一种新型微操作平台的精确运动控制

设计一种具有2级放大的高精度微操作平台,建立压电陶瓷驱动的平台动态模型,采用PID控制策略综合平衡其性能。采用杠杆原理设计的2级放大机构,将平台设计为对称结构,提高了其运动精度。采用有限元法和振型截断法建立平台的传递函数,它可等效为一质量-阻尼-弹簧系统。将压电陶瓷驱动器的电气特性等效为RC电路,力学特性等效为具有一定柔度的器件,建立整个系统的开环传递函数和闭环传递函数。以综合平衡系统的动态性能和稳定性为目的设计PID控制器。结果表明,在PID控制器作用下,系统的相位裕度和幅值裕度均增大,提高了系统的稳态性能,但剪切频率减小,降低了系统的快速响应性。同时,系统的调节时间和超调量减小,提高了系统的平稳性。驱动器时间常数对微操作平台动态性能有较大的影响,时间常数选择于0.2 ms附近可以得到较小的调节时间和合适的超调量。     

压电微操作平台的复合控制

由于压电驱动器的迟滞现象会使微操作平台出现非线性问题,严重影响了其运动精度和重复定位精度。为了解决该问题,提出一种前馈补偿同反馈调节相结合的复合控制算法。联合离散Preisach模型与支持向量机建立反映平台迟滞现象的理论模型,基于该模型采用迭代搜索方法得到离散Preisach逆模型,根据该逆模型对平台进行前馈补偿。反馈调节采用比例-积分-微分(propotion-integral-derivative,简称PID)控制,以校正前馈补偿无法消除的偏差及由模型不确定性所引起的误差。为了说明所提出的控制方法的可行性,对复合控制、前馈控制和PID进行实验验证比较分析,实验结果表明,所提出的控制方法具有更好的控制精度和响应快速性。     

基于支持向量机的压电微操作平台非线性特性描述

压电驱动器的迟滞现象会使微操作平台出现非线性问题,严重影响了其运动精度和重复定位精度。为了解决该问题,提出了一种基于Preisach模型与支持向量机的联合建模方法来描述微操作平台的非线性特性。以一种一维微操作平台为对象,以压电驱动电压和所对应的平台输出位移为样本点,采用支持向量机理论建立反映平台非线性回归模型,利用该模型预测非样本点所对应的平台输出位移,结合Preisach模型可精确预测平台在任意电压序列作用下的输出位移。为了验证所建立模型的有效性,进行了实验研究,任意选取2组不同的输入电压序列,利用支持向量机回归模型和Preisach模型分别得到所选取的电压序列对应的输出位移的预测值,在相同的电压序列作用下进行实验得到其实测值,将实测值与预测值进行比较分析,结果表明,2组实测值与预测值之间的相对误差范围分别为0.6%～2.1%、0.02%～2.1%,预测位移与实测位移非常接近,说明所建立的模型能精确描述微操作平台的非线性特性,以实现其精确运动。     

16KM空间光通信的跟踪实验研究

跟踪伺服系统设计是APT核心技术,决定了通信链路能否建立以及通信系统的性能.针对精跟踪伺服系统设计中光斑抖动时变不确定性和PZT驱动中存在的迟滞、蠕变和位移非线性等不足,采用RBF神经网络自学习方法,控制PZT驱动精瞄偏转镜偏转,最终达到精跟踪伺服系统优化控制.通过16km链路的空间光通信实验表明:抑制到达角起伏后,最大起伏幅度抑制了80%和起伏均方差减少4倍,光纤耦合效率提高了6倍,光功率相对波动幅度明显减小;RBF神经网络控制算法增强了伺服系统鲁棒性,并提高了伺服系统实时性.     

一种改进的神经元自适应PID控制研究

在神经元自适应PID控制器的基础上,提出了一种改进的神经元自适应PID控制算法。     

一种适用于微操作的驱动技术

随着微机电系统 (MicroElectro -MechanicalSystems ,MEMS)研究的日渐发展 ,灵活、稳定的微操作器作为微机电系统的一项基础研究 ,其重要性也越来越显示出来。从装配的微操作出发 ,介绍了微操作的基本概念 ,对应用于微操作的压电驱动技术的原理、特点、现状及研究热点进行了详尽的阐述 ,并对其相应的控制策略进行了探讨     

一种无耦合位移和低集中应力的二维微操作器研究

集中应力和耦合位移是影响基于柔性铰链和压电陶瓷驱动器的微操作器性能的关键因素。单平行四杆机构具有低的集中应力，但存在大的耦合位移，双平行四杆机构没有耦合位移但存在较大的集中应力。在分析上述2种经典微操作器机构优缺点的基础上，吸取每一种机构的优点，摈弃各自的缺点，构建了一种复合四杆机构，并对这3种机构进行了对比分析，用有限元仿真的结果证明了理论分析的正确性。本文还设计加工了3种类型的二维微操作器柔性铰链机构与压电陶瓷驱动组成二微维操作器，并进行了对比实验研究，实验结果表明，该复合四杆微操作器性能优于经典的平行四杆微操作器和双平行四杆微操作器。     

输入受限无人帆船自适应航向跟踪控制

针对带有输入受限且存在未知控制系数约束情形下,考虑了具有未知模型和风、浪等外界干扰的无人船航向跟踪控制问题,提出一种受限控制输入约束下的跟踪控制方法。该方法运用RBF神经网络对未知模型进行在线逼近,利用Nussbaum自适应增益技术解决未知控制系数问题。根据滑模控制理论,设计具有指数趋近律的鲁棒控制项,保证所得误差闭环系统快速响应且最终趋向0。为弱化传统滑模控制产生的抖振问题,将符号函数替换成饱和函数使控制输入变得平滑。引入一种误差辅助系统,构建了帮助误差闭环系统输入退出饱和机制。通过李雅普诺夫稳定性理论,给出了跟踪控制方法的稳定性数学分析过程,证明误差闭环跟踪控制系统的所有信号最终一致有界性。最后通过仿真结果验证了所得理论的有效性。     

掘进机截割臂自适应截割控制策略研究

针对井下掘进机截割智能化程度低、截割臂摆速不能根据煤岩硬度进行自适应调节的问题,提出了一种基于多传感器信息的掘进机截割臂自适应截割控制策略。以截割电机电流、截割臂驱动油缸压力、截割臂振动加速度作为煤岩截割载荷识别依据,采用径向基函数神经网络设计了截割载荷信号识别器,为截割臂摆速调控提供准确依据;针对复杂且具有时变性的截割臂摆速调控系统,设计了基于遗传算法优化的模糊PID智能控制器,实现对截割臂摆速的高效调控。建立了掘进机截割臂数学模型,在MATLAB/Simulink中搭建了截割臂自适应截割仿真控制系统,仿真结果表明,控制系统具有较快响应速度及较高控制精度。基于贝加莱Automation Studio软件搭建掘进机机载自适应截割控制系统,在石家庄煤矿机械有限公司模拟巷道中采用EBZ135型掘进机进行了模拟截割实验,实验结果表明,所提出的控制策略能够根据截割载荷变化实现对截割臂摆速的高效自适应调控。     

基于神经网络的自适应裂谱分析方法

在应用 RBF神经网络建立具有自适应能力的信噪分离算法的基础上 ,提出了一种基于神经网络的自适应裂谱分析方法 ,实验结果证实了新方法具有很高的性能稳定性和增强湮没在晶粒 (或其它散射体 )散射中的缺陷回波信号能力。     

基于径向基网络的变速箱载荷识别研究

提出了一种基于径向基网络的识别变速箱载荷的新方法,该方法应用径向基函数网络建立了箱体表面振动响应信号与轴承激励之问的非参数映射模型。通过变速箱在随机激励下的载荷识别结果表明,这种利用径向基网络识别变速箱载荷的方法是可行的,并且具有识别精度高、运算速度快及稳定性好等优点。     

扫描隧道显微镜精密工作台及其控制技术研究

针对扫描隧道显微镜工作台高精度控制的需求，设计了一种基于神经网络理论的控制系统，其微位移工作台由压电陶瓷驱动器和柔性铰链机构组成。在对驱动器结构进行分析的基础上，建立了工作台的数学模型。以三层神经网络自学习PID控制器代替常规PID控制器，实现了样本的在线采集和优化，有效地克服了神经网络控制器需要离线训练的缺点；采用BP算法对神经网络进行在线训练，增强了系统的实时控制性能。实验结果表明，10μm下的过渡时间从3．25s缩短到1．6s，稳态误差从2．78％减小到1．39％。     

基于RBF神经网络的齿轮箱故障诊断

阐述径向基函数(radial base function,RBF)神经网络的基本原理和算法,将其应用于齿轮箱故障诊断与识别,建立齿轮箱的BRF故障诊断模型,并与BP(back propagation)神经网络、学习率自适应BP神经网络进行对比分析研究。结果表明,RBF神经网络性能优于BP神经网络,具有较快的训练速度、较强的非线性映射能力和精度较高的故障识别能力,非常适用于齿轮箱的状态监测和故障诊断。但在具体应用中应当注意,RBF网络的训练样本必须含有一定的噪声,以提高网络的容噪性能;各类故障的训练样本数不能太少,否则RBF网络的故障分类能力很差。     

径向基神经网络在三维激光切割中的应用

分析了RBF神经网络的特点，并研究了它在三维激光切割中的应用，利用该神经网络及其变形可以预测切缝的宽度，也可以根据输入参数对试样的挂渣与否进行判定。比较了三雏激光切割中切割倾角和切割方向对切割质量的影响，从而实现切割质量的预测和优化工艺参数的选取以指导实际的切割过程。     

自适应PID控制在火炮随动系统中的应用

火炮随动控制系统是一个典型的非线性、大时滞系统,常规PID控制难以实现火炮随动控制系统参数在线自整定,针对该问题提出一种基于单神经元的自适应PID控制器,通过神经元的自学习、自校正能力实现了PID参数的在线自整定。仿真结果表明单神经元自适应PID控制响应快,自适应能力好,鲁棒性强,稳态精度高,采用该方案的火炮随动控制系统能够较好满足控制要求,具有一定实用价值。