Jiles-Atherton模型的超磁致 伸缩驱动器磁滞补偿控制

研究了磁滞补偿控制的方法,建立了基于Jiles-Atherton模型的磁滞补偿控制系统。介绍了Jiles-Atherton磁滞模型的主要思想及其主要参数,对该模型反向运动时磁化强度变化与磁场强度变化的对应关系进行了分析,并在此基础上,提出了利用磁滞环的宽度,通过重新给定反向起始点的迭代初值,实现磁滞补偿的方法。实验结果表明:对于阶跃响应,采用磁滞补偿时没有延迟,且达到稳态时间比不进行磁滞补偿时缩短12 ms;对于正弦响应,采用磁滞补偿时没有延迟,且均方误差比不进行磁滞补偿时提高了0.19 μm,能有效消除磁滞的影响,提高定位精度。     

宏微复合平台的微运动动态模型研究

宏微复合平台常应用于大行程运动和高精度定位的场合。基于对宏微复合驱动技术的的分析及研究,提出了一种音圈电机与压电陶瓷复合驱动的宏微复合运动平台结构,其中微运动平台采用压电陶瓷驱动和弹簧预紧,具有结构简单、分辨率高、刚度高和响应速度快等优点。针对微运动平台的主动控制问题,考虑压电陶瓷驱动器驱动电路以及滑块与摩擦复合作用的影响,建立微运动平台动态模型。通过微运动平台动态特性的实验研究,分析滑块与摩擦复合作用对微运动平台平稳性的影响。结果表明,该模型可快速缩短平台到达稳定的时间,满足平台精密定位要求。     

超磁致伸缩驱动器频率相关的动态磁滞模型

考虑超磁致伸缩驱动器频率相关的涡流损耗和异常损耗,将Jiles-Atherton静态磁化强度模型扩展为动态磁化强度模型。基于动态磁化强度模型及驱动器结构动力学原理,建立驱动器的动态磁滞模型,并应用遗传算法辨识该模型的参数。试验结果表明,该模型能在较宽的频率范围内较好地描述驱动器的动态磁滞特性,对驱动器的性能估计和控制器设计具有重要指导意义。     

基于混合遗传算法的磁控形状记忆合金驱动器磁滞模型优化

为了消除或减小磁滞非线性特性对磁控形状记忆合金驱动器定位精度的影响,应用BP神经网络建立了磁控形状记忆合金驱动器磁滞模型。针对BP网络算法存在的不足,以及网络结构、初始连接权值和阈值的选择对BP网络训练的影响很大等问题,提出一种混合遗传算法对神经网络磁滞模型的权值和阈值进行优化。将优化后的参数赋值给BP神经网络重新训练,结果表明,优化后的磁滞模型训练误差绝对值由25nm减小到5nm,有较好的收敛性。     

基于非线性GA算法的动态P模型的参数辨识与验证

针对现有的GMM-FBG电流传感器的磁滞非线性问题,提出了一种改进的动态Preisach磁滞模型。采用非线性遗传算法对改进动态Preisach磁滞数学模型进行参数辨识,提高了动态磁滞曲线的预测精度。运用改进动态Preisach模型对GMMFBG电流传感器进行建模及实验验证,实验及仿真结果表明该模型具有较好的预测性,预测误差在3.0%以内。经过磁滞补偿使得传感系统电流的测量灵敏度达到0.050 nm/A。     

基于IRLS算法的机器人动力学参数辨识

为提高机器人动力学参数辨识的准确性,提出了一种基于迭代加权最小二乘(Iterative Reweighted Least Squares, IRLS)算法的辨识方法。首先推导了机器人的线性动力学模型,随后提出了一种改进摩擦模型,并设计了改进傅里叶级数作为激励轨迹采集数据。为提升动力学参数辨识的准确性,在加权最小二乘法基础上进行改进,提出了IRLS算法对动力学参数进行辨识。最后以六自由度机器人为试验对象,进行了参数辨识试验。结果表明,基于IRLS算法的辨识方法与加权最小二乘法相比,前3个关节力矩误差的均方根(Root Mean Square, RMS)值降低了13.28%,后3个关节力矩误差的RMS值降低了28.57%,6个关节力矩误差的RMS值平均降低了17.15%,证明了基于IRLS算法的辨识方法的有效性。     

电动负载模拟器摩擦模型参数辨识方法

为实现电动负载模拟器的高精度控制,针对负载模拟器运行中受到的摩擦力影响问题,提出基于改进布谷鸟算法（improved cuckoo search algorithm,简称ICSA）的摩擦模型参数辨识方法。首先,搭建了电动负载模拟器试验样机,建立了动力学数学模型,并引入一种连续摩擦模型代替传统不连续摩擦模型;其次,将布谷鸟算法（cuckoo search algorithm,简称CSA）进行改进,在辨识中自动调整判定概率和步长的数值,提高了收敛速度和收敛精度;然后,通过逐点试验的方法得到了负载模拟器角速度范围为［-1,1］rad/s的摩擦力数据,并利用ICSA算法对摩擦力模型进行辨识;最后,进行了验证试验。试验结果表明： ICSA算法能准确快速地辨识出连续摩擦模型的6个参数,且收敛速度快、准确性高;当迭代达到最大迭代次数时,ICSA算法的目标函数值较CSA算法减小了45.2%。     

基于集总参数宏模型的微机械陀螺多域耦合分析

对微机械陀螺中静电、结构、空气阻尼等物理域进行有效分离，在分别对各域进行数值模拟的基础上提取相应的物理参数，建立集总参数模型。在考虑边缘效应的情况下，提取了微结构电容与位移的解析表达式；根据热一流体类似方法，提取了阻尼孔结构的阻尼系数和压膜刚度；根据结构动力学理论，由模态分析提取结构的有效刚度和有效质量。将这些物理参数综合在系统仿真器中与外围电路共同进行仿真，准确地评估不同条件下微机械陀螺的行为特性。     

压电驱动器的改进PID算法控制

因迟滞、非线性等固有缺陷的存在，开环应用时压电驱动器的动态响应性能很差。以上问题可以通过闭环控制加以解决。在对压电驱动器物理特性分析的基础上，本文提出了一种适合于压电驱动器的改进算法，并用软件加以实现。实际对比测量表明，改进后的算法对提高压电驱动器的动态性能有一定的作用。     

基于改进灰狼优化算法的金刚石刀具磨损状态识别方法

传统金刚石刀具磨损状态识别方法容易受到外界干扰,导致金刚石刀具磨损状态识别效率低、误检率高,为此提出了基于改进灰狼优化算法的金刚石刀具磨损状态识别方法.利用属性权重去除金刚石刀具磨损状态数据中的冗余数据,对金刚石刀具磨损状态进行初步异常识别,将粒子群算法引入金刚石刀具磨损状态特征选择中.通过计算金刚石刀具磨损状态特征的...     

压电驱动器的改进PID算法控制

因迟滞、非线性等固有缺陷的存在,开环应用时压电驱动器的动态响应性能很差.以上问题可以通过闭环控制加以解决.在对压电驱动器物理特性分析的基础上,本文提出了一种适合于压电驱动器的改进算法,并用软件加以实现.实际对比测量表明,改进后的算法对提高压电驱动器的动态性能有一定的作用.     

基于改进灰狼算法的轮毂电机矢量控制

针对电动汽车运行状态变化时轮毂电机产生的超调以及振荡问题,提出一种基于改进灰狼算法的轮毂永磁同步电机矢量控制系统PID参数自整定的方法。将原始灰狼算法中线性递减的收敛因子改进为基于余弦规律变化,加入影响更新的权值系数,提升算法性能。在此基础上,设计一个振荡超调惩罚项加入,改进适应度函数,有效地改善振荡和极大超调的现象。对轮毂永磁同步电机动态模型进行仿真研究,结果表明优化效果良好,系统响应速度和鲁棒性得到提升,超调量和稳态误差明显降低,验证了所提方法的优越性,是电动汽车轮毂电机驱动的一种理想策略。     

基于Krylov子空间的微混合器宏模型设计与仿真

获得宏模型是微混合器设计与仿真的关键。将Navier-Stokes方程和对流扩散方程用有限元方法进行离散化处理,应用Krylov子空间的Arnoldi过程对得到的微分-代数方程组降阶处理,提取出宏模型。仿真结果表明,经过降阶处理得到的宏模型保证了微混合器的输出精度,降低了计算复杂度。     

压电微定位台的率相关动态迟滞建模及参数辨识

针对压电微定位台固有的率相关迟滞非线性严重限制其微定位精度的问题,研究了基于Backlash-Like的Hammerstein率相关迟滞非线性模型及其建模方法。以改进的Backlash-Like分段辨识模型描述压电微定位台的静态非线性特性,结合ARX(Auto Regressive eXogenous)模型,建立描述压电微定位台的率相关动态迟滞模型。同时,针对传统的粒子群算法(Particle Swarm Optimization,PSO)进行模型参数辨识时易陷入局部最优的问题,提出一种具有交叉变异策略的改进型粒子群算法进行模型的参数辨识。实验结果表明:与传统的Backlash-Like模型相比,改进的Backlash-Like分段辨识模型在输入电压为60V,频率为2Hz的信号时,模型辨识的最大误差由0.68μm下降到了0.104μm,最大相对误差由2.69%下降为0.35%。当压电微定位台输入电压为60V,频率分别为30Hz,60Hz和90Hz的单频信号时,Hammerstein率相关迟滞模型较Backlash-Like分段辨识模型,均方根误差由0.393 1～0.700 6μm下降至0.054 1～0.190 4μm,相对误差由1.721%～3.087%下降至0.236%～0.831%。验证了基于改进Backlash-Like的Hammerstein率相关迟滞模型较传统的Backlash-Like静态迟滞模型能精确地描述压电微定位台的率相关动态迟滞特性,具有较好的频率泛化能力,提高了压电微定位平台的定位精度。     

基于参数k计算改进Jiles-Atherton模型参数识别研究

Jiles-Atherton模型是研究磁滞回线的重要理论,但在使用过程中存在理论参数难以确定的问题。针对目前公式法需要较精确的初始值以及严格的迭代顺序,而优化算法在计算时计算时间过长且精度较差的问题,根据J-A理论中关于钉扎能的假设以及参数k的定义,改进了k的计算方法,在J-A模型5个参数间建立函数关系,为优化元启发式算法提供了理论依据。用该方法与粒子群算法(PSO)耦合,可直接计算k并进行合理性判别,对不合理的J-A参数值进行拦截从而提高运算精度和效率。对文献报道数据进行拟合计算,结果表明：该耦合粒子群(CPSO)通过对不合理的值拦截,不但大幅度提高计算效率,而且同时忽略了不合理数值计算对适应度值扭曲效应,大幅度提高计算准确度。进而用CPSO算法对硅钢材料的实测磁滞回线进行了拟合,实验结果验证了该计算方法的精确性、有效性。     

运用改进的教学-模拟退火算法辨识关节臂式三坐标测量机的结构参数

为了提高关节臂式三坐标测量机的精度,降低其运动不确定度,提出了一种改进的教学-模拟退火混合优化算法来辨识其结构参数并补偿其误差,从而提高其精度。分析了教学算法(teaching-learning-based optimization, TLBO)的优缺点并对其进行改进从而得到改进的教学算法;提出了一种收敛精度转换准则,将改进的教学算法(modified TLBO, mTLBO)和模拟退火算法(simulated annealing, SA)融合得到改进的教学-模拟退火算法(mTLBO-SA);基于此理论和单点重复率误差实验,分别用TLBO、SA和mTLBO-SA对关节臂式三坐标测量机的结构参数进行了辨识;分别用辨识前后的关节臂式三坐标测量机再次进行单点重复率误差实验,并比较相应的实验结果。实验结果表明,所提算法能有效且高效地辨识关节臂式三坐标测量机的结构参数,进而有效提高其定位精度,降低其运动不确定度。     

基于Prandtl–Ishlinskii模型的超磁致伸缩驱动器实时磁滞补偿控制研究

针对超磁致伸缩驱动器(GMA)存在复杂的磁滞非线性易降低系统性能,导致系统不稳定的问题,建立了可以精确描述磁滞现象的模型并提出了合适的驱动控制方法。首先,基于Prandtl-Ishlinskii(PI)模型对GMA磁滞建模,并采用最小均方法(LMS)进行模型参数辨识,模型预测误差为0.037 9 μm。接着,通过对PI模型解析求逆进行实时补偿控制,从而有效减小磁滞误差,补偿控制误差为0.309 μm。实验结果证明,PI模型可以精确描述GMA磁滞现象,且具有计算简单,磁滞跟踪能力强的优点。基于该模型的实时磁滞补偿控制方法可以有效减小磁滞误差,提高GMA实时驱动定位控制精度,是实现GMA精密驱动控制的一种有效方法。     

基于LuGre模型和遗传算法的阀门阻尼参数辨识

研究由阀门阻尼测试系统的实测数据辨识阀门摩擦副的阻尼参数。阀门摩擦副的动态阻尼特性的测试和参数确定通常比较困难。LuGre摩擦模型能够精确地描述摩擦特性,模型中包含六个静、动态阻尼参数,参数之间存在耦合。通过遗传算法对静态阻尼参数和动态阻尼参数作两步辨识。分别对选择交叉和变异算子进行改进,解决了局部收敛的问题。实验结果表明,辨识得到的阻尼参数可以精确地描述阀门的实际运动状态。