液晶自适应光学系统中倾斜镜的建模与控制

为了提高液晶自适应光学系统的波前探测精度,研究了该系统中倾斜镜的校正方法。分析了液晶自适应光学系统中各环节的物理特性,利用拉格朗日方程给出了倾斜镜系统模型的基本结构;采用子空间辨识方法确定了模型参数,同时利用非线性最小二乘算法对子空间模型的频域特性进行了修正。修正后模型幅频特性均方根误差为0.024 5dB,相频特性均方根误差为1.9008°。引入Smith控制策略来解决倾斜镜校正波前整体倾斜过程中的时滞问题;利用子空间辨识出的模型分别进行Smith和PID的仿真和实验验证,得到的结果与仿真计算相吻合,即在相同稳定裕度的情况下,采用Smith补偿PID算法的误差抑制带宽比传统PID算法提高了23.97%。最后,用提出的方法对一组湍流整体倾斜信号进行了校正。结果显示:采用Smith补偿PID算法的控制精度比传统PID算法提高了21.03%,证实提出的方法优化了倾斜镜的校正精度,保证了开环液晶自适应光学系统的波前探测精度。     

压电陶瓷执行器的神经网络实时自适应逆控制

目的：为了提高压电陶瓷执行器执行精度,提出消除压电陶瓷的非线性、非光滑的迟滞特性的方法。 方法：提出了基于内积的压电陶瓷动态神经网络非线性、非光滑的迟滞逆模型,采用反馈误差学习方法,避免了求取压电陶瓷的Jacobian信息,快速地在线得到压电陶瓷的逆模型,并结合PID反馈控制,在dSPACE系统平台上,实现压电陶瓷的神经网络自适应逆控制,为了提高实时性,程序采用效率高、速度快的C-MEX S Function编程。结果：实验结果表明：神经网络自适应逆控制的控制精度为：0.13μm,而PID控制精度为：0.32μm 。结论：所提出方法有效地消除了迟滞的影响,控制精度高。     

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。     

压电作动器的率相关迟滞建模与跟踪控制

为了降低率相关迟滞特性对压电作动器的影响,研究了基于Hammerstein模型的建模方法和实时跟踪控制策略。以改进的Prandtl-Ishlinskii(MPI)模型表示静态非线性部分,以外因输入自回归模型(Autoregressive Model with Exogenous Input ARX)表示动态线性部分,建立了能够描述压电作动器率相关迟滞特性的Hammerstein模型。基于所建Hammerstein模型,设计了基于前馈自适应逆补偿和PI反馈的复合控制策略。最后,设计并实现了基于前馈逆补偿和PI反馈的复合控制策略来对比和验证所设计的控制策略的有效性。验证实验显示:采用文中设计的控制策略实时跟踪100Hz以内,幅值为11μm的单一频率信号和扫频信号以及变幅值的复合频率信号和正弦扫描信号时,均方根误差为0.280 8~0.437 3μm,相对误差为0.016 5~0.024 4,并且具有良好的实时性能。与基于前馈逆补偿和PI反馈的复合控制策略相比,提出的基于前馈自适应逆补偿和PI反馈的复合控制策略具有更高的跟踪精度。     

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。     

压电微操作平台的复合控制

由于压电驱动器的迟滞现象会使微操作平台出现非线性问题,严重影响了其运动精度和重复定位精度。为了解决该问题,提出一种前馈补偿同反馈调节相结合的复合控制算法。联合离散Preisach模型与支持向量机建立反映平台迟滞现象的理论模型,基于该模型采用迭代搜索方法得到离散Preisach逆模型,根据该逆模型对平台进行前馈补偿。反馈调节采用比例-积分-微分(propotion-integral-derivative,简称PID)控制,以校正前馈补偿无法消除的偏差及由模型不确定性所引起的误差。为了说明所提出的控制方法的可行性,对复合控制、前馈控制和PID进行实验验证比较分析,实验结果表明,所提出的控制方法具有更好的控制精度和响应快速性。     

具有迟滞和蠕变特性压电作动器的模糊自适应逆控制方法

针对具有迟滞和蠕变特性的压电作动器非线性模型,提出了一种前馈控制和反馈控制相结合的自适应模糊逆控制方案。在前馈控制器中压电作动器的迟滞和蠕变非线性特性的逆模型由自适应模糊逻辑系统近似;在反馈控制器中比例控制器用来调节压电作动器的输出误差。该方法可以实时补偿压电作动器的迟滞和蠕变特性,减少作动器跟踪误差。仿真计算结果表明了该方法的有效性。     

基于PI迟滞模型的单压电变形镜开环控制

压电非线性迟滞导致压电变形镜的开环控制精度及闭环工作带宽降低,限制了其在自适应光学系统中的应用。为克服迟滞影响,提出采用PI迟滞模型描述单压电变形镜的迟滞非线性特性,实现单压电变形镜的高精度开环控制。首先建立PI迟滞数学模型,利用最小二乘法辨识PI迟滞模型的权值,计算出PI逆模型的权值和阈值,从而获得消除迟滞后的变形镜控制电压;接着搭建了基于哈特曼波前传感器的自适应光学测试平台,采用单压电变形镜的环形致动器进行离焦面形的开环控制实验。实验结果表明,经过迟滞消除后变形镜的电压-变形迟滞由9.3%降低到1.2%,离焦面形的开环重构精度提高70%以上,证明该迟滞模型可有效应用于单压电变形镜的开环控制。     

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%。     

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。     

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。     

超磁致伸缩执行器磁滞非线性建模与控制

针对超磁致伸缩执行器的磁滞非线性问题,应用Priesach理论模型建立了执行器的磁滞模型,并根据其逆模型设计了前馈补偿器,同时设计了磁滞模型的自适应算法和动态调整前馈补偿器的参数,最终实现对执行器磁滞非线性进行补偿和控制。仿真和试验结果表明该模型能够很好的描述执行器的磁滞非线性,采用自适应算法有效地改善了执行器输出位移的磁滞非线性,减小了系统的非线性误差,提高了执行器的控制精度。     

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。     

压电陶瓷执行器迟滞补偿及复合控制

快速倾斜镜是星间激光通信终端精瞄系统的核心部件,其驱动装置为压电陶瓷执行器,而压电陶瓷具有迟滞特性,其严重影响了快速倾斜镜的定位精度,进而对星间通信链路的稳定性造成不利影响。为解决这一问题,本文设计了一种改进Prandtl-Ishlinskii(P-I)模型对压电陶瓷执行器进行建模。在此基础上,提出了压电陶瓷执行器前馈线性化方法,以对迟滞特性进行前馈逆补偿。接着,提出了一种结合改进的P-I模型与增量式PID算法的复合控制算法,并在DSP中实现了该复合控制算法。最后,在试验平台上对该算法进行了验证。结果显示:当分别对系统输入10Hz和100Hz减幅正弦、等幅正弦曲线时,模型误差在0.59%以内,在输入同频100Hz以下的减幅正弦曲线时,传统PID算法的最大误差为59.31μrad,而该复合算法的最大误差为14.22μrad。实验数据表明,本文复合控制方法的动态跟踪性能明显优于传统PID方法,改进Prandtl-Ishlinskii(P-I)模型可以精确描述压电陶瓷的迟滞特性。本文设计的复合控制方法满足实际应用对快速倾斜镜的要求。     

基于改进PI模型的压电陶瓷迟滞特性补偿控制

压电陶瓷执行器的迟滞特性会降低星间激光通信精瞄系统的定位精度,对信标光的捕获以及链路的稳定性造成影响。针对这一问题,通过分析压电陶瓷执行器迟滞特性产生机理,提出一种基于PLAY迟滞算子的改进(Prandtl-Ishlinskii,PI)数学模型及其辨识方法,并利用该模型对压电陶瓷执行器迟滞特性进行前馈线性化逆补偿。并通过实验来验证数学模型和线性化的有效性,实验结果表明,通过对系统输入不同频率下等幅和减幅正弦控制信号来验证前馈逆补偿性能时,改进的模型最大拟合误差均在1%之内,通过前馈模型逆补偿的控制方法可使压电陶瓷驱动的线性度误差由5%减小到1%以内,并且改进PI模型在计算复杂度上由O(n)简化为O(1)。     

PBP驱动器率相关迟滞特性研究及其线性化控制

后屈曲预压缩压电双晶片(Post-buckling pre-compression,PBP)驱动器作为一种大行程压电舵机驱动器,存在着严重的率相关迟滞现象。为了使PBP驱动器能够作为具有较高控制精度的微小型飞行器舵机驱动器,利用基于Bouc-Wen模型的Hammerstein率相关迟滞模型对其进行参数识别,并通过试验验证了该模型能够较好地预测PBP驱动器的率相关迟滞特性;在此基础上为PBP驱动器设计一种具有在线自适应能力的前馈单神经元PID复合线性化控制器,在多种单复合频率信号作用下对其控制回路进行位移跟踪半实物仿真试验,并与基于径向基函数(Radial basis function,RBF)神经网络PID控制器进行对比,结果表明前馈单神经元PID控制器具有更快的响应速度和更高的控制精度。