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。

超磁致伸缩换能器的磁滞非线性动力学仿真

在超磁致伸缩材料输出端位移假设的基础上,建立了以输出顶杆为研究对象、考虑材料内部磁滞非线性及预压弹簧特性的超磁致伸缩换能器非线性动力学模型;并将Simulink仿真系统应用到超磁致伸缩换能器系统动力学仿真中.仿真结果表明:换能器模型系统为稳定周期运动系统,并具有滞回非线性特性;弹簧非线性项中的平方项是影响换能器模型系统的主要因素.经验证,数值计算结果与文献给出的试验测试结果吻合较好.

基于最小二乘支持向量机的超磁致伸缩执行器磁滞非线性模型

为准确模拟超磁致伸缩执行器的磁滞非线性特性,基于最小二乘支持向量机与实验数据建立了超磁致伸缩执行器的模型,结果显示所建模型都能够充分逼近非线性实验数据点。为提高模型的求解速度,仅选用一半的实验数据建立了小样本模型,并与神经网络所建小样本模型对比,结果表明:基于最小二乘支持向量机所建模型的位移预测误差小于1.2μm,而基于神经网络所建模型的位移预测误差大于1.5μm。

超磁致伸缩驱动器磁滞非线性系统主共振分析

为研究超磁致伸缩驱动器(GMA)磁滞非线性系统的主共振特性,通过分析GMA的工作原理,利用机械动力学原理,采用牛顿方法建立GMA的磁滞非线性动力学微分方程;应用多尺度法分析GMA磁滞非线性动力学系统的主共振,得到系统幅频响应曲线方程。结果表明:在给定GMA参数的条件下,共振曲线随GMM棒的等效阻尼系数、预应力、磁场强度的增大无"跳跃"现象;共振曲线随3次刚度项系数的增大发生"跳跃"现象。通过对GMA磁滞非线性系统主共振分析,得到的结论能为GMA结构优化设计提供理论依据和技术支持。

超磁致伸缩驱动器磁滞非线性数值模拟研究

针对超磁致伸缩驱动器(giant magnetostrictive actuator,GMA)具有磁滞非线性现象,以经典Jiles-Atherton模型为基础,建立了包含偏置磁场强度和预压应力的GMA磁滞非线性模型,进行了数值仿真分析,得到了偏置磁场强度和预压应力对GMA磁化强度曲线和磁致伸缩应变曲线的影响规律。结果表明,偏置磁场强度对磁化强度曲线和磁致伸缩应变曲线的形状影响较大,调整偏置磁场强度的大小,可改变磁化强度曲线的线性区间,并能抑制或消除磁致伸缩应变曲线的倍频效应;预压应力对磁化强度曲线和磁致伸缩应变曲线的形状影响较小,施加不同的预压应力,可改变磁化强度曲线和磁致伸缩应变曲线的变化率。这与现有试验得到的结论相吻合,验证了所建磁滞非线性模型的合理性。

超磁致伸缩换能器磁滞非线性分析及驱动信号探究

通过对超磁致伸缩材料的磁畴理论、磁滞非线性以及倍频现象的分析,提出了超磁致伸缩换能器驱动信号应具有减小磁畴惯性、削弱剩磁和消除倍频现象的能力;综合以上因素,确立了一种新的能够满足要求的驱动信号。实验结果表明:提出的换能器驱动信号的驱动效率要明显优于目前使用的方波信号和梯形波信号。提出的观点为换能器的驱动电路设计奠定了基础。

执行器中磁滞非线性问题的建模和补偿

传感器和执行器复杂的磁滞特性导致了输出、输入变量之间的非线性和多值映射。针对这种复杂的磁滞非线性,本文基于改良的Prandtl-Islinskii方法对其进行建模和补偿。实验结果验证了这种新的建模和补偿方法可以有效解决执行器中的磁滞非线性问题。

超磁致伸缩驱动器磁滞非线性动力学研究

超磁致伸缩驱动器(Giantmagnetostrictiveactuator,GMA)输入电流与输出位移之间存在着磁滞非线性关系。为精确控制GMA输出位移的稳定性,通过分析GMA的工作原理,基于非线性压磁方程、Jiles-Atherton(J-A)磁滞非线性模型、二次畴转模型和GMA结构动力学原理,建立了GMA磁滞非线性动力学系统的方程;应用多尺度法分析该系统的主共振,得到该系统幅频响应曲线方程;使用Matlab数值仿真分析GMA系统中不同等效阻尼系数、激励磁场强度、预应力、三次刚度项系数与输出响应幅值之间映射规律;通过改变激振力参数值的大小,绘制GMA系统的时域波形、相轨迹图、Poincaré图和幅值谱图,采用4阶Runge-Kutta法求解并绘制GMA系统的响应随激振力变化分岔图。研究结果表明:在给定GMA参数的条件下,在碟簧和激励线圈的作用下,GMA具有"跳跃"和磁滞现象;GMA系统在一定参数下存在着混沌现象。

超磁致伸缩材料磁滞回非线性特性分析

在对考虑材料特性参数的超磁致伸缩材料内部等效磁场分析的基础上,将时变磁场下的涡流影响引入Jiles-Atherton模型,对其进行修正,建立考虑材料内部磁场特性的磁滞回非线性模型,导出相应的解析表达式。通过数值模拟讨论材料参数对滞回非线性特性的影响,并与文献[21]实验比较。结果表明:材料内部磁滞回特性不仅受激励磁场频率的影响,而且还与材料内部磁场分布有着密切的关系;当考虑材料内部磁场分布时,材料的磁滞回曲线的最大值将明显降低,滞回曲线的形状也将发生变化,而所得非线性滞回模型与实验结果更加吻合。

基于高斯过程的压电驱动系统磁滞特性建模

针对压电陶瓷驱动系统输入与输出间的磁滞非线性关系,现有建模方法存在无法兼顾建模过程复杂度与模型通用性的问题。为此,提出了一种新的系统输入输出关系建模方法。首先,基于压电驱动器磁滞特性的率无关特点,建立了将磁滞特性与线性特性解耦的Hammerstein形式系统描述方法,以简化建模过程。在此基础上,基于高斯过程方法建立输入电压与输出位移及其一阶变化率间的统计描述,并导出磁滞特性模型;同时基于有源自回归模型对线性特性进行建模,并给出了相关的参数辨识流程。完整模型具有较高的通用性,可用于不同输入条件下。通过实际系统输出预测实验可以证明,所提方法可有效表征系统特性,输出预测误差控制在2%左右。与同类方法的对比实验则证明了所提方法在参数辨识效率与系统建模精度上均具有一定优势。

超磁致伸缩驱动器频率相关的动态磁滞模型

考虑超磁致伸缩驱动器频率相关的涡流损耗和异常损耗,将Jiles-Atherton静态磁化强度模型扩展为动态磁化强度模型。基于动态磁化强度模型及驱动器结构动力学原理,建立驱动器的动态磁滞模型,并应用遗传算法辨识该模型的参数。试验结果表明,该模型能在较宽的频率范围内较好地描述驱动器的动态磁滞特性,对驱动器的性能估计和控制器设计具有重要指导意义。

基于动态P模型的GMM-FBG电流传感器磁滞建模

针对现有GMM-FBG电流传感器的磁滞非线性问题,在经典Preisach模型的基础上提出了一种改进的Preisach磁滞模型,给出了改进后的Preisach模型密度函数和模型分析方程,对频率依赖的模型参数进行辨识,提高了模型对动态磁滞曲线的预测精度;并运用改进后的模型对GMM-FBG电流传感器进行磁滞建模及实验验证。实验结果表明该模型能够较好的预测GMM-FBG工频电流传感器的磁滞非线性,模型的预测误差在3.6%以内,传感系统电流测量灵敏度可达到0.069 nm/A。

磁滞伸缩驱动器磁滞特性的Persiach模型建模

超磁致伸缩材料具有本征磁滞非线性,用于精密定位时具有较大的回程误差。为控制超磁致伸缩驱动器的输出位移精度,需要建立准确的数学模型来描述其磁滞非线性。基于经典的Preisach磁滞模型,通过对Preisach磁滞模型的离散化,建立了超磁致伸缩驱动器的Preisach磁滞数学模型;并进行了超磁致伸缩驱动器输出位移实验研究。实验结果表明:模型计算的结果和实验结果基本吻合,证明所建模型能够较好地反映实际情况。

基于混合遗传算法的磁控形状记忆合金驱动器磁滞模型优化

为了消除或减小磁滞非线性特性对磁控形状记忆合金驱动器定位精度的影响,应用BP神经网络建立了磁控形状记忆合金驱动器磁滞模型。针对BP网络算法存在的不足,以及网络结构、初始连接权值和阈值的选择对BP网络训练的影响很大等问题,提出一种混合遗传算法对神经网络磁滞模型的权值和阈值进行优化。将优化后的参数赋值给BP神经网络重新训练,结果表明,优化后的磁滞模型训练误差绝对值由25nm减小到5nm,有较好的收敛性。

GMM电流传感器的磁滞迴线预测及误差校正

针对GMM-FBG电流传感器中超磁致伸缩材料引起的磁滞非线性问题,提出一种基于图形学规律的校正方法。通过分析已知迴线的图形学规律,来预测未知输入电流对应迴线的数学模型,并用它的逆模型对传感器输出的电压信号进行磁滞非线性校正求出输入电流信号,最后实验表明这种校正方法能准确重建输入电流信号。与未校正时比较发现,测量范围内瞬时误差及幅度误差降低。

基于GMM的压电驱动器磁滞特性建模及高精度抗扰跟踪控制

包含压电驱动器的微定位平台可以用于减小飞切加工中的低频误差.本文针对该平台中的压电驱动单元,提出了一种新的系统建模方法,并基于此建立了完整的高性能抗扰跟踪控制策略.首先,利用高斯混合模型(Gaussian mixture model,GMM)对压电驱动器固有的磁滞特性建模,并根据该模型进行前馈补偿,以消除磁滞非线性对控制精度的影响.其次,建立扩张状态观测器,对所有外部扰动及未建模误差进行观测与补偿,以提高系统的抗扰能力.为了进一步提高系统的跟踪精度与控制带宽,建立状态反馈与零相跟踪前馈控制策略,以优化闭环系统特性.实验结果验证了基于所提磁滞模型建立的抗扰跟踪控制方法的有效性.在0~50 Hz输入信号频率范围内,在给定的测试集内该控制策略下的系统跟踪误差小于2.2%,能够满足目标控制带宽下的高精度跟踪要求.

基于Preisach修正模型的GMA前馈补偿研究

超磁致伸缩驱动器(GMA)的磁滞建模与非线性补偿是实现GMA高精度定位的基础。根据GMA的特点,提出了GMA的磁滞Preisach修正模型建模与非线性补偿方法。设计制作了一台GMA样机,对其主磁滞回线和一阶折返曲线进行了精密测量,基于实验数据建立了驱动器的Preisach磁滞修正模型。为了避免对Preisach算子求逆,提出了一种以主磁滞回线升程为基准的输入校正迭代算法,并以此设计了驱动器的前馈补偿器,实验表明,提出的GMA前馈补偿方法具有较高的精度,其定位误差不超过1%。

基于改进PSO算法的GMA迟滞模型参数辨识

使用改进的粒子群优化算法辨识Jiles-Atherton模型参数。针对J-A模型对超磁致伸缩致动器(giant magnetostrictive actuator,GMA)迟滞特性建模中磁化参数互相嵌套难以辨识的特点,改进磁滞模型并建立了考虑超磁致伸缩材料磁机耦合特性的动态磁滞模型;为了克服普通粒子群算法实际求模型参数时计算量大,运行时间长的缺点,提出基于粒子群算法和遗传算法的改进算法--带交叉因子的粒子群优化算法,将模型仿真所求的磁化强度和实验测得的磁化强度的差值的平方作为适应度函数,并结合最小二乘法思想对J-A模型的几个参数进行辨识;最后,在Matlab 7.0上进行仿真,给出了模型辨识后的结果。在不同预压力和驱动频率下的仿真结果与GMA已有实验数据进行对比,验证得出辨识后的模型可较好地与实验数据拟合,磁致伸缩位移误差在5%以内。

超磁致伸缩致动器的数学模型和控制技术

采用超磁致伸缩材料Terfenol-D可以研制出推进力大、量程大、纳米级分辨率的超磁致伸缩致动器,在超精密加工、精密定位、机器人以及微型机电系统等领域有着广阔的应用前景.本文对超磁致伸缩材料的磁化机理、超磁致伸缩致动器的非线性模型、控制技术及精密位移控制系统作了较为详细的评述,并指出了超磁致伸缩致动器的模型与控制技术的发展趋势.

基于杂草算法的超磁致伸缩作动器耦合模型识别

考虑磁滞损耗、动态应力等因素的超磁致伸缩作动器磁滞模型可有效揭示电-磁-机-热多场耦合效应,但准确识别其非线性模型往往存在较大困难。智能杂草算法具有激烈的竞争机制和较强的搜索能力,可用于解决作动器多目标物理参数辨识问题。传统算法的种子数量以线性方式产生且分布方差与适应度缺乏联系,极大地影响了算法收敛速度和模型识别精度。为此,提出一种非线性繁殖和分布的混合改进杂草算法,并将其应用于超磁致伸缩作动器模型识别。实验表明:改进算法具有较强的噪声抑制能力,能精确辨识含有噪声扰动的作动器磁滞非线性模型物理参数;模型预测值和实验数据误差较小,所识别参数可使磁滞非线性模型较为全面地描述作动器多场耦合机理和动态特性。