压电陶瓷位移平台的复合控制方法研究

针对压电陶瓷(PZT)位移平台因迟滞特性而降低系统定位精度的问题,该文采用了一种带有前馈补偿的复合型控制方法。首先建立前馈模型,提出了一种分段式Prandtl-Ishlinskii(P-I)模型,并对所建平台迟滞模型求逆,其建模误差率在0.7%内;然后针对闭环回路设计了串联比例-积分(PI)模拟电路、滤波电路和检测电路,进一步提高了控制系统的响应速度和控制精度。实验结果表明,压电陶瓷位移平台在频率为100 Hz,行程为0~140 μm的情况下,基于前馈补偿的复合控制系统的平均绝对误差为0.039 μm,最大误差为0.16 μm;与仅有前馈控制相比,其控制精度提高了73.76%。     

基于电容传感器的精密压电微位移系统研究

利用高精度的电容传感器设计了一种带有位移反馈的压电陶瓷精密微位移系统,极大地矫正了压电陶瓷的非线性。设计了高精度的位移检测电路,实时采集电容传感器的电容量并转换成数字信号反馈给DSP,形成位移信息的闭环。结合带有前馈补偿的PID闭环控制策略,矫正压电陶瓷的非线性特性,进而实现微位移系统精密定位。对设计研制的微位移系统进行试验测试,结果表明:位移检测电路的电容分辨率可达0.000 1pF,微位移系统定位精度优于5nm,校正后迟滞误差低于1.0%。     

基于PI迟滞模型的压电陶瓷复合控制算法研究

为减小压电陶瓷的迟滞非线性对系统跟踪精度的影响,该文采用经典的存在逆解析的PI迟滞模型对压电陶瓷的迟滞特性进行建模,将PI模型的逆模型用于压电陶瓷的前馈控制算法中,然后设计了神经元比例、积分、微分(PID)反馈控制算法,将前馈控制算法与神经元PID反馈控制算法结合得到了压电陶瓷的复合控制算法。将仅含前馈的控制算法和复合控制算法在压电陶瓷的控制器上执行,实验结果表明,仅含前馈的控制算法的跟踪误差为1.256μm,而复合控制算法的跟踪误差仅为0.092μm,该复合控制算法使跟踪精度提高了1.164μm。     

压电陶瓷迟滞建模及控制仿真

为了提高压电陶瓷驱动器在调节光学谐振腔长度时的精度,设计了一种压电陶瓷驱动系统。同时,为了改善压电陶瓷的迟滞特性,利用Duhem迟滞模型对其进行建模,利用梯度下降法对模型参数进行辨识,得到迟滞模型;并利用逆模型补偿及比例、积分、微分(PID)复合控制方法进行控制。实验结果表明,Duhem模型可以有效地拟合压电陶瓷驱动器的迟滞,在15μm的范围内,最大拟合误差小于0.2μm;同时,在复合控制下,驱动器的最大控制误差为12nm,表明该复合控制方法的有效性。     

压电陶瓷驱动器迟滞建模与自适应控制

为了降低压电陶瓷驱动器的迟滞非线性,提出了改进型的Maxwell slip模型并引入自适应控制,使压电驱动器在宽频带下有良好的迟滞补偿效果。在经典Maxwell slip模型中,输出力与输入位移的关系会出现迟滞现象,表现为平行四边形,与压电陶瓷驱动器的迟滞特性接近。由于每一单元滑块的最大静摩擦力与弹簧弹性系数成比例关系,若弹簧系数取定值时,每一个单元的最大静摩擦力在系统实时控制中是不变的,因此可以采用自适应控制算法对输出信号权值进行更新,从而更精确地补偿压电陶瓷驱动器。为了验证该模型,搭建了悬臂梁结构压电实验平台,运用该迟滞模型进行迟滞补偿控制,实验结果表明,对于Maxwell slip模型自适应控制,在0.1~20 Hz宽频带下的均方根误差(RMSE)和绝对平均误差(MAE)均有减小。其中,在0.1 Hz下无前馈补偿控制的RMSE为0.037 5 μm,而通过自适应控制可以将压电微定位平台的RMSE降低到0.012 4 μm以内。与经典模型相比,所提出的Maxwell slip模型自适应控制具有在宽频带内进行精密定位的优点。     

压电微操作器的混合灵敏度H∞控制

针对压电微操作器的迟滞非线性补偿问题,采用PrandtlIshlinskii(PI)法建立了描述微操作器迟滞非线性特性的迟滞模型,并设计其前馈控制器。首先通过将系统逆补偿输出线性化,设计混合灵敏度H_∞控制器,使系统具有较好的动静态特性。其次搭建了由多自由度微动平台和末端柔性操作臂构成的压电微操作器系统,并进行一系列测控实验。结果表明,基于PI逆模型的前馈控制可以较好地补偿压电微操作器的迟滞非线性,在最大输出位移125 μm的情况下,最大迟滞非线性率由21.7%降低至7.4%。同时混合灵敏度H_∞控制能以较小的相对控制误差实现对不同类型和频率的参考轨迹跟踪,甚至微操作器动力学参数发生变化时,仍然具有较好的控制效果,证实了所提出控制器的可行性。     

采用变间隔阈值PI模型的压电平台前馈控制

为提高压电微动平台在运动过程中的定位精度,设计前馈控制器来控制平台输出位移。首先,根据压电微动平台迟滞曲线的特点,在不降低模型精度要求的前提下,对迟滞曲线非线性较大区域进行细密划分,对线性较好区域进行稀疏划分,进而建立了变间隔阈值的平台Prandtl-Ishilinskii(PI)迟滞模型;接着,通过对所建平台迟滞模型求逆,给出了平台的前馈控制算法;最后,将所设计的前馈控制器作用于平台,对其进行了实际控制。结果表明,在4μm的目标阶跃激励下,平台的响应时间为0.01s,无超调,稳态误差中线从无控制时的0.4~0.5μm减小为0~0.2μm;在最大值为20.7μm的幅值衰减三角波输入作用下,平台定位误差中线的最大正负差值从无控制时的3.82μm减小到1.15μm。所设计的控制器可有效减小压电微动平台的迟滞误差。     

压电叠堆执行器迟滞建模与前馈补偿研究

针对压电叠堆执行器输入电压与输出位移的动态迟滞特性,结合非对称静态Bouc-Wen迟滞模型,建立了压电叠堆执行器动态迟滞模型,并采用粒子群算法辨识出6个模型参数。为提高压电叠堆执行器动态位移输出精度,进一步推导出压电叠堆执行器迟滞逆模型,最终在此基础上对压电叠堆执行器进行前馈补偿研究。仿真与实验结果对比表明,在0~120V峰值电压与0~500Hz激励频率内,所建立的动态迟滞模型能够较好地描述与预测压电叠堆执行器的动态输出位移。前馈补偿实验研究结果表明,利用所建的迟滞逆模型补偿后,压电叠堆执行器的滞环减小,输出位移非线性度下降约3%。     

基于RBF神经网络的压电执行器迟滞建模

针对压电陶瓷执行器的迟滞非线性特性问题,该文提出了一种最小二乘法与径向神经网络相结合的建模方法。首先,通过搭建压电执行器位移测试系统,得到执行器输出位移与输入电压的对应曲线关系,然后用最小二乘法对该曲线进行多项式拟合,得到压电执行器的迟滞数学模型,在此基础上再用径向基函数神经网络方法对该模型进行优化。最后对建立的模型进行分析发现,用最小二乘法拟合的多项式数学模型,其最大误差Emax=0.244 7 μm,标准方差δ=0.059 02 μm,而利用径向基函数(RBF)神经网络优化建模后,Emax=0.079 89 μm,δ=0.016 04 μm。实验证明该模型有较高的准确性, 该文为压电执行器迟滞建模提供了一种新的方法。     

压电微夹钳的迟滞及蠕变补偿

为提高压电微夹钳的操作精度,对其迟滞及蠕变误差进行补偿。基于压电材料迟滞曲线的非对称性,为提高微夹钳迟滞模型的精度,采用升回程分别建模的方法,建立了微夹钳的Prandtl-Ishlinskii(PI)迟滞模型,对迟滞误差进行了补偿。在综合考虑模型简单且具有较高精度的前提下,采用二阶惯性环节建立了微夹钳的蠕变模型,设计出无需求蠕变逆模型的补偿器,对蠕变误差进行了补偿。实验结果表明,在最大位移为120μm时,钳指位移的迟滞误差由补偿前的-11.8～10.7μm减小为-1.7～1.0μm;在900 s作用时间内,钳指位移的蠕变由补偿前的4μm几乎减小为0。