超磁致驱动器迟滞系统逆模补偿控制

设计了超磁致驱动器和实验系统。针对超磁致伸缩执行器的磁滞非线性问题，对迟滞系统进行了可逆性分析后，采用BP神经网络对超磁致驱动器的迟滞特性建立了逆模型。分别进行了有逆模前馈的开环控制、传统PID控制和PID加逆模前馈的闭环控制来补偿迟滞特性。实验结果表明，逆模前馈补偿器有效地减小了系统的非线性误差，提高了执行器的控制精度。     

压电陶瓷驱动器的复合控制方法研究

针对压电陶瓷驱动器中的迟滞非线性特性,提出一种提高压电陶瓷执行器定位精度的复合控制方法。建立了非等间隔阈值的Prandtl-Ishilinskii(PI)迟滞模型,通过自适应差分进化算法进行系统辨识,求取参数并建立逆模型。考虑到压电陶瓷迟滞非线性特性随输入信号频率变化的特点,采用融合PI逆模型前馈控制与滑模控制的复合控制方法用于压电陶瓷的精密驱动。实验结果表明,相比逆模型前馈和PID结合的复合控制方法,采用逆模型前馈和滑模复合控制方法,平均误差下降了0.0300μm,均方根误差下降了0.0346μm,能有效克服压电陶瓷迟滞非线性,提高系统跟踪性能。     

复合前馈补偿的超磁致伸缩执行器精密伺服控制

研究了一种内嵌超磁致伸缩执行器(GMA)的智能镗削装置,针对GMA迟滞非线性,给出了一种基于复合前馈补偿的精密伺服控制方法。简要介绍了经典Preisach迟滞数值模型的实现方法,给出了一种基于迭代的迟滞非线性补偿方法以避免直接求取Preisach逆模型。讨论了迭代算法的实现步骤,验证了算法的可行性。分析了异圆销孔的镗削加工特点,在迭代补偿的基础上设计了重复控制补偿器,并结合两种补偿方法,给出了一种基于复合前馈补偿的PID控制方法,最后通过实验检验了方法的有效性。实验结果表明:在开环情况下,所给的迭代算法可以将GMA的迟滞非线性由补偿前的-15.7%~+11.8%减小到-4.6%~+5.2%,而基于复合前馈补偿的PID控制则可将误差进一步减小到±1 μm以内。实验表明,迭代补偿算法是有效的,该算法在补偿迟滞非线性的同时可避免直接求取Preisach逆模型,而基于复合前馈补偿的PID控制方法还可进一步提高GMA的控制精度。     

压电微动工作台的位移复合控制

为解决稳态精度和稳定性之间的矛盾,提高压电陶瓷执行器的控制性能,进而提高其驱动的微动工作台的定位精度,构造了一种前馈补偿同反馈调节相结合的复合控制算法。其中,前馈补偿为基于压电陶瓷执行器迟滞非线性模型的前馈控制,通过自学习算法来实现,用来补偿压电陶瓷执行器的迟滞非线性,提高对参考位移信号的跟踪能力;反馈调节为PID反馈控制,用来进一步校正前馈补偿没有消除的偏差以及由模型的不确定性所引起的误差,且为了减小积分饱和作用以及微分对扰动的敏感性,对PID算法进行了改进,使之成为一种变系数积分与加权微分的PID算法。试验验证了该算法的有效性,并将该算法同其他控制算法——开环控制、前馈控制、PID 反馈控制进行了对比试验研究,结果表明,复合控制算法比其他控制算法具有更好的性能。     

超磁致伸缩执行器位移模型的参数辨识

准确辨识模型参数是提高超磁致伸缩执行器位移控制精度的关键,针对单一算法难以实现对超磁致伸缩磁滞非线性模型参数准确识别的问题,将遗传算法与模拟退火算法融合,首先利用遗传算法的快速搜索能力得到一个较优群体,再利用模拟退火算法的突跳能力对整个群体进行优化调整,并在算法中引入最优保留策略和动态步长搜索方法,提出一种改进的遗传模拟退火算法,并将其应用于对超磁致伸缩执行器位移磁滞非线性模型参数辨识。该算法兼具遗传算法和模拟退火算法的优点,既有较快的收敛速度,又提高了辨识精度和最优解质量。通过试验验证,超磁致伸缩棒伸长量的模型计算结果与测量值符合程度较好,平均相对误差为3.85%,该方法能方便有效地辨识模型参数。     

超磁致伸缩执行器的自由能磁滞模型的优化算法研究

介绍了超磁滞伸缩执行器的自由能磁滞模型,对该自由能磁滞模型的数值计算进行了具体分析,由此提出了该自由能磁滞模型的四种数值实现方法;比较了四种数值实现方法的计算精度和计算效率,并与已有文献的实验结果和计算结果对比,得出近似Gauss-Legendre积分法进行积分离散化与矩阵表示法实现核函数相结合的方法在保证计算精度的同时,大大缩短了运算时间,是超磁致伸缩执行器的自由能磁滞模型的四种数值实现方法中的最优算法。     

Preisach磁滞模型在超磁致伸缩驱动器中的应用研究

在对所设计的超磁致伸缩驱动器(GMA)结构与其工作中磁滞非线性现象详细介绍的基础上,利用Preisach经典模型分析建立了能精确描述GMA磁滞特性的Preisach磁滞预测数值模型,设计了其输入校正迭代算法逻辑,并经定位实验成功,验证了对GMA工作的非线性补偿,有效提高了GMA输出位移的精确性。     

压电陶瓷执行器迟滞非线性补偿与最优控制

为提高空间望远镜精密稳像系统中压电驱动快摆镜(FSM)的摆动精度,对压电陶瓷执行器迟滞非线性补偿和控制技术进行研究。针对压电迟滞的非对称性以及Duhem模型求逆过程复杂的问题,对Duhem模型中的微分方程进行变换,直接建立Duhem非对称逆迟滞模型作为迟滞前馈补偿器,并利用免疫差分进化算法辨识模型参数。在Duhem逆模型补偿压电静态迟滞非线性的基础上,引入基于优化参考跟踪的线性二次型高斯(LQG-ORT)控制方法进一步提高压电执行器的动态定位精度,采用动态迟滞率相关自回归各态历经模型(ARX)建立状态空间方程,用于卡尔曼滤波器预测状态变量和控制器计算状态变量的最优控制系数矩阵。实验结果表明：直接建立的Duhem非对称逆迟滞模型能有效描述压电执行器非对称逆迟滞曲线,拟合均方根误差为0.635 9 V(0.5 Hz),相对误差为0.79%(0.5 Hz);实时跟踪幅值为24μm,频率范围1～80 Hz的目标位移信号,LQG-ORT算法的跟踪误差为0.065 5μm,相对误差为0.27%。     

基于LuGre模型的二自由度摆头摩擦补偿

混联机床中二自由度摆头存在的非线性摩擦力矩严重影响加工精度.LuGre模型具有非线性摩擦描述能力,但模型复杂,参数辨识难度较大.本文提出一种改进型量子遗传算法可取得比传统遗传算法更高的辨识精度,并设计了基于模型的前馈补偿策略.为解决不确定因素导致的参数波动,将LuGre前馈补偿和模糊PID相结合,提高了补偿器的鲁棒性....     

压电执行器动态迟滞建模与LQG最优控制器设计

为提高空间天文望远镜稳像系统中压电快摆镜(Fast Steering Mirror,FSM)的动态性能,对压电执行器(Piezoelectric Actuator,PZT)动态迟滞补偿和控制进行研究。鉴于基于广义Play算子Prandtl-Ishlinskii(PI)模型的求逆复杂性和迟滞曲线的非对称性,构造一种基于广义Stop算子PI逆模型来补偿压电执行器迟滞非线性。采用Hammerstein模型对压电执行器动态迟滞特性进行建模,以广义PI模型和自回归遍历模型(Auto-regressive Exogenous Model,ARX)分别表征Hammerstein迟滞模型中的静态非线性和率相关性,并针对迟滞率相关模型不确定性问题,提出一种前馈补偿和线性二次型Gauss最优控制算法(Linear Quadratic Gaussian,LQG)相结合的复合控制策略。利用自适应差分进化算法(Adaptive Differential Evolution algorithm,ADE)辨识和整定模型及控制器参数。实验结果表明:该动态迟滞模型能够有效描述1～100Hz频率范围内压电执行器迟滞曲线,拟合均方根误差为0.077 1μm(@1 Hz)～0.512 3μm(@100Hz),相对误差为0.31%(@1Hz)～2.09%(@100Hz);实时跟踪幅值为24.5μm的变频目标位移,LQG控制算法的跟踪精度相比于直接前馈控制和PID控制分别提高48.6%和27.02%。     

自适应光学系统中倾斜镜的自适应逆控制

为了克服自适应光学系统中倾斜镜的迟滞响应,提高响应的线性度,改善倾斜镜的控制精度,研究了倾斜镜的迟滞非线性效应。提出了一个基于频率相关的Mutified-Prandtl-Ishlinskii(MPI)模型的补偿方法来在线自适应逆补偿倾斜镜的迟滞非线性。结合反馈PID控制构成了自适应逆前馈复合控制方案,其中自适应逆前馈克服了由于频率等因素引起的迟滞曲线变化,反馈PID则改善了整体的控制性能。建立了倾斜镜二阶系统模型来估计倾斜镜系统的输出,解决了MPI模型参考信号的问题,避免了增加额外前馈传感器,保证了光能量的利用率。实验结果表明,倾斜镜系统15 Hz非线性迟滞率由原来的24.28%降为1.17%,线性度提高了约95%,控制精度较传统PID方法提高了约60%。该方法能够有效补偿倾斜镜的迟滞非线性,提高了自适应光学系统中倾斜镜的校正精度。     

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。     

基于神经网络的超磁致伸缩智能构件滑模控制

提出了一种利用超磁致伸缩材料（giant magnetostrictive material GMM）智能构件精密加工活塞异形孔方法。 为了消除GMM智能构件迟滞非线性影响,提出一种神经网络前馈复合离散滑模变结构控制策略,实现GMM智能构件的精密位移控制。将智能构件的输出位移及其变化率作为小脑模型神经网络（CMAC）输入,构件的输入电流作为网络输出,利用CMAC在线自学习能力建立GMM智能构件的迟滞逆模型,神经网络的建模近似误差以及外界干扰通过离散滑模变结构控制器来消除。仿真结果表明此控制策略能在线建立智能构件的迟滞逆模型,消除迟滞非线性的影响,可实现智能构件的精密位移控制。     

用神经网络结构实现超磁致伸缩智能构件滑模控制

提出了一种利用超磁致伸缩材料(GMM)智能构件精密加工活塞异形孔的方法.采用一种神经网络前馈复合离散滑模变结构控制策略,实现GMM智能构件的精密位移控制,消除了GMM智能构件迟滞非线性的影响.将智能构件的输出位移及其变化率作为小脑模型神经网络(CMAC)输入,构件的输入电流作为网络输出,利用CMAC在线自学习能力建立GMM智能构件的迟滞逆模型;通过离散滑模变结构控制器来消除神经网络的建模近似误差以及外界干扰.仿真结果表明,此控制策略能在线建立智能构件的迟滞逆模型,消除迟滞非线性的影响,控制误差降低到1.5%以内,可实现智能构件的精密位移控制.     

基于CMAC网络的主动隔振控制技术

针对主动隔振系统存在非线性,提出一种基于CMAC神经网络控制器的主动控制方法。由于系统的次通道使得控制器参数无法直接利用振动误差信号来调整,提出一种改进的同时扰动自适应算法,并证明该算法在数学期望上是一种随机梯度法。针对系统的非线性情况进行了仿真和试验研究,结果表明:与传统的FXLMS自适应前馈控制方法相比,所提出的方法对于存在非线性的周期性振动的隔振效果明显。     

超磁致伸缩致动器的小脑神经网络前馈逆补偿-模糊PID控制

针对超磁致伸缩致动器(GMA)在精密致动控制中存在的迟滞和位移非线性,提出了小脑神经网络(CMAC)前馈逆补偿结合模糊PID控制的新策略。通过小脑神经网络(CMAC)学习获得超磁致伸缩致动器动态逆模型用于对超磁致伸缩致动器迟滞非线性进行补偿;利用模糊PID控制降低小脑神经网络(CMAC)学习时的误差和抑制扰动,提高系统的跟踪控制性能,从而实现超磁致伸缩致动器的精密致动控制。仿真和实验结果表明:所采用的控制策略有效地消除了迟滞非线性的影响,系统的跟踪误差降低到了5%以下,而位移跟踪误差均方差仅为0.58。此外,这种策略的特点是学习和控制同时进行,控制系统能够适应被控对象动态特性的变化,使系统具有较强的鲁棒性,同时也能够有效地抑制外界的干扰,提升系统的自适应控制性能。     

叠堆式压电陶瓷驱动器的复合控制

提出了逆Bouc-Wen前馈控制与反馈控制相结合的复合控制算法,用于改善压电陶瓷驱动器对目标轨迹的跟踪性能。建立了压电陶瓷驱动器的Bouc-Wen迟滞动力学模型,并用粒子群算法(PSO)对该模型的参数进行识别。基于Bouc-Wen迟滞模型,提出了逆Bouc-Wen前馈补偿控制。最后,为消除迟滞模型的不确定性,引入比例积分(PI)反馈控制,并与前馈补偿控制构成复合控制算法。建立了基于dSPACE实时系统的压电陶瓷驱动实验平台,迟滞实验结果表明:压电陶瓷的迟滞误差量几乎为0,线性度高达96.5%;目标轨迹跟踪实验结果表明:复合控制算法的最大跟踪误差为0.180 5μm,均方根(RMS-Root mean square)跟踪误差为0.055 4μm,跟踪精度达到了10-8 m。相比于开环控制、前馈控制及PI反馈控制,提出的复合控制算法能够基本消除压电陶瓷的迟滞非线性,同时具有很好的轨迹跟踪性能。