基于径向基神经网络的压电作动器建模与控制

针对压电作动器(piezoelectric actuator,PEA)的率相关迟滞非线性特性,构建了Hammerstein模型对压电作动器建模.采用径向基(radial basis function,RBF)神经网络模型表征迟滞非线性,利用自回归历遍模型(auto-regressive exogenous,ARX)表征频率的影响,并对模型参数进行了辨识.此模型可以在信号频率在1～300 Hz范围内时,较好地描述压电作动器的迟滞特性,建模相对误差为1.99%～4.08%.采用RBF神经网络前馈逆补偿控制,结合PI反馈的复合控制策略实现跟踪控制,控制误差小于2.98%,证明了控制策略的有效性.     

超磁致伸缩作动器的率相关Hammerstein模型与H∞鲁棒跟踪控制

利用Hammerstein模型对超磁致伸缩作动器（Giant magnetostrictive actuators,GMA）的率相关迟滞非线性进行建模,分别以改进的 Prandtl-Ishlinskii（Modified Prandtl-Ishlinskii）模型和外因输入自回归模型（Autoregressive model with exogenous input,ARX）代表Hammerstein模型中的静态非线性部分和线性动态部分,并给出了模型的辨识方法. 此模型能在1～100Hz频率范围内较好地描述GMA的率相关迟滞非线性. 提出了带有逆补偿器和H∞鲁棒控制器的二自由度跟踪控制策略,实时跟踪控制实验结果证明了所提策略的有效性.     

基于最小二乘支持向量机的压电陶瓷作动器内模控制

针对率相关迟滞特性对压电陶瓷作动器的影响,研究了基于最小二乘支持向量机的内模控制策略。首先采用最小二乘支持向量机对压电陶瓷作动器进行动态建模,然后得到了基于最小二乘支持向量机的系统逆模型,在此基础上设计了内模控制器以实现对压电陶瓷作动器的精密控制。最后,通过构建的压电陶瓷作动器实验平台进行了实验,完成了对模型和控制方法的验证。实验结果表明,采用所设计的内模控制策略跟踪100Hz以内的单一频率或复合频率信号时,各个频率的相对误差均在10%以下,验证了该控制策略的有效性。     

压电陶瓷驱动器迟滞非线性误差的建模与分析

压电陶瓷驱动器的最大迟滞非线性误差可以超过输出行程的15%,而快刀伺服系统(FTS)要求重复定位精度优于10 nm,相对线性度误差优于0.5%,压电陶瓷驱动器的误差无法满足该精度要求;首先对压电陶瓷迟滞非线性误差进行实验分析,将迟滞非线性误差分为频率无关迟滞现象和频率相关迟滞现象;接着对Bouc-Wen(BW)和Prandtl-Ishlinskii(PI)的频率无关迟滞模型进行修正和对比,确定了采用PI模型描述本文的频率无关迟滞现象,PI模型对频率无关迟滞曲线的辨识精度为0.392%;然后设计基于Hammerstein模型的频率相关迟滞模型,Hammerstein模型对频率相关迟滞曲线的辨识误差相比PI模型时,其均方根值降低了88.068%;提出了压电陶瓷驱动器迟滞非线性误差的建模方法,并分析了其有效性和准确性,给FTS伺服控制提供了一种实用的前馈控制器。     

基于频率相关的压电作动器迟滞特性建模及参数辨识

为辨识压电作动器在应用过程中的率相关迟滞特性,采用基于最小二乘支持向量机理论对压电作动器进行建模,并引入粒子群算法对模型的参数进行优化,模型以当前及历史输入电压、历史输出位移组成的向量作为模型的输入,而以当前的输出位移作为模型的输出进行训练。最后,通过仿真结果和实验结果对比发现,本文建立的压电率相关迟滞模型平均误差为0.0208μｍ,最大误差为0.4290μｍ比Bouc-Wen模型精度高,验证了本文建模方法的可行性。     

基于加速度变化的步态识别方法

为辨识压电作动器在应用过程中的率相关迟滞特性,采用基于最小二乘支持向量机理论对压电作动器进行建模,并引入粒子群算法对模型的参数进行优化,模型以当前及历史输入电压、历史输出位移组成的向量作为模型的输入,而以当前的输出位移作为模型的输出进行训练。最后,通过仿真结果和实验结果对比发现,本文建立的压电率相关迟滞模型平均误差为0.0208μｍ,最大误差为0.4290μｍ比Bouc-Wen模型精度高,验证了本文建模方法的可行性。     

AFM压电陶瓷驱动器类Hammerstein建模与参数辨识

AFM( Atomic Force Microscope,原子力显微镜)中的压电陶瓷驱动器具有率相关迟滞非线性特性,这会影响AFM的扫描和定位精度。针对传统静态迟滞模型不能反映系统率相关动态迟滞特性的缺陷,提出Hammerstein模型以描述压电陶瓷驱动器的静态和动态迟滞特性。利用最小二乘支持向量机结合奇异值分解法对模型中的参数进行辨识。实验结果表明,模型能体现压电陶瓷驱动器的率相关迟滞特性,精度高于传统静态迟滞模型,建模方法对此类系统具有较好的应用价值。     

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Duhem前馈逆补偿的压电陶瓷迟滞非线性 自适应滑模控制

针对压电陶瓷的动态迟滞非线性,研究了基于Duhem逆模型前馈补偿的滑模自适应控制策略。首先,利用多项式逼近Duhem模型中的未知分段函数ｆ(.)和ｇ(.),采用递推最小二乘法进行系统辨识,并求取逆模型,将其作为前馈控制器,考虑压电陶瓷迟滞非线性随输入信号频率变化,且难以完全抵消,模型参数存在不确定性等问题,设计一种自适应滑模控制律。利用Lyapunov稳定性定理及仿真实验证明了该控制律可以使系统全局渐进稳定。最后,进行了压电陶瓷迟滞补偿实验和位移跟踪实验。实验结果表明,前馈逆补偿控制下的压电陶瓷位移迟滞量减小了96.1％,与直接控制相比,前馈逆补偿控制下位移跟踪的最大绝对误差减小了27.0％,平均绝对值误差减小了17.9％,具有更好的跟踪精度和动态性能。     

基于RBF神经网络的压电位移台迟滞非线性建模研究

针对压电陶瓷微位移台固有的率相关迟滞非线性特性,以基于play算子的改进PPI模型构建迟滞算子,结合径向基(Radial Basis Function,RBF)神经网络模型,建立描述压电陶瓷微位移台迟滞特性的率相关模型.研究结果表明,在输入信号频率在10 Hz～90 Hz范围内时,模型输出的最大位移误差为0.399 0 μm～0.932 1 μm,均方根误差为0.259 4 μm～0.565 2 μm,相对误差为0.95％～2.48％.验证了基于PI迟滞算子和RBF神经网络的仿真模型能够准确有效的描述压电微位移台的率相关动态迟滞特性,具有较高的频率泛化能力.该方法易于实现,工程适用性强,具有较好的实用价值.     

A hybrid model for rate-dependent hysteresis in piezoelectric actuators

A hybrid model is proposed in this paper to describe the static nonlinear and dynamic characteristics of rate-dependent hysteresis in piezoelectric actuators. In this model, a neural network based submodel is implemented to approximate the static nonlinear characteristic of the hysteresis while a submodel with the first-order differential operators is constructed to describe the dynamic behavior of the hysteresis. In this paper, a special hysteretic operator is proposed to extract the hysteretic feature of the hysteresis. Then, an expanded input space with such special hysteretic operator is constructed. Based on the constructed expanded input space, the neural network can be implemented to approximate the hysteresis phenomenon. The submodel to describe the dynamics is a sum of the weighted first-order differential operators. Finally, the experimental results of applying the proposed method to the modeling of hysteresis in a piezoelectric actuator are also presented.     

Modeling and H_∞ Robust Control of a Smart Structure with Rate-dependent Hysteresis Nonlinearity

The performance of smart structures in trajectory tracking under sub-micron level is hindered by the rate-dependent hysteresis nonlinearity.In this paper,a Hammerstein-like model based on the support vector machines(SVM)is proposed to capture the rate-dependent hysteresis nonlinearity.We show that it is possible to construct a unique dynamic model in a given frequency range for a rate-dependent hysteresis system using the sinusoidal scanning signals as the training set of signals for the linear dynamic subsystem of the Hammerstein-like model.Subsequently,a two-degree-of-freedom(2DOF)H∞robust control scheme for the ratedependent hysteresis nonlinearity is implemented on a smart structure with a piezoelectric actuator(PEA)for real-time precision trajectory tracking.Simulations and experiments on the structure verify both the efectiveness and the practicality of the proposed modeling and control methods.     

动态迟滞Hammerstein系统的改进卡尔曼状态估计

迟滞特性具有非光滑、多值映射等复杂特性.而在实际的工程中,当输入电压变化频率超过一定的范围时,迟滞的特性是随着输入频率的改变发生变化,使得整个系统的状态估计工作更复杂.本文首先提出一种新的描述动态迟滞的方法,进而描述了动态迟滞Hammerstein系统的状态空间方程,根据此系统在传统卡尔曼滤波器的基础上进行改进得到一种新的非光滑卡尔曼滤波器.最后通过仿真和实验,比较了在输入信号变化频率比较大时,用动态迟滞Hammerstein系统来描述压电陶瓷和采用静态迟滞Hammerstein系统来描述压电陶瓷的特性,非光滑卡尔曼滤波器对这两种含有噪声的模型进行滤波,结果表明由于静态迟滞Hammerstein系统的建模不能很好的描述压电陶瓷的特性,模型存在着误差,因此对系统状态估计的结果也没有用动态Hammerstein系统的误差小,从而说明当输入电压频率变化比较大时研究动态的迟滞Hammerstein模型是很有意义的.     

结合误差变换的Bouc-Wen迟滞非线性系统反步控制器设计

针对智能材料执行器中非平滑、多映射的迟滞非线性,采用Bouc-Wen模型描述迟滞,并提出了一种基于误差变换的反步控制器设计方案.首先利用Bouc-Wen模型中的变量特性,通过预设性能函数,将误差约束在预设范围内.然后通过误差变换,将一个对输出误差存在约束的跟踪问题转化为一个无约束的镇定问题.最后利用反步控制法设计迟滞系统的控制器,该控制方法保证期望的跟踪精度,并能将误差限定在设定范围内且满足预设性能,提高了系统的暂态和稳态性能.仿真结果表明设计方法的有效性.     

Modeling of rate-dependent hysteresis in piezoelectric actuators using a family of ellipses

In this paper, a new ellipse-like mathematic model is proposed to describe the rate-dependent hysteresis in piezoelectric actuators. Since the expressions of the model are completely analytical and can be determined only by a set of parameters, this method simplifies the modeling of complicated hysteresis behaviors. To represent the hysteresis effects, experiments are performed with designed sinusoidal excitations under different frequencies in the range 0.5–300 Hz. The rate-dependent hysteresis is characterized as increasing maximum hysteresis error (MHE) and decreasing peak-to-peak output amplitude (PPOA) phenomenons with the increase of input frequencies. Then, the parameters of the developed model are extracted from the experimental data using the direct least square method through MATLAB offline. The simulation results well correspond to the measured data and demonstrate that the developed model can precisely predict the rate-dependent hysteresis. We also investigate the parameters’ properties with hysteresis characteristics. In the developed model, the length of the minor radius describes the MHE varying with the input frequencies and amplitudes, while the length of major radius and the orientation of the ellipses represent the decreasing PPOA phenomenon. Finally, a real-time feedforward controller with an inverse model is designed to compensate for the rate-dependent hysteresis under different input frequencies. The experimental results show that the hysteresis effects are obviously reduced at both the lower and higher frequencies.     

基于迟滞算子的非平滑三明治系统自适应控制

针对一类具有非平滑的迟滞三明治系统, 提出一种基于神经网络的自适应控制方法. 首先利用神经网络做出了前端动态模块的逆系统实现前端动态模块的近似补偿, 这样将迟滞三明治系统转化成一般的迟滞非线性系统. 然后提出一个迟滞算子将迟滞的多映射转化成一一映射, 基于这个迟滞算子设计了神经网络自适应控制器, 通过Lyapunov方法证明了系统的稳定性并推导出神经网络的权值自适应调整律和控制律. 最后通过仿真验证了该方案的有效性.     

Adaptive Backstepping Control Design for Semi-Active Suspension of Half-Vehicle With Magnetorheological Damper

This paper investigates the problem of controlling half-vehicle semi-active suspension system involving a magnetorheological(MR)damper.This features a hysteretic behavior that is presently captured through the nonlinear Bouc-Wen model.The control objective is to regulate well the heave and the pitch motions of the chassis despite the road irregularities.The difficulty of the control problem lies in the nonlinearity of the system model,the uncertainty of some of its parameters,and the inaccessibility to measurements of the hysteresis internal state variables.Using Lyapunov control design tools,we design two observers to get online estimates of the hysteresis internal states and a stabilizing adaptive state-feedback regulator.The whole adaptive controller is formally shown to meet the desired control objectives.This theoretical result is confirmed by several simulations demonstrating the supremacy of the latter compared to the skyhook control and passive suspension.     

基于输入空间扩张的动态迟滞神经网络模型

针对神经网络不能直接用于辨识具有多值映射特征的迟滞非线性的不足, 利用输入空间扩张的方法, 引入动态迟滞算子来反映动态迟滞的速率依赖性, 由迟滞的输入、输入变化率和算子输出构造神经网络的扩张输入空间, 将输出空间的迟滞多值映射转换为在新的扩张输入空间上的一一映射, 从而将神经网络应用到动态迟滞非线性的辨识中. 所建立模型结构简单, 易于实现在线调整. 最后, 使用该方法对压电陶瓷执行器中的动态迟滞进行了辨识.