基于Prandtl-Ishlinskii模型的智能悬臂梁迟滞补偿与自适应复合控制研究

随着智能结构在当今工程的应用越来越广泛,智能结构的迟滞特性受到越来越多的关注。这种迟滞特性不但影响系统的输出精度,甚至威胁系统的稳定性。为了解决这一问题,本文提出一种自适应复合控制策略:首先运用最小二乘算法在线实时辨识智能结构PI(Prandtl-lshlinskii)正模型,模拟智能结构的迟滞特性;基于智能结构PI(Prandtl-lshlinskii)正模型建立智能结构的PI逆模型,实现智能悬臂梁迟滞特性的补偿;同时,将智能结构的输出作为反馈信号,采用最小方差自校正控制律在线设计反馈增益,达到构成智能结构闭环控制系统的目的。通过数值仿真,对比智能结构在有无迟滞补偿两种情况下的振动控制效果,探索智能结构迟滞特性对智能结构的振动控制效果的影响规律,并通过实验验证两种情况下智能结构振动控制结果,得出迟滞特性影响智能结构振动控制效果的有效结论。结果表明:在有迟滞补偿情况下智能结构的振动控制效果优于无迟滞补偿情况下的控制效果。     

基于PI迟滞模型的压电驱动器自适应辨识与逆控制

压电陶瓷驱动器的迟滞非线性特性严重影响了其跟踪定位精度,甚至引起闭环系统失稳.本文采用经典PI模型描述压电驱动器的迟滞非线性,利用自适应投影算法对PI模型的权向量进行在线辨识,并与传统的最小二乘辨识方法进行比较.迟滞PI模型的优点是模型存在解析逆,因此本文对压电驱动器采用自适应逆跟踪控制,利用驱动器的输出位移与参考位移之差使用自适应投影算法在线辨识PI模型的权向量,并计算PI逆模型的权向量和阈值,最终得到要输入的电压值.最后实验结果表明自适应逆跟踪控制比传统的逆模型跟踪控制精度提高了49.8%.     

Bouc-Wen模型参数识别的非线性自适应遗传算法和试验验证

Bouc-Wen模型是一种可表征结构及构件在往复荷载作用下的刚度退化、强度退化等的一种多功能非线性光滑滞回模型,可广泛应用于各类结构滞回行为的描述。Bouc-Wen模型参数是决定结构构件滞回模型力学特征的关键,由于该模型参数众多且物理意义不明确,往往只能从滞回数据得到近似解。为适应该类模型参数高效识别的需求,该研究提出了一种非线性自适应遗传算法,并通过4片不同配筋和加载条件的RC剪力墙的低周反复加载试验对Bouc-Wen模型参数识别的效果进行了验证。模型参数识别得到的滞回曲线和算法效率与标准遗传算法识别的结果以及实验数据进行了对比,结果表明：所提出的方法显著提升了Bouc-Wen模型的识别精度与效率。该文所提出的方法可用来进行结构滞回模型的识别并用所识别的模型进行结构的非线性行为模拟。     

智能作动器Preisach迟滞参数辨识及补偿研究

针对实现智能作动器精确运动需对迟滞非线性进行辨识、补偿问题,采用奇异值分解方法辨识Preisach模型参数,构造变幅值谐波输入信号满足持续激励条件;基于辨识模型设计逆模型前馈补偿Preisach迟滞非线性;通过压电平台检验该辨识、补偿方法。实验结果表明,奇异值分解法可有效辨识迟滞效应非线性模型,基于辨识结果的逆模型补偿可减小跟踪误差89.5%。     

Bouc-Wen迟滞模型的改进与音圈电机非光滑迟滞特性的描述

Bouc-Wen模型是基于非线性微分方程的一种迟滞模型,由于三角波等非光滑输入拐点处导数不存在,此模型无法适应此类非光滑输入信号.受信号预处理方法启发,基于不完全微分的柔化思想,对Bouc-Wen迟滞模型进行了改进,论述了其对音圈电机非光滑迟滞特性描述的合理性,给出了改进模型的离散形式.在三角波输入下,对原模型和改进模型传输特性进行了仿真比较.结果表明,改进Bouc-Wen模型克服了原模型不足,能有效描述迟滞特性,可实现性好,算法简洁,特别符合高速实时要求.     

基于迟滞观测器的压电工作台自适应控制

为提高压电陶瓷驱动的微定位工作台的精度和速度,设计了一种基于迟滞状态观测器的自适应控制系统.在分析压电陶瓷迟滞非线性特性和工作台结构的基础上,建立了压电工作台的动态迟滞模型.迟滞观测器用于估计由位移偏差、传递函数、迟滞变量和扰动而产生的不确定误差,对神经网络控制器的输出量进行补偿,使工作台的位移跟随参考值.基于李雅普诺夫稳定理论推导了迟滞观测器的自适应调节律.实验结果表明,采用带有迟滞观测器的自适应控制系统时,在30μm、1 Hz正弦信号作用下,工作台的平均定位误差从之前的0.39μm减小到了0.19μm,对迟滞特性的非对称拟合平均误差由0.42μm减小到0.22μm,在10μm阶跃输入时的平均定位误差从0.22μm减小到了0.13μm,稳定时间由0.19 s缩短为0.08 s,定位工作台的性能得到明显的改善,能够满足实验要求.     

基于行波方法的智能悬臂梁振动控制

从振动波传播的观点，基于行波理论研究了一维悬臂梁的振动控制方法。以Bernoulli-Euler梁模型为研究对象，研究了行波理论建模和分析方法。在此基础上，基于横向位移、横向转角、应变这三种不同测量信号，应用波传递和反射的关系式，分别设计了行波控制器，并推导了时域和频域的控制力。最后对一悬臂梁进行了振动控制，数值算例表明了行波控制是有效的。     

基于神经网络的悬臂梁在线辨识与振动主动控制

针对压电悬臂梁结构进行了基于神经网络在线辨识的振动主动控制研究。设计了基于NARMA-L2神经网络模型的在线辨识器和振动主动控制器,分析了神经网络各层的输入输出结构,建立了神经网络权值和阈值调整公式。在此基础之上,进行了外扰激励为单频和扫频信号时系统的在线辨识和振动主动控制实验,结果表明：该控制系统对悬臂梁的振动响应有较好的抑制作用和较强的鲁棒性。     

基于自校正PID控制的智能悬臂梁振动控制

摘　要：由于智能结构的工作环境变化多端,各种性能参数会随着环境变化而变化,先前建好的模型不再适应设计好的控制律,本文应用压电双晶片的驱动传感一体化的特性,实现了智能悬臂梁的自适应控制研究。基于极点配置理论,采用了自校正PID控制方法在线实时设计了控制参数,解决了模型参数无法实时更新进而导致的控制精度低的问题。通过MATLAB的SIMULINK的数值仿真,得出了自校正PID控制方法在实现智能结构自适应振动控制中是可行的结论,并且通过搭建实验平台进行实验验证;利用压电双晶片的驱动传感特性,使智能悬臂梁的自由振动得到了有效控制。因此,基于自校正PID控制方法,采用压电双晶片对智能结构吸振减振提供了理论与实验的研究基础。     

基于自校正PID控制的智能悬臂梁振动控制

由于智能结构的工作环境变化多端,各种性能参数会随着环境变化而变化,先前建好的模型不再适应设计好的控制律。利用压电双晶片的驱动传感一体化特性,实现智能悬臂梁的自适应控制。基于极点配置理论,采用自校正PID控制方法在线实时设计控制参数,解决模型参数无法实时更新进而导致的控制精度低的问题。同时,将基于Neigler-Nicholes参数整定法的普通PID控制与基于自校正PID控制方法的控制效果进行对比。运用MATLAB的SIMULINK进行数值仿真并进行实验验证,对此两种控制方法的控制结果进行对比,得出采用自校正PID控制的效果更为显著和更为有效的结论。利用压电双晶片的驱动传感特性,使智能悬臂梁的自由振动得到有效控制。因此,基于自校正PID控制技术,采用压电双晶片的方法可为智能结构吸振减振提供理论研究与实验研究基础。     

特征模型自适应控制方法在悬臂梁振动主动控制中的应用

特征建模理论和方法是对现有控制理论关于对象建模理论的一个发展,为高阶、参数未知对象进行低阶控制器、自适应控制器和智能控制器的设计提供了理论依据,为工程设计带来极大的方便。基于特征模型的自适应方法与常用的间接自适应方法相比,待辨识的参数更少,控制器算法更简单。由于基于特征模型的自适应方法是一种很新的方法,在实际系统中的应用还比较少,因此有必要通过在实际系统的应用来验证该方法的有效性并不断改进和完善该方法。为此,利用压电智能结构作为挠性悬臂梁的敏感器和致动器,采用特征模型自适应控制方法对挠性悬臂梁的振动进行主动控制,并比较研究了特征模型自适应控制算法和正位置反馈（PPF）控制算法的物理仿真结果,通过物理仿真验证了特征模型自适应控制器抑制梁弯曲振动的有效性。     

基于模型实时辨识自适应控制算法的时变机械系统振动主动控制

参数时变的现象广泛存在于机械系统。如果系统参数随着时间而发生较大变化,振动主动控制方案就需要考虑时变参数对控制算法的影响。针对动力学特性变化较大的时变机械系统振动,提出一种模型实时辨识自适应控制算法,该算法将传统的滤波自适应算法与递归预测误差方法相结合,利用改变梯度的递归预测误差方法实时估计控制通道模型。建立弹簧质量支承的非均匀截面杆纵向振动时域模型,模型中随时间而变化的弹簧刚度导致模型动力学特性发生较大变化。用模型实时辨识自适应控制算法对建立的杆模型进行振动控制数值仿真,仿真结果表明,所提出的控制算法能有效抑制时变系统的窄带和宽带振动。相对于现有的方法,该控制算法能实现更好的控制性能。最后,将所提出的控制算法应用到时变的摇摆系统振动控制,实验结果验证了所提出控制算法的可行性和有效性。     

压电智能悬臂梁神经网络预测控制

对表面粘贴压电元件的压电智能悬臂梁进行有限元建模和分析,获取了结构的动力响应数据。根据神经网络的非线性逼近能力,用动态递归神经网络对压电振动系统进行了系统辨识,建立了系统的预测模型。以此预测模型来代替传统广义预测控制算法中的受控自回归积分滑动平均模型,对压电智能悬臂梁进行振动主动控制的研究,并优化了控制系统参数。对一单输入单输出压电智能悬臂梁系统进行了仿真分析,控制效果良好,为智能算法在智能结构中应用有一定的指导意义。     

压电陶瓷片迟滞补偿建模及悬臂梁主动控制研究

为增强压电悬臂梁振动控制效果,提出一种基于最小二乘法的逆迟滞补偿控制算法。在不同电压下对压电陶瓷片位移进行实测,应用最小二乘法对其迟滞环进行多项式拟合建模,并利用压电片逆迟滞补偿模型对控制电压进行补偿。通过悬臂梁振动主动控制试验系统研究PID控制器在有、无逆迟滞补偿时的控制效果。结果表明:经过PID逆迟滞补偿后的主动控制效果比传统PID提高10.083%。因此,该逆迟滞补偿方法能够有效增强压电陶瓷片的主动控制效果,对于压电悬臂梁振动主动控制具有重要参考价值。     

基于正弦激励的压电加速度计模型参数辨识

针对压电加速度计常规校准无法完全满足实际机械动态量测量要求的问题,采用基于加速度计模型参数校准的方法。参数未知的线性二阶微分方程用来表示加速度计动态特性,利用绝对法振动校准加速度计频率响应数据,采用最小二乘算法确定了未知的参数的值,同时利用蒙特卡罗法确定了参数值的不确定度。最后对加速度计进行了瞬态冲击加速度校准,计算辨识所得模型在相同冲击激励下的预测输出。结果表明:瞬态冲击加速度校准与计算辨识模型结果相差不超过1%。     

基于遗传算法的磁流变阻尼器Bouc_Wen模型参数辨识

在除试验数据外无任何先验知识的条件下如何识别Bouc_Wen模型的参数是一个亟待解决的问题。本文在对磁流变阻尼器进行力学特性试验的基础上,采用遗传算法对磁流变阻尼器Bouc_Wen模型进行参数辨识,并采用缩小参数取值范围的方法逐渐提高遗传算法的识别精度。通过分析参数值与电流间的特征曲线,采用曲线拟合的方法确定它们之间的函数关系,再利用遗传算法得到具体的函数表达式。最后用不同幅值和频率的激励试验数据对识别结果和拟合结果进行了验证。结果表明：利用缩小取值范围的方法得到的Bouc_Wen模型参数识别结果在全局最优解的附近,拟合结果和辨识出的模型均能满足要求     

双线性模型参数辨识的遗传算法

本文以遗传算法为基础，提出了一种辨识双线性离散动态系统模型参数的方法。该方法能够有效地克服噪声的污染，获得双线性系统参数的无偏估计值，应用该算法对双线性系统进行仿真表明，该方法辨识精度高，稳定性好。     

基于小波有限元的悬臂梁裂纹遗传优化辨识

利用小波有限元法求解了裂纹悬臂梁的前三阶固有频率,并将其拟合成以裂纹位置和深度作为变量的频响函数曲面。将裂纹识别中的匹配追踪问题转化为多维优化问题,以实测固有频率作为输入,利用遗传算法寻优求解出与输入值相差最小的样本点,进而预测出裂纹的位置和深度。试验研究表明,所提出的裂纹识别方法具有较好的精度和鲁棒性,且易于推广到诸如转子、叶片等复杂结构的裂纹监测诊断场合。     

基于自适应粒子群遗传算法的柔性关节机器人动力学参数辨识

提出一种基于自适应粒子群遗传算法的柔性关节机器人动力学参数辨识方法。该算法采用动态自适应调整策略,提高了粒子群算法收敛速度;同时引入新型遗传算法混合交叉变异机制,避免了粒子群陷入局部最优。将自适应粒子群遗传算法与标准粒子群算法、遗传算法、人工蜂群算法进行了比较,仿真实验结果表明该算法在迭代60次左右完成参数辨识,各参数的辨识相对误差均降低到了1%以内。最后利用旋转柔性关节实验平台进行了实验验证,实验结果证明了该算法具有更好的收敛速度和寻优精度。     

基于自适应LMS算法的跨声速风洞模型系统辨识

针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)分析得到试验模型俯仰方向前两阶模态,其次利用快速Fourier变换进行模态解耦,接着利用自适应LMS滤波器模型、传递函数模型、多项式模型对俯仰方向单模态进行系统辨识,最后得到了基于自适应LMS滤波器模型的俯仰方向一阶、二阶模态滤波器系数。通过对比不同数学模型的输出与输入之间的相关系数和均方误差及辨识结果,表明自适应LMS滤波器模型具有更高的系统辨识精准度和更简洁的数学模型结构。为后续风洞试验模型振动主动控制计算法的设计提供有力支撑。