压电作动器的率相关迟滞建模与跟踪控制

为了降低率相关迟滞特性对压电作动器的影响,研究了基于Hammerstein模型的建模方法和实时跟踪控制策略。以改进的Prandtl-Ishlinskii(MPI)模型表示静态非线性部分,以外因输入自回归模型(Autoregressive Model with Exogenous Input ARX)表示动态线性部分,建立了能够描述压电作动器率相关迟滞特性的Hammerstein模型。基于所建Hammerstein模型,设计了基于前馈自适应逆补偿和PI反馈的复合控制策略。最后,设计并实现了基于前馈逆补偿和PI反馈的复合控制策略来对比和验证所设计的控制策略的有效性。验证实验显示:采用文中设计的控制策略实时跟踪100Hz以内,幅值为11μm的单一频率信号和扫频信号以及变幅值的复合频率信号和正弦扫描信号时,均方根误差为0.280 8~0.437 3μm,相对误差为0.016 5~0.024 4,并且具有良好的实时性能。与基于前馈逆补偿和PI反馈的复合控制策略相比,提出的基于前馈自适应逆补偿和PI反馈的复合控制策略具有更高的跟踪精度。     

HC轧机平直度调节手段对各次平直度分量的影响规律研究

现代轧机一般配备多种平直度调节手段,各种调节手段之间存在着一定的耦合关系,为分析各种平直度调节手段对各次平直度分量的影响规律,采用分割模型影响函数法和条元变分法建立HC轧机的平直度计算模型,利用该模型计算倾辊、工作辊弯辊、工作辊非对称弯辊和中间辊横移4种调节手段对1次、2次、3次和4次平直度分量的影响系数,分析发现,倾辊和工作辊非对称弯辊对平直度的影响规律类似,主要影响1次和3次平直度分量,并且对1次分量的影响程度要大于对3次分量的影响程度;工作辊弯辊和中间辊横移主要影响2次和4次平直度分量,并且对2次分量的影响程度要大于对4次分量的影响程度,该结果系统地揭示各种调节手段对各次平直度分量的影响规律,为平直度在线控制模型的建立、实现提供理论基础。     

基于压电驱动器的Stewart微动平台迟滞补偿和解耦控制研究

针对基于压电驱动器驱动的Stewart微动平台同时存在强耦合性和迟滞特性的问题,对Stewart微动平台的耦合特性和迟滞特性进行了研究。对耦合特性与迟滞特性的特点进行了归纳,提出了一种基于迟滞补偿和输入端解耦的控制方式,建立了数学模型,并设计了控制器;先通过旋转变换矩阵进行了位姿反解,得出了Stewart平台各支腿长度;再在系统动力学模型的基础上,通过在输入端引入动力学逆模型的方法,对系统进行了输入端解耦,采用Bouc-Wen模型来描述压电驱动器的迟滞特性,并用逆模型方法对迟滞特性进行了补偿;最后设计了控制器,并通过仿真验证了定点运动和连续运动两种方式的有效性。研究结果表明:该控制方式能同时对压电驱动器驱动的Stewart平台进行迟滞补偿和解耦控制,响应速度快、稳定性好。     

压电执行器的非对称动态迟滞特性建模研究

传统Bouc-Wen模型难以精确表征压电执行器固有非对称率相关动态迟滞非线性,因此提出一种广义Bouc-Wen(GBW)迟滞模型用于精确表征压电执行器的迟滞非线性。首先,基于传统Bouc-Wen迟滞模型引入两项非对称项和二阶IIR滤波器表征压电执行器非对称迟滞及高频相位滞后特性,进一步分析了模型参数值与频率变化规律并确定了模型的率相关参数。然后,搭建了基于NI CompactRIO测控系统的压电执行器精密定位实验平台,通过粒子群优化算法完成GBW模型的参数辨识,并对提出的GBW模型进行实验验证。实验结果表明,对于变频率正弦激励信号,GBW模型的最大误差为0.190 6μm,均方根误差为0.043 1μm仅占压电执行器位移行程的0.65%,相较于传统Bouc-Wen(CBW)模型及改进Bouc-Wen(EBW)模型分别下降了82.07%和62.10%。对比CBW模型和EBW模型,所提出的GBW模型精度和宽频性能均有显著提升,并且解析逆模型存在易于控制器设计,有助于实现压电执行器在超精密仪器设备中宽频、高速精密定位。     

超磁致驱动器迟滞系统逆模补偿控制

设计了超磁致驱动器和实验系统。针对超磁致伸缩执行器的磁滞非线性问题，对迟滞系统进行了可逆性分析后，采用BP神经网络对超磁致驱动器的迟滞特性建立了逆模型。分别进行了有逆模前馈的开环控制、传统PID控制和PID加逆模前馈的闭环控制来补偿迟滞特性。实验结果表明，逆模前馈补偿器有效地减小了系统的非线性误差，提高了执行器的控制精度。     

压电陶瓷驱动器的复合控制方法研究

针对压电陶瓷驱动器中的迟滞非线性特性,提出一种提高压电陶瓷执行器定位精度的复合控制方法。建立了非等间隔阈值的Prandtl-Ishilinskii(PI)迟滞模型,通过自适应差分进化算法进行系统辨识,求取参数并建立逆模型。考虑到压电陶瓷迟滞非线性特性随输入信号频率变化的特点,采用融合PI逆模型前馈控制与滑模控制的复合控制方法用于压电陶瓷的精密驱动。实验结果表明,相比逆模型前馈和PID结合的复合控制方法,采用逆模型前馈和滑模复合控制方法,平均误差下降了0.0300μm,均方根误差下降了0.0346μm,能有效克服压电陶瓷迟滞非线性,提高系统跟踪性能。     

压电陶瓷驱动器迟滞建模与控制研究

压电陶瓷驱动器存在迟滞非线性,在超精密定位应用中影响定位精度和系统性能。针对这一问题,提出了一种减小迟滞的自适应逆控制算法。基于Prandtl-Ishlinskii迟滞算子建立压电陶瓷迟滞模型,构建自适应逆控制系统并进行实验研究。结果证明,利用该算法,系统输出的非线性误差从17.7%下降到1.43%,系统性能显著提高。     

压电微定位台的率相关动态迟滞建模及参数辨识

针对压电微定位台固有的率相关迟滞非线性严重限制其微定位精度的问题,研究了基于Backlash-Like的Hammerstein率相关迟滞非线性模型及其建模方法。以改进的Backlash-Like分段辨识模型描述压电微定位台的静态非线性特性,结合ARX(Auto Regressive eXogenous)模型,建立描述压电微定位台的率相关动态迟滞模型。同时,针对传统的粒子群算法(Particle Swarm Optimization,PSO)进行模型参数辨识时易陷入局部最优的问题,提出一种具有交叉变异策略的改进型粒子群算法进行模型的参数辨识。实验结果表明:与传统的Backlash-Like模型相比,改进的Backlash-Like分段辨识模型在输入电压为60V,频率为2Hz的信号时,模型辨识的最大误差由0.68μm下降到了0.104μm,最大相对误差由2.69%下降为0.35%。当压电微定位台输入电压为60V,频率分别为30Hz,60Hz和90Hz的单频信号时,Hammerstein率相关迟滞模型较Backlash-Like分段辨识模型,均方根误差由0.393 1～0.700 6μm下降至0.054 1～0.190 4μm,相对误差由1.721%～3.087%下降至0.236%～0.831%。验证了基于改进Backlash-Like的Hammerstein率相关迟滞模型较传统的Backlash-Like静态迟滞模型能精确地描述压电微定位台的率相关动态迟滞特性,具有较好的频率泛化能力,提高了压电微定位平台的定位精度。     

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。     

迟滞非线性系统辨识与补偿控制研究

针对智能材料中存在的迟滞问题,对其开展了迟滞非线性特性分析,建立了迟滞系统。该迟滞系统由两个部分串联构成:一部分是滤去传递函数影响的Preisach模型;另一部分是不考虑迟滞影响的系统传递函数。将离线和在线辨识方法应用到辨识迟滞系统中,应用最小二乘法离线辨识得到了辨识传递函数参数,再用此辨识传递函数参数作为神经网络辨识的初始权值,得到了神经网络在线辨识的辨识模型;建立了辨识传递函数的逆模型控制系统和前馈逆模型PID控制系统,并对辨识系统进行了迟滞非线性补偿。研究结果表明,模型辨识方法的可行性和补偿控制的有效性在仿真中得到了验证。     

基于Preisach模型的压电陶瓷执行器线性插值法迟滞位移研究

论文介绍了基于Preisach模型的迟滞特性建模方法.通过一系列实验数据建立了Preisach模型,研究了如何应用线性插值法和BP神经网络方法进行任意Preisach函数X（α,β）值的求解,从而计算得到相应电压序列的位移,分析比较了两种方法的预测结果.实验表明,基于Preisach模型的线性插值方法方法可以更好地预测压电陶瓷执行器的迟滞位移.     

基于混合遗传算法的磁控形状记忆合金驱动器磁滞模型优化

为了消除或减小磁滞非线性特性对磁控形状记忆合金驱动器定位精度的影响,应用BP神经网络建立了磁控形状记忆合金驱动器磁滞模型。针对BP网络算法存在的不足,以及网络结构、初始连接权值和阈值的选择对BP网络训练的影响很大等问题,提出一种混合遗传算法对神经网络磁滞模型的权值和阈值进行优化。将优化后的参数赋值给BP神经网络重新训练,结果表明,优化后的磁滞模型训练误差绝对值由25nm减小到5nm,有较好的收敛性。     

基于最小二乘支持向量机的压电作动器迟滞非线性建模及参数辨识

为了辨识压电作动器应用中迟滞非线性特性,采用Preisach模型与最小二乘支持向量机（LS-SVM）的混合建模法构建压电作动器模型以表征其迟滞非线性。在Preisach模型基础上采用一阶回转曲线法求得α-β平面内的迟滞单元加权系数,以迟滞单元形心和加权系数作为训练模型的输入输出,利用遗传算法对模型参数进行了辨识。数值仿真验证了建立的模型能精确描述压电作动器迟滞非线性特性,仿真结果与实验结果的相对误差在0.12%~2.01%之间,证实了模型的有效性。     

基于人工神经网络的电流变传动机构的模式识别与控制

从人工神经网络的基本原理出发，建立了圆盘式电流变传动机构的BP模型。实例计算表明，BP网络性能良好，所建立的模型预测精度高，价值性很高。     

基于滑模控制的机载作动器摩擦转矩补偿研究

针对机载电动静液作动器(EHA)伺服系统中非线性摩擦产生的不良影响,提出了非线性滑模控制(SMC)方法。在对EHA伺服系统以及非线性摩擦特性进行分析的基础上,建立了EHA伺服系统各部分模型。通过SMC方法与典型比例-积分-微分(PID)控制方法的比较可知,滑模控制对抑制位置阶跃信号振荡、消除由于摩擦引起的正弦信号平顶(死区)等方面效果显著。仿真结果证明了非线性Stribeck曲线摩擦模型的合理性,也表明滑模控制器对非线性控制对象具有良好的控制效果。     

柔性制造工作站控制模型及控制逻辑的自动生成研究

针对柔性制造工作站的特点提出的工作站控制器模型,为了实现工作站控制器控制代码的自动生成,提出了规范化Ｐｅｔｒｉ网的概念,并建立了工作站控制的ＳＰＮ模型与对象模型、ＳＰＮ模型与ＰＬＣ的梯形图代码之间的映射规划与方法,从而较好地解决了工作控制器控制代码的自动生成问题。     

气动人工肌肉并联平台自适应模糊CMAC姿态跟踪控制

着眼类人机器人的腰部应用,设计了一种气动人工肌肉三自由度并联平台。引入一种自适应模糊CMAC(AFCMAC),实现了并联平台的姿态控制。通过规划输入空间,实现了AFCMAC对迟滞力、气压波动等不确定因素和非线性耦合因素的感知。离散抗饱和PID并行监督和离线辨识避免了在控制运行初期出现较大的跟踪误差和气压波动,从而使AFCMAC的在线实时自学习调整成为可能。进行了定点转动姿态跟踪实验和抗干扰实验,实验结果表明,AFCMAC具有较好的姿态控制性能和在线学习调整能力。     

基于DOB和ZPETC的PWM驱动快速反射镜控制方法研究

针对高精度音圈电机快速反射镜PWM驱动方法存在的问题,对快速反射镜控制方法进行了研究。设计了基于干扰观测器(disturbance observer,DOB)和零相差跟踪控制器(zero phase error tracking controller,ZPETC)相结合的鲁棒控制方法。通过系统辨识实验建立了音圈电机快速反射镜的动态模型,利用半实物仿真平台对控制系统的动态性能进行了测试,给出了被控对象的实验记录测量数据及其开环幅频特性曲线bode图。研究结果表明,基于干扰观测器和零相差跟踪控制器的控制方法补偿了外部扰动、模型不确定性以及机械非线性等因素对控制系统性能的影响,系统带宽达到150 Hz以上,快速反射镜伺服系统能够满足光电跟踪系统对快速反射镜的快速性和高精度要求,新方法在性能上有显著的提高,在实际工程中具有较高的应用价值。