压电陶瓷执行器Preisach模型的分类排序实现

通过实验研究了压电陶瓷执行器迟滞的擦除特性和一致特性,提出了一种新的分类排序实现方法,改善了经典Preisach模型在非单调极值输入信号下描述迟滞输入输出特性的能力,消除了传统Preisach模型实现形式对输入信号的限制条件。实验表明,这种Preisach模型分类排序实现方法能有效地预测压电陶瓷执行器的位移,提高了迟滞建模精度。     

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%。     

压电叠堆执行器迟滞非线性建模与分析

压电叠堆执行器输出位移具有迟滞非线性特性,在高精度控制和电静液作动器等应用领域,为实现进一步研究和控制,需要针对该特性进行建模。该文首先针对压电叠堆执行器的静态特性,采用改进的非对称BoucWen模型建立压电叠堆执行器的准静态模型;其次,为描述其动态位移输出特性,将执行器输出力分为线性模块和滞后模块,根据系统动力学方程建立压电叠堆执行器迟滞非线性动态模型,进行参数辨识、模型仿真与实验研究。结果表明,在400Hz频率范围内,所建立的模型能够准确描述与预测压电叠堆执行器输出位移的迟滞非线性。     

压电叠堆作动器率相关迟滞非线性建模研究

针对压电叠堆作动器的率相关迟滞非线性特性,该文提出了一种基于asymmetric unilateral backlash(aubacklash)算子的BP神经网络率相关迟滞建模方法。首先提出了改进的aubacklash算子,改善了Prandtl-Ishlinskii(PI)模型backlash算子在原点处残余位移及严格中心对称的问题;其次分析了压电叠堆作动器迟滞的率相关记忆特性,提出了率相关BP神经网络迟滞模型;最后搭建了迟滞建模精度评估系统,采用Levenberg-Marquardt(L-M)算法辨识aubacklash算子模型参数,确定了BP神经网络模型最优结构参数。实验结果表明,在高、低单一频率及混合频率下,BP神经网络模型较PI模型均方误差降低了70.90%～89.98%,相对误差降低了70.69%～89.84%,验证了该模型的精度与频率适应性。     

基于PI逆模型的压电执行器复合控制

在利用腔衰荡光谱技术分析痕量气体时,压电陶瓷执行器常用来调节光学谐振腔的长度。为了提高压电陶瓷执行器的定位精度,针对压电陶瓷执行器的迟滞非线性,利用Prandtl-Ishlinskii(PI)模型对执行器迟滞进行建模,分别采用最小二乘法和梯度下降法对模型参数进行辨识,同时,由于执行器迟滞曲线的非对称性,针对上升和下降过程分别进行辨识。结果表明,相比于最小二乘法,梯度下降法辨识的模型参数能更好地拟合执行器实际迟滞曲线,平均绝对误差减小了67.6%。设计基于PI逆模型的复合控制方法,并进行实验验证,采用在线参数辨识来实时更新模型参数。试验结果表明,在正弦波和三角波信号输入下,执行器的平均跟踪误差分别为0.035μm和0.028μm,该复合控制法可有效提高执行器定位精度。     

压电陶瓷执行器的输入历史相关Preisach模型

压电陶瓷执行器的迟滞特性是影响其定位精度的主要因素。用于描述迟滞特性的经典Preisach模型的输出与历史时刻输入密切相关,在Preisach权函数中引入历史时刻输入信息,提出一种新的Preisach模型。采用简化迟滞算子对模型进行预处理后,构造神经网络实现模型的辨识。实验数据表明,在衰减正弦电压信号激励下,该模型预测位移误差绝对值的最大值与经典Preisach模型相比减少了76%,均方误差减少了78%。     

气压式血液循环驱动器预防骨科术后下肢深静脉血栓

为提高压电陶瓷驱动的微定位工作台的模型精度,提出了一种基于动态递归神经网络的建模方法.压电陶瓷具有极高的位移分辨率,但存在着迟滞非线性.分析了压电陶瓷驱动器的结构和特性,利用动态神经网络的自反馈结构和自学习能力,建立起工作台的网络模型,通过在线调整模型结构和参数,减小了工作台的建模误差.测量工作台的定位数据对网络模型进行了训练,实验结果表明,当工作台最大行程为80 μm时,平均定位误差0.07 μm,最大误差0.09 μm,比采用静态网络模型有了一定的提高.     

压电驱动器迟滞特性的Preisach模型研究

压电驱动器的迟滞特性是影响其位移输出精度的主要因素。该文采用改进的Preisach模型对压电驱动器的迟滞特性进行建模，并进行了相应的实验研究。实验结果表明该模型可以很好地预测压电驱动器在经过一定的控制电压序列以后的位移输出值．能够有效地降低迟滞特性对压电驱动器位移输出精度的影响。     

压电驱动器迟滞建模与开环控制实验研究

压电位移扫描技术可实现纳米级位移分辨率,但其迟滞现象会降低系统测量精度.该文依据大量实验现象中压电驱动器迟滞存在点对称性特征,建立了一种压电驱动器迟滞的数学模型.本模型由实验数据拟合上升主回线,再根据压电驱动器的点对称性,计算出其他上升或下降回线,同时得到其逆模型.利用逆模型对压电驱动器进行开环控制实验结果表明,实验系统控制误差范围为-36~+47 nm.     

径向双压电叠堆执行器建模与实验研究

该文设计了一种径向双压电叠堆执行器,可以实现单压电或双压电叠堆驱动,在不增加轴向长度的基础上实现输出位移的放大.针对该执行器,建立了基于Bouc-Wen的压电动态迟滞力模型作为执行器整体动力学模型力的输入;在MATLAB/Simulink中,基于最小二乘法对迟滞力模型中的参数进行辨识.仿真与实验结果表明,在峰-峰值14...     

双压电叠堆驱动执行器率相关迟滞建模与分析

提出一种双压电叠堆驱动执行器设计方案,即执行器由2根不同尺寸的压电叠堆驱动,中间由套筒连接。为描述执行器在不同频率下的迟滞特性,利用准静态下的非对称Maxwell模型、系统动力学方程及一阶惯性环节等建立数学模型,并进行参数辨识、模型仿真与实验研究。仿真与实验结果表明,在140 V、600 Hz激励电压信号同时驱动2个长度不超过20 mm压电叠堆时,输出位移可达37.1μm,相较于140 V、1 Hz时的位移仅衰减7.1%,与其他执行器位移放大机构相比,具有较好的高频性能。所建立的执行器率相关迟滞模型在600 Hz内幅值最大误差不超过1.71μm,均方根误差最大为1.34μm,可较准确地描述执行器位移输出特性,为执行器高精度控制提供了基础。     

基于GRU神经网络的晶圆测试工艺控制方法

压电驱动器位移输出的非线性特性,如迟滞的记忆特性及速率相关性,使压电驱动器的建模与控制较难。该文提出了一种基于门控循环单元(GRU)的新型位移输出控制方法。建立相应的位移输出实验平台来验证和分析压电驱动器的滞后现象。使用GRU模拟滞后的内存特性及采用两个全连接层来模拟速率依赖性。该模型是一个端到端系统,其中压电陶瓷和位移放大机构被视为一个整体。针对不同电压输入预测的输出位移量表明,该模型对速率相关的滞后具有很强的泛化能力。使用相同的循环神经网络结构构建逆模型,并进行实验测试。实验结果表明,所提出的位移输出控制法有效地削弱了压电驱动器的非线性特性,有利于将线性系统控制法与前馈补偿法相结合。     

压电陶瓷微位移器件迟滞模型的研究

在通过统计物理学角度分析压电陶瓷迟滞规律的基础上，结合数学建模方法，提出了一种简单实用的压电陶瓷迟滞数学模型。并设计了压电陶瓷实验控制系统，对迟滞数学模型进行了验证，实验结果表明，此模型可以有效减小压电陶瓷的迟滞非线性误差，提高压电陶瓷微位移的控制精度，本研究有助于实现基于压电陶瓷的高精度开环微位移控制。     

基于三线性插值法的preisach模型及数值实现

传统preisach模型具有次环一致特性,压电陶瓷执行器迟滞特性不满足其特性。采用传统preisach模型建模精度较低,因此,该文提出一种改进型preisach模型,推导出离散化计算方法,其数值实现采用三线性插值法。在PI公司生产的E 625系列压电陶瓷控制器平台上针对此算法进行相关实验设计和结果的验证。实验结果表明,该文提出的基于三线性插值法的preisach模型其绝对误差最大值为0.2 μm,提高了压电陶瓷preisach模型精度。     

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。     

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15 μm的范围内,最大拟合误差小于0.2 μm ;同时,在复合控制下,驱动器的最大控制误差为12 nm,表明该复合控制方法的有效性。     

基于深度神经网络(DNN)的压电陶瓷前馈补偿研究

针对压电陶瓷固有的迟滞非线性,设计了一种基于深度神经网络(DNN)的前馈补偿控制系统。该系统包含1个输入层、7个隐藏层和1个输出层。实验结果表明,开环情况下压电陶瓷的位移线性误差达8.91μm。施加神经网络前馈补偿后,压电陶瓷的最大位移误差降低到80 nm,稳态误差为±20 nm。进一步测试表明,在10～100 Hz输入频率下系统最大误差小于100 nm,均方根误差为0.01μm,验证了深度神经网络能够准确补偿压电陶瓷动态迟滞非线性,具有较好的频率泛化能力。     

斐索干涉仪中压电陶瓷的非线性校正

相移器是斐索干涉仪的核心部件,其关键为压电陶瓷(PZT)致动器,而其迟滞非线性特性严重影响了相移精度,对光学元件的形貌检测造成不利影响。该文首先设计了PZT的控制系统,利用National Instruments（NI）动态数据采集设备（PCIe 6321）、LabVIEW系统及电压放大器组成电压驱动系统产生驱动信号,利用电阻式应变仪、惠斯通电桥作为位移传感器采集位移;其次,提出了一种多项式模型及基于PZT传递函数的前馈开环校正算法对PZT进行建模及校正;最后,在实验系统上对该算法进行了验证。实验结果表明,校正后,相移器的相移误差可被改善,校正前、后位移差小于10%。该系统可有效校正非线性,从而降低非线性相移对测量结果的影响,满足检测光学元件面形的高精度要求。