超磁致伸缩作动器的率相关Hammerstein模型与H∞鲁棒跟踪控制

利用Hammerstein模型对超磁致伸缩作动器（Giant magnetostrictive actuators,GMA）的率相关迟滞非线性进行建模,分别以改进的 Prandtl-Ishlinskii（Modified Prandtl-Ishlinskii）模型和外因输入自回归模型（Autoregressive model with exogenous input,ARX）代表Hammerstein模型中的静态非线性部分和线性动态部分,并给出了模型的辨识方法. 此模型能在1～100Hz频率范围内较好地描述GMA的率相关迟滞非线性. 提出了带有逆补偿器和H∞鲁棒控制器的二自由度跟踪控制策略,实时跟踪控制实验结果证明了所提策略的有效性.     

磁盘读取系统的神经网络控制

该文根据磁盘读取系统的结构，建立了它的物理模型，并指出其存在非线性因素的原因。由于经典控制方法对于非线性系统效果不是很好，因此使用MATLAB神经网络工具箱中的NARMA—L2控制模块进行控制，并利用Simulink可视化建模工具平台设计了整个控制系统。对神经网络控制器进行了训练，并利用经过训练的神经网络控制磁盘读取系统。仿真的结果表明，神经网络NARMA—L2控制模块能够满足含有非线性因素的磁盘读取系统的控制要求。     

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。