压电陶瓷执行器迟滞特性的 广义非线性Preisach模型及其数值实现

压电陶瓷执行器的迟滞非线性不具有经典Preisach模型的次环一致特性,直接利用该模型对压电陶瓷执行器的迟滞特性建模会产生较大误差。为了提高压电陶瓷执行器的迟滞特性建模精度,在非线性Preisach模型的基础上推导得到适用于压电陶瓷迟滞特性的广义非线性Preisach模型,并给出简化分类计算公式。广义非线性Preisach模型将经典Preisach模型表示定理中的次环一致特性修改为次环等弦长特性,放宽了对描述对象的限制要求。实验数据表明,与经典Preisach模型相比,广义非线性Preisach模型预测位移的误差绝对值的最大值降低了0.22 μm,均方根误差降低了0.11 μm,能够更精确地描述压电陶瓷的迟滞特性。     

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。     

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。     

菱形微位移压电作动器输入输出杂交建模

针对某定位装置,研究了一种新型菱形微位移压电作动器,该压电作动器由压电堆、菱形位移放大机构以及柔性铰链组成。菱形微位移压电作动器的核心驱动部件为压电堆,由于压电材料的迟滞特性,菱形压电作动器具有非线性迟滞特性。为了消除迟滞对压电作动器在后续控制中的影响,发展了一种Preisach杂交建模的方法,该方法在传统Preisach模型的基础上,有效结合了Preisach离散模型和支持向量机(support vector machine,简称SVM),建立了微位移压电作动器输入输出杂交模型。试验结果表明,SVM有效解决了因1阶滞回曲线数量不足而导致Preisach模型精度低的问题,同时与传统Preisach模型相比,杂交建模能更准确地描述迟滞特性,具有更高的精度。     

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.     

压电陶瓷驱动微位移机构迟滞非线性改善方法研究

压电陶瓷驱动器在精密微位移系统中有着广泛的应用,但其固有的迟滞非线性严重影响系统的运动精度,使控制困难.通过数学建模方法建立压电陶瓷的迟滞曲线逆模型,并用此模型对压电陶瓷进行位移补偿,可以有效减小压电陶瓷迟滞非线性对系统精确控制的影响.提出一种用两个压电陶瓷协同驱动微动平台运动的微位移机构,通过基于迟滞逆模型的开环控制方法,对压电陶瓷位移进行误差补偿,可以实现微动平台运动与控制信号较好的线性对应关系.     

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...     

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 。     

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.     

PBP驱动器率相关迟滞特性研究及其线性化控制

后屈曲预压缩压电双晶片(Post-buckling pre-compression,PBP)驱动器作为一种大行程压电舵机驱动器,存在着严重的率相关迟滞现象。为了使PBP驱动器能够作为具有较高控制精度的微小型飞行器舵机驱动器,利用基于Bouc-Wen模型的Hammerstein率相关迟滞模型对其进行参数识别,并通过试验验证了该模型能够较好地预测PBP驱动器的率相关迟滞特性;在此基础上为PBP驱动器设计一种具有在线自适应能力的前馈单神经元PID复合线性化控制器,在多种单复合频率信号作用下对其控制回路进行位移跟踪半实物仿真试验,并与基于径向基函数(Radial basis function,RBF)神经网络PID控制器进行对比,结果表明前馈单神经元PID控制器具有更快的响应速度和更高的控制精度。