论文部分内容阅读
如今精密工程技术的发展日新月异，精密定位技术也随之应用在越来越多的领域。超磁致伸缩材料(GiantMagnetostrictiveMaterial，GMM)作为一种新兴的智能材料，它具有响应速度快、应变大、可靠性好等优点，是制造精密位移致动器的理想材料。但是，GMM作为超磁致伸缩致动器(Giant Magnetostrictive Actuator，GMA)的主要动力部件，存在着非线性、磁滞回等问题，导致GMA的外加驱动磁场与位移输出之间存在着明显的迟滞非线性现象，且对GMA采用常规PID控制方法具有调节时间长、超调量大等缺陷。针对这一问题，本文以实验室制备的超磁致伸缩致动器为研究对象展开了以下研究：首先，详细介绍了磁致伸缩机理及磁致伸缩材料的特性，分析了迟滞和非线性产生的原因，然后基于Jiles-Atherton物理模型，在考虑温度、预应力、涡流效应对磁致伸缩应变的影响基础上建立了GMA动态迟滞模型，并使用改进的粒子群算法对所建立的模型参数进行辨识。其次，主要介绍了现有神经网络控制的分类、特征，并列举了小脑神经网络(Cerebellar Model Articulation Controller，CMAC)的性能优势；在解决了神经网络对迟滞模型曲线中的一对多映射问题后，使用CMAC辨识GMA动态迟滞模型的逆模型，并建立了基于GMA迟滞逆模型的前馈补偿控制器。再次，介绍了结合CMAC前馈逆补偿控制的模糊PID控制器。说明了模糊PID控制器的原理和实现方式，通过MATLAB/SIMULINK仿真与常规PID控制器的控制效果进行了对比，验证了CMAC前馈逆补偿控制结合模糊PID控制方法可以使系统具有更好的自适应控制性能。最后，针对所建立的GMA迟滞非线性控制系统进行了位移特性实验，实验结果验证了研究所采用的控制方法可以有效减小迟滞误差、提高致动器的可控精度，并分析了影响精度的因素。