辨识压电作动器在应用过程中的率相关迟滞特性,采用基于最小二乘支持向量机理论对压电作动器进行建模,并引入粒子群算法对模型的参数进行优化,模型以当前及历史输入电压、历史输出位移组成的向量作为模型的输入,而以当前的输出位移作为模型的输出进行训练。最后,通过仿真结果和实验结果对比发现,本文建立的压电率相关迟滞模型平均误差为0.0208μｍ,最大误差为0.4290μｍ比Bouc-Wen模型精度高,验证了本文建模方法的可行性。     

基于自适应PI模型的压电陶瓷驱动器精密定位方法

由于具备较高的定位精确度,压电陶瓷驱动器在超精密加工、微纳米测试等领域应用广泛,然而压电陶瓷固有的迟滞性严重影响其定位精确度。本文研究驱动范围对压电陶瓷驱动器迟滞性的影响,实验得出迟滞性随驱动范围增大而显著。而在压电陶瓷驱动器的实际应用中,驱动范围是其主要的设置参数之一。为此,本论文提出基于自适应Prandtle-Ishlinskii（PI）模型的拟合方法,根据不同驱动范围下获得的迟滞曲线的斜率变化趋势设置分段区间,采用二次规划算法辨识PI模型的权重参数,基于分段区间对迟滞曲线进行拟合,大大提高了拟合精确度。设计基于自适应PI模型的逆模型作为前馈控制器对压电陶瓷驱动器进行迟滞补偿,并搭建基于Labview的实验平台验证了该算法的可行性。实验结果表明,基于自适应PI逆模型的前馈控制器将压电陶瓷驱动器的定位精确度提高至1.8nm。     

压电陶瓷驱动器迟滞非线性误差的建模与分析

压电陶瓷驱动器的最大迟滞非线性误差可以超过输出行程的15%,而快刀伺服系统(FTS)要求重复定位精度优于10 nm,相对线性度误差优于0.5%,压电陶瓷驱动器的误差无法满足该精度要求;首先对压电陶瓷迟滞非线性误差进行实验分析,将迟滞非线性误差分为频率无关迟滞现象和频率相关迟滞现象;接着对Bouc-Wen(BW)和Prandtl-Ishlinskii(PI)的频率无关迟滞模型进行修正和对比,确定了采用PI模型描述本文的频率无关迟滞现象,PI模型对频率无关迟滞曲线的辨识精度为0.392%;然后设计基于Hammerstein模型的频率相关迟滞模型,Hammerstein模型对频率相关迟滞曲线的辨识误差相比PI模型时,其均方根值降低了88.068%;提出了压电陶瓷驱动器迟滞非线性误差的建模方法,并分析了其有效性和准确性,给FTS伺服控制提供了一种实用的前馈控制器。     

压电陶瓷执行器的动态迟滞非线性特性建模

针对精密定位系统中压电陶瓷执行器的迟滞非线性特性建模问题,提出了一种基于Hammerstein迟滞模型的建模方法。通过引入一个Backlash类的算子来描述迟滞非线性的轮廓。在利用"扩展输入空间法"将迟滞特性的多值映射转换为一一映射的基础上,采用引力搜索算法优化的支持向量回归机建立静态迟滞模型。为体现迟滞的动态特性,用ARX模型表征迟滞环的率相关性,从而建立了Hammerstein级联模型。并从精密定位系统中采集了实测数据,通过电容传感器获取压电陶瓷执行器给定电压下的位移值,对所提出的模型进行了实验。实验表明:该模型具有较好的性能,辨识过程简便且易于工程实现。     

压电微定位平台神经网络与专家模糊复合控制方法

为了消除压电微定位平台的迟滞非线性特性,实现高精度定位控制,采用具有两个隐含层的BP神经网络建立压电微定位平台的迟滞模型,以精确描述驱动电压与输出位移的迟滞关系;设计一种基于BP神经网络迟滞逆模型的前馈控制器,对迟滞非线性进行补偿,将迟滞非线性近似线性化.为进一步提高定位系统的精度,提出基于迟滞逆模型前馈补偿和专家模糊控制的复合控制方法.仿真结果表明,该复合控制方法可以将压电微定位平台的定位误差控制在0.091μm以内,从而有效地消除迟滞非线性对压电微定位平台定位精度的影响.     

压电作动器的动态迟滞建模与H∞鲁棒控制

压电作动器具有率相关动态迟滞非线性特性,给传统建模和控制技术提出了挑战.本文针对压电作动器,提出了一种基于Bouc-Wen的Hammerstein率相关迟滞非线性模型,其中Bouc-Wen模型和线性动态模块分别用于描述系统的静态迟滞非线性特性和率相关特性.同时,构造了一个基于Bouc-Wen模型的迟滞补偿器,将迟滞补偿器与被控对象串联使系统线性化;并建立了不确定性系统模型,提出了一种H∞鲁棒跟踪控制方案,可以实现给定频率范围内单频率和复合频率参考信号的良好跟踪.实验结果表明,所建动态模型具有良好的泛化能力,跟踪控制相对误差小于8%,证明了所提出方法的有效性.     

求解约束优化问题的改进果蝇优化算法及其工程应用

针对基本果蝇优化算法收敛速度慢、求解精度低、易于陷入局部极值以及算法候选解不能取负值等不足,提出一种用于解决约束优化问题的改进果蝇优化算法.该算法利用果蝇个体历史最佳记忆信息和种群全局历史最佳记忆信息构建多策略混合协同进化的搜索机制,以达到有效平衡算法的全局探索与局部开发的目的,同时也能够较好地避免算法的早熟收敛问题;通过种群最优信息的实时动态更新和局部深度搜索策略的引入,进一步提高该算法的收敛速度和收敛精度.采用13个基准测试函数和2个工程优化问题来验证所提出算法的可行性与有效性,仿真实验结果表明,与其他典型智能优化算法相比,所提出的优化算法具有全局搜索能力强、稳定性好、收敛速度快、收敛精度高等优势,可有效解决复杂的约束优化问题.     

基于IFOA算法的SVM参数优化及其应用

为了提高果蝇优化算法的种群多样性和果蝇搜索的遍历性,有效提高算法的收敛精度,提出一种改进的果蝇算法(Improving fruit fly optimization algorithm, IFOA),仿真实验表明, IFOA算法保持了搜索过程中的搜索尺度变化,平衡了算法的全局与局部搜索能力。在此基础上,为了改善支持向量机模型参数选择的随机性和盲目性,提高模式分类的准确率,提出并建立了一种IFOA-SVM模式分类模型。该方法将IFOA算法引入到支持向量机模型参数优化中,建立性能最优的支持向量机模型。应用该模型对UCI机器学习数据库中wine数据集进行模式分类研究,通过算法对比分析,结果表明：提出的改进果蝇优化算法在收敛速度和寻优效率上均有一定的提高,依此而建立的IFOA-SVM模式分类模型具有较准确的分类准确率,从而也验证了该模式分类方法在wine数据集分类应用中的有效性。     

Design and control of a 6-degree-of-freedom precision positioning system

This paper presents the design and test of a 6-degree-of-freedom(DOF) precision positioning system, which is assembled by two different 3-DOF precision positioning stages each driven by three piezoelectric actuators (PEAs). Based on the precision PEAs and flexure hinge mechanisms, high precision motion is obtained. The design methodology and kinematic characteristics of the 6-DOF positioning system are investigated. According to an effective kinematic model, the transformation matrices are obtained, which is used to predict the relationship between the output displacement from the system arrangement and the amount of PEAs expansion. In addition, the static and dynamic characteristics of the 6-DOF system have been evaluated by finite element method (FEM) simulation and experiments. The design structure provides a high dynamic bandwidth with the first natural frequency of 586.3 Hz. Decoupling control is proposed to solve the existing coupling motion of the 6-DOF system. Meanwhile, in order to compensate for the hysteresis of PEAs, the inverse Bouc-Wen model was applied as a feedforward hysteresis compensator in the feedforward/feedback hybrid control method. Finally, extensive experiments were performed to verify the tracking performance of the developed mechanism.     

Adaptive Kalman filter and dynamic recurrent neural networks-based control design of macro-micro manipulator

In this paper,a composite control scheme for macro-micro dual-drive positioning stage with high acceleration and high precision is proposed.The objective of control is to improve the precision by reducing the influence of system vibration and external noise.The positioning stage is composed of voice coil motor(VCM) as macro driver and piezoelectric actuator(PEA) as micro driver.The precision of the macro drive positioning stage is improved by the combined PID control with adaptive Kalman filter(AKF).AKF is used to compensate VCM vibration(as the virtual noise) and the external noise.The control scheme of the micro drive positioning stage is presented as the integrated one with PID and intelligent adaptive inverse control approach to compensate the positioning error caused by macro drive positioning stage.A dynamic recurrent neural networks(DRNN) based inverse control approach is proposed to offset the hysteresis nonlinearity of PEA.Simulations show the positioning precision of macro-micro dual-drive stage is clearly improved via the proposed control scheme.     

基于IFOA-SVR的断路器销量预测

为了提高供应链中销量预测的准确性,提出一种改进森林优化算法(Improved forest optimization algorithm,IFOA)来优化销量预测.首先,引入量子系统中的delta势阱模型,使得算法能在充分利用局部最优的同时避免陷入局部最优;其次,引入自适应局部播种步长,从而优化算法的全局和局部寻优速度,保证算法精度;然后,定义森林广域播种中的自适应转移率,有效地平衡森林个体多样性与算法局部收敛能力之间的矛盾;接着,挖掘外部数据作为特征,通过计算每个特征与销量的相关性及其显著性进行特征选择并对历史销量数据进行基于聚合经验模态分解(Ensemble empirical mode decomposition,EEMD)的特征提取;最后,将上述特征用于支持向量回归模型的建立,并使用改进的森林优化算法对模型参数进行优化,最终得到销量的准确预测.     

Simulation and experimental analysis for hysteresis behavior of a piezoelectric actuated micro stage using modified charge system search

The main goal of this study is to investigate the hysteresis behavior of a piezoelectric actuated micro stage. The hysteresis of piezoelectric actuators (PA) is formulated using the generalized Duhem model (GDM) and a modified charge system search (CSS) is proposed to identify the hysteresis model. Different from the present CSS method, the proposed method applies a construction factor to prevent converging to a local optimum. The modified CSS is used to evaluate the parameters of the GDM to compare with the particle swarm optimization (PSO). The use of MCSS-based optimization is superior to the CSS and the PSO for identification of the GDM. The experimental result also validated the modeling correctness using the proposed method.     

基于反馈教学优化算法的混沌系统参数辨识

针对传统智能优化算法对混沌系统参数辨识精度低、速度慢的问题,提出一种基于反馈教学优化算法的混沌系统参数辨识的新方法.该方法以教学优化算法为基础,在教授-学习阶段之后加入反馈阶段,同时将参数辨识问题转化为参数空间上的函数优化问题.分别以三维二次自治广义Lorenz系统、Jerk系统和Sprott-J系统为待辨识模型,对粒子群优化算法、量子粒子群优化算法、教学优化算法及反馈教学优化算法进行了对比实验,反馈教学优化算法辨识误差为零,搜索次数明显减少.仿真结果表明,反馈教学优化算法明显提高了混沌系统参数辨识精度和速度,验证了该算法的可行性和有效性.     

改进果蝇算法优化CIAO-LSTM网络的时序预测模型

为了提高时间序列的预测精度,提出了一种基于改进果蝇算法优化直连长短期记忆网络的时间序列预测方法。将长短期记忆网络的多个时间步输入与输出进行全连接(CIAO-LSTM,直连长短期记忆网络),增强了对目标系统中线性成分的表征。提出了一种改进的果蝇优化算法(IFOA),通过动态改变果蝇的搜索半径和对适应度函数增加逃脱系数,提高了果蝇优化算法的全局寻优能力和局部收敛速度。使用IFOA优化CIAO-LSTM网络参数并构建预测模型(IFOA_CIAO-LSTM)。实验结果表明,优化后的时序预测方法相比传统的长短期记忆网络泛化能力更强、预测精度更高,对于波动较大的数据可以实现更好的拟合。