迟滞非线性系统的建模与控制

介绍了对不平滑、多映射迟滞非线性系统的研究成果,重点阐述了迟滞建模与控制器设计的研究现状.详细地分析比较了Preisach模型和线性迟滞模型优缺点.在控制器设计方法方面,比较了常用的两类基于逆模型补偿方案的特点、差别和适应范围,并扼要论述了其他控制方案.最后,对迟滞研究中仍需解决的问题和未来发展方向进行了探讨.     

基于Preisach模型的迟滞系统建模与控制

针对一种复杂的非线性系统一迟滞系统,研究了基于KP算子Preisach模型对迟滞系统进行建模的方法。利用Preisach模型与其边界线之间的映射关系,建立了容易在线更新的迟滞模型。基于Preisach模型进行迟滞非线性系统的控制,采用PID方法来控制一类带有未知非线性特性迟滞的单输入单输出非线性系统。对迟滞非线性系统的建模与控制进行的数值仿真研究结果表明,该迟滞非线性系统的建模和控制方法具有理论意义和应用价值。     

率相关迟滞非线性系统的智能化建模与控制

提出一种新的率相关迟滞非线性系统的建模方法,并对其在超磁致伸缩作动器建模中的应用进行了研究.与已有的方法比较,所建的模型结构简单.与实验结果对比,模型可以很好地描述作动器对于复合频率输入信号的迟滞非线性.基于模糊树模型,结合神经网络中的逆向学习和专门化学习,提出了一种直接逆模型控制器设计方法.首先离线辨识对象的逆模型作为初始的控制器,然后与对象串联,用LMS算法在线调节控制器中的线性参数.将该方法应用到超磁致伸缩作动器的跟踪控制中,数值仿真结果表明了方法的正确性和可行性.     

基于状态观测器的迟滞非线性系统输出反馈控制

利用Preisach模型与其边界线之间的映射关系建立了容易在线更新的迟滞模型．将模型和径向基网络相结合，针对一类动态多映射迟滞非线性系统设计了输出反馈控制器．应用LyaPunov定理得到系统控制律和神经网络权值更新律，从而保证了闭环系统的跟踪误差及网络权值偏差收敛到原点的某个有界邻域内．     

对Preisach类的迟滞非线性神经网络建模

为了消除迟滞非线性对系统的不良影响,本文利用神经网络对Preisach类的迟滞非线性进行建模．通过引入一个特殊的迟滞因子,将多映射的迟滞非线性转换成一一映射,然后建立了基于神经网络的迟滞非线性模型．该模型结构简单,简化了辨识过程,可以调整神经网络权值以适应不同条件下的迟滞辨识．最后．应用该方法对压电执行器中的迟滞非线性建模,并与KP模型进行了比较．     

一类奇异非线性变结构控制系统的跟踪问题

首次利用变结构控制方法研究了一类奇异非线性系统的模型跟踪问题，在不同情况下，通过引入动态补偿器的概念，设计了奇异模型跟踪系统的切换函数，得到了在切换面上实现跟踪的条件，然后利用趋近律方法设计了变结构控制，以保证在切换面外的运动在有限时间到达切换面，通过滑动运动实现跟踪，最后讨论了参数模型为正常系统的线性定常奇异系统的跟踪问题。     

未知控制方向的迟滞非线性系统预设自适应控制

针对一类含有迟滞特性的未知控制方向严反馈非线性系统,设计了基于误差变换的反步自适应控制器.首先提出动态迟滞算子来扩展输入空间建立神经网络迟滞模型.然后利用径向基函数(RBF)神经网络逼近未知函数,并引入Nussbaum型函数来解决系统未知控制方向问题.最后采用误差变换将误差限定在预设的范围内,并利用反步法设计自适应控制器.该控制方案不仅能够保证跟踪精度,还可以提高系统暂态和稳态性能.仿真结果表明了控制方案的可行性.     

迟滞非线性动态系统神经网络自适应控制

为了减轻非线性动态系统中未知迟滞(Hysteresis)的不良影响,该文提出了一类Backlash型迟滞模型。将有限数量不同宽度的Backlash(Matlab／Simulink)算子进行叠加,来仿真执行器中的迟滞非线性动态。用此模型,提出了基于径向基函数神经网络的自适应控制方案,以控制伴有未知迟滞的非线性动态系统。该方案采用了动态逆的思想及伪控制的概念。利用Lyapunov稳定理论,设计了两个鲁棒控制项,保证动态系统的稳定性、系统中所有信号有界和误差收敛到起点的领域内。通过Matlab／Simulink仿真实验,证明了所提出方案的有效性。     

基于Preisach模型的深度学习网络迟滞建模

针对传统压电扫描器迟滞模型泛化能力较弱的问题,提出了一种基于Preisach模型的深度学习网络来建立迟滞模型,提高了模型的学习能力和泛化能力.具体而言,首先利用深度学习在深度特征提取方面的优势,建立包含卷积层、池化层、展开层以及深度特征层的深度学习层来提取输入电压信号的特征信息;其次,利用傅里叶变换层计算得到输入信号的频率,并将频率输入到非线性层,构造并输出了与输入信号频率相关的非线性项,该非线性项作为权值函数与Preisach模型的迟滞单元输出相乘,并将乘积叠加得到了频率相关的模型输出向量;最后,将深度学习层输出的特征向量与Preisach模型输出向量点乘,即可得到深度学习网络的最终输出位移.同时利用电容位移传感器采集的16组输入输出信号对深度学习网络进行训练,得到了网络中的权值参数,并利用其他8组输入输出数据对深度网络进行测试,训练和测试结果表明,本文所提出的基于Preisach模型的深度学习网络在得到高精度迟滞模型的同时,提高了模型的泛化能力.     

压电陶瓷迟滞神经网络建模与线性补偿控制

针对压电陶瓷的迟滞非线性,本文首先进行实验测量得到压电陶瓷的位移迟滞数据;通过分析实验数据,引入线性方程实现压电陶瓷输入电压与输出位移关系的线性化,并建立了基于多项式拟合算法的神经网络迟滞模型;根据迟滞模型设计前馈控制器,分别采用了前馈开环和前馈结合PID的方法对压电陶瓷迟滞非线性进行补偿控制实验.实验结果表明,采用前馈开环控制,压电陶瓷位移主环迟滞减小了91.84%,位移次环迟滞减小了85.67%,位移跟踪的平均相对误差为2.97%;采用前馈结合PID控制,压电陶瓷位移主环迟滞减小了96.42%,位移次环迟滞减小了88.44%,位移跟踪的平均相对误差为2.04%.证明了该控制方法能有效地抑制压电陶瓷的迟滞非线性.     

Modeling and Tracking Control for Piezoelectric Actuator Based on a New Asymmetric Hysteresis Model

This paper presents a new asymmetric hysteresis model and its application in the tracking control of piezoelectric actuators. The proposed model is based on a coupled-play operator which can avoid the conventional Prandtl-Ishlinskii (CPI) model's defects, i.e., the symmetric property. The high accuracy for modeling asymmetric hysteresis is validated by comparing simulation results with experimental measurements. In order to further evaluate the performance of the proposed model in closed-loop tracking application, two different hybrid control methods which experimentally demonstrate their performance under the same operating conditions, are compared to validate that the hybrid control strategy with proposed hysteresis model can mitigate the hysteresis more effectively and achieve better tracking precision. The experimental results demonstrate that the proposed modeling and tracking control strategy can realize efficient control of piezoelectric actuator.      

基于状态全反馈的动态迟滞非线性系统自适应控制

该文针对不平滑、多映射动态迟滞非线性系统，提出了一种基于神经网络自适应控制方案。在该方案中，通过利用神经网络来逼近模型误差，避免了目前常用逆模型补偿方案中，需求取复杂逆模型的问题。应用Lyapnov稳定定理，证明了整个闭环系统的跟踪误差及神经网络权值将收敛到零点一个有界邻域内。仿真结果表明，所提出的控制方案能够有效补偿迟滞非线性对系统的影响。     

On the Control of Plants with Hysteresis: Overview and a Prandtl-Ishlinskii Hysteresis Based Control Approach

The development of control techniques to mitigate the effects of unknown hysteresis preceding with plants has recently re-attracted significant attention. In this paper, we first give a brief review of presently developed hysteresis models and hysteresis compensating control methods. Then, with the use of the Prandtl-Ishlinskii hysteresis model, we propose a robust adaptive control scheme. The novelty is that the model of hysteresis nonlinearities is firstly fused with the available control techniques without necessarily constructing a hysteresis inverse. The global stability of theadaptive system and tracking a desired trajectory to a certain precision are achieved. Simulations performed on a nonlinear system illustrate and clarify the approach.     

SVD‐Based Accurate Identification and Compensation of the Coupling Hysteresis and Creep Dynamics in Piezoelectric Actuators

In this paper, the coupling hysteresis and creep in piezoelectric actuators are identified and compensated for accurate tracking. First, we present the coupling hysteresis and creep model in smart actuators. Next, a complete identification strategy is designed according to the properties of the Preisach model. Then, an approach for parameter updating of the coupling model is provided. With the identified hysteresis and creep, the model‐based inversion compensation is designed. Finally, we apply the model identification and compensation to a piezoelectric stage to demonstrate the effectiveness of the proposed approaches. Significant reduction of the tracking error is achieved with the model‐based inversion feedforward compensator in which the relative errors at 10 Hz and 50 Hz are reduced to 1.85% and 4.53%, respectively. In addition, the model‐based feedforward is augmented with an integral feedback controller. With the composite controller, the relative errors at 10 Hz and 50 Hz are reduced to 0.42% and 3.04%, respectively.     

用于机器人轨迹跟踪的结构控制

实际机器人控制过程中,不确定参数及外部干扰几乎总是存在的,研究考虑了这些因素的机器人控制问题,在理论及应用中都有重要意义。本文考虑了存在外扰及不确定参数时,机器人的轨迹跟踪问题,利用变结构控制理论,结合机器人自身的结构特点,研制了两组控制规律,它一方面对外扰不敏感,另方面不要求精确的机器人参数,也勿需对参数辨识,因而运算简单,易于实现,理论分析及仿真试验都证明了所给控制能保证渐近轨迹跟踪。     

不匹配不确定性系统的近似变结构输出跟踪控制

针对一类具有不匹配不确定性的非线性系统,提出一种结合变结构控制方法及自适应控制方法输出跟踪控制器。首先提出一种保证不确定性系统跟踪误差指数稳定的近似变结构控制器;进而得到一种具有不确定性范数上界估计能力的自适应近似变结构控制器,并证明了所提出的自适应近似变结构控制器使跟踪误差在时间趋于无穷时收敛于零。     

基于Prandtl-Ishlinskii模型的一类回滞非线性系统自适应控制

对带回滞驱动的一类单输入单输出的非线性不确定系统,本文采用Prandtl-Ishlinskii模型描述回滞特性,采用反步递推设计方法,实现自适应控制器的设计.仿真结果说明控制方法的有效性.     

Operator-Based Robust Nonlinear Control for SISO and MIMO Nonlinear Systems With PI Hysteresis

In this paper, operator based robust nonlinear control for single-input single-output (SISO) and multi-input multi-output (MIMO) nonlinear uncertain systems preceded by generalized Prandtl-Ishlinskii (PI) hysteresis is considered respectively. In detail, by using operator based robust right coprime factorization approach, the control system design structures including feedforward and feedback controllers for both SISO and MIMO nonlinear uncertain systems are given, respectively. In which, the controller design includes the information of PI hysteresis and its inverse, and some sufficient conditions for the controllers in both SISO and MIMO systems should be satisfied are also derived respectively. Based on the proposed conditions, influence from hysteresis is rejected, the systems are robustly stable and output tracking performance can be realized. Finally, the effectiveness of the proposed method is confirmed by numerical simulations.