基于LabVIEW的气动力伺服系统模型辨识与实验

气动力伺服系统能够对输出力大小进行准确控制,可应用于机器人自动打磨抛光中,提高工件表面修形质量。目前该系统本身难以建立准确的数学模型,然而模型对力控算法设计与改进具有很大的帮助。首先分析了系统机理建模过程,然后对搭建的一套气动力伺服系统平台采用系统辨识的方法获取该系统的最佳数学模型:设计了基于Lab VIEW的系统实时在线辨识平台,采用最小递归二乘法作为辨识算法对搭建的平台系统进行了模型辨识,最后对该模型进行了实验验证,结果表明辨识所得模型能很好地表征该系统的特性,为气动力伺服系统的输出力控制算法设计研究奠定基础。     

高速高精运动平台谐振分析与抑制研究

针对直线电机直接驱动的高速高精运动平台的谐振问题,对高速高精运动平台的控制系统模型、伺服动刚度模型、移动部件质量、在线辨识算法和积分谐振控制(IRC)谐振抑制方法等内容进行了研究,提出了一种基于递推最小二乘辨识算法在线辨识谐振模型以及IRC抑制谐振的控制方案,构建了高速高精运动平台伺服控制系统模型和伺服动刚度模型,在仿真模型的基础上研究了移动部件质量的变化对系统伺服动刚度的影响,考虑控制系统伺服动刚度对谐振的影响,利用在线辨识算法获取到的谐振模型参数设计了IRC抑制系统谐振。研究结果表明,该控制方案对系统伺服动刚度不足造成的谐振现象具有较好的抑制效果,能大大提高系统动态性能。     

粗精动运动平台的系统辨识激励信号优化设计

针对粗精动运动平台系统辨识中激励信号的生成进行了优化设计方法的研究。粗精动平台结构通常用于长行程、高精度的运动平台系统,如扫描光刻机运动平台、硬盘寻道平台等系统。获得粗精动系统的准确模型是改进粗精动运动系统控制的重要基础。而系统辨识是获得系统模型的一种有效方式。其中输入信号设计是系统辨识试验重要的一部分。将粗精动运动平台的系统模型简化为一类多变量有限阶次线性时不变模型;将多入多出(Multiple-input multiple-output,MIMO)辨识方法引入粗精动系统辨识,并提出一种多入多出模型系统辨识激励信号优化设计算法,算法通过将多正弦曲线时域信号与其功率谱密度参数化,利用参数化后的激励信号在有限功率输入下进行激励信号优化;理论分析与仿真结果表明此方法可以有效提高估计模型的渐进方差性能。     

动压缸电液伺服压力系统自适应差分进化辨识

根据轨道路基测试装置工作原理,建立了动压缸电液伺服压力系统AMESim模型,理论推导出该系统传递函数。针对标准差分进化算法早熟问题,构造了一种可以自动调节变异因子、变异算子和交叉因子的自适应差分进化算法。设计了基于该系统AMESim模型的参数辨识方案,进行了自适应差分进化算法与其他算法的对比仿真,验证了该算法具有良好的辨识精度和收敛性,给出了动压缸负载开环传递函数辨识参数,并通过自适应差分进化算法获得了伺服阀系统开环传递函数辨识参数。最后给出了动压缸电液伺服压力系统传函参数,通过与该系统AMESim模型对比仿真,验证了该辨识参数的有效性。     

MIMO线性时变系统分段恒定矩阵参数模型辨识算法

针对多输人多输出线性时变系统参数模型的辨识问题,利用块-脉冲函数展开式和块-脉冲函数独特的脱关性和互换性等性质,采用一种新型的二值正交函数BPF,利用系统的状态方程,推导出简易线性时变系统的系统矩阵和输入矩阵的分段恒定矩阵的参数模型辨识算法.该辨识算法不受预先选定的时间分段数的限制,辨识可延续到任意需要时刻;当分段步长趋近于零时,各分段子区间的误差趋近于零,且由于误差在各个区间之间不传递,故该算法是稳定和收敛的.仿真实例验证了辨识算法的有效性.     

基于遗传小波神经网络的光电稳定平台系统辨识

针对光电稳定平台系统不能对航空平台姿态高频变化进行实时精确补偿,系统补偿特性不能精确获知的问题,提出了一种自适应差分遗传小波神经网络的系统辨识方法.该方法首先采用小波函数作为神经网络的激励函数,提高了神经网络的泛化能力和逼近能力;其次,对小波神经网络参数和结构进行染色体编码,用遗传算法解决了小波神经网络结构不易确定的问题;最后,采用自适应法计算交叉率和变异率,并利用差分变异方法重组染色体,提高了系统辨识的收敛速度.为了检验该方法的辨识效果,采用无人机外场试验数据对光电稳定平台系统进行辨识,辨识结果表明,该方法可有效地辨识出光电稳定平台系统.     

高速高精运动平台模型参数最小二乘辨识研究

针对高速高精运动控制对象模型参数辨识的问题,对辨识对象模型、最小二乘辨识算法和滤波器等内容进行了研究,提出了一种基于滤波器的最小二乘线性回归方程的辨识算法,即加入一个稳定的二阶传递函数,对系统输入输出数据进行了滤波处理,使辨识算法在噪声环境下能够减小失真且运行稳定.仿真与实验结果表明,最小二乘在有噪声的闭环运动控制系统中的辨识结果不收敛且失真,而加入滤波器的最小二乘算法能显著提高控制系统的稳定性及精确度,且满足其高速高精的要求.     

电液驱动Stewart平台模型参数辨识方法

电液驱动Stewart平台是一个多输入多输出复杂并联机构,各通道间存在严重负载交联耦合。在确定平台各通道性能参数时,按照简单的阀控缸系统进行理论计算或系统辨识,结果和实际情况相差极大,这严重影响平台控制系统的设计和系统性能的提高。为了解决上述问题,设计一种基于Levenberg-Marquardt寻优算法的六维互不相关信号激励的Stewart平台闭环辨识算法,并应用于电液驱动Stewart平台试验样机。试验结果表明该辨识算法准确地辨识出平台通道性能参数,取得较满意的辨识结果。     

空气焓差法试验台空调系统在线辨识算法的研究

对空气焓差法试验台空调系统的温度控制进行了动态特性分析并建立了数学模型.采用了带遗忘因子的递推最小二乘和基于零频率的模型匹配的联合辨识算法对空调系统进行在线辨识.仿真结果表明,该联合算法计算量较少,具有良好的辨识精度,可以不断提供试验台空调系统温度控制对象的实时模型.该辨识算法为空调对象的自适应控制提供了重要的手段.     

光电稳定平台伺服系统动力学建模与参数辨识

针对光电稳定平台伺服系统模型参数辨识问题,提出了线性和非线性模型参数分离辨识方法。在线性模型参数辨识过程中,利用差动逆M序列信号作为输入,相应的响应信号作为输出,并应用最小二乘方法辨识线性离散模型参数,从而降低非线性因素的影响。在非线性模型参数辨识过程中,以LuGre摩擦模型为基础,针对摩擦和不平衡质量相互耦合的问题,提出了考虑不平衡质量的LuGre模型静态参数辨识方法;然后,利用电流信号作为摩擦力测量值,对LuGre模型动态参数进行辨识,得到包含不平衡质量和动态摩擦的系统非线性部分模型参数。构建了单轴光电稳定平台实验系统,利用本文提出的方法对实验系统动力学模型参数进行了辨识。结果表明:质量不平衡力矩的辨识值为0.183N·m,略高于理论值0.18N·m,满足辨识精度要求。实验证实提出的辨识方法可以实现对模型线性与非线性参数的有效辨识。