超声波电机速度之神经网络逆控制与解析逆控制研究

《超声波电机速度之神经网络逆控制与解析逆控制研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、超声波电机速度之神经网络逆控制与解析逆控制研究第1章绪论1.1超声波电机机电能量转换是通过对压电陶瓷振子施加高频振荡电压（电流），使压电陶瓷振子产生超声频率的微观机械振动。这一微观振动通过定子弹性体的共振放大作用，促使定子表面质点产生超声频率的机械波动。机械能摩擦传递过程，是指通过定子与转子接触面间的摩擦耦合作用，将定子表面质点的机械振动转化成转子的直线运动或旋转运动。因运行机理不同，超声波电机与传统型电磁电机相比，具有以下独特的优点：由于超声波电机通过摩擦力来驱动，电机转速不会太高，否则在高速情况下，电机定、转子间摩擦导致的磨损

2、和发热会变得不可接受。但由于采用压电陶瓷而非磁场进行机电能量转换，超声波电机的转矩密度一般是电磁电机的10倍以上。因而，超声波电机更适合于直接带动执行机构产生所需运动。直接驱动系统省去了减速装置，在减小体积、减轻重量的同时，还可以提高系统的控制精度、响应速度和伺服刚度。超声波电机是由压电陶瓷、弹性振动体、转子、施加压力件等部件组成，结构相对简单，重量大大减轻。由于超声波电机没有线圈和绕组，不需要下线、固定绕组等工艺环节，零件可以直接组装，由此缩短了装配时间，简化了制造工艺。1.2超声波电机驱动控制技术1.2.1超声波电机驱动技术由

3、于超声波电机特殊的运行机理，超声波电机的运行离不开驱动电路。为使超声波电机能够运行，需要对其定子上的压电陶瓷元件施加超声频的交流电压。超声波电机是一类以容性为主的负载，对其驱动器的一些特殊要求包括：1．超声波电机的驱动频率取决于电机定子的共振频率。共振频率一般在20~100kHz，驱动器输出频率必须与之相符。一般而言，超声波电机的驱动频率应选在电机定子电导纳-频率特性的反谐振点附近。2．驱动器必须提供两相具有一定相位差的同频、等幅的正弦交流驱动电压，电压峰峰值一般在150~1000V范围内，具体数值主要取决于压电陶瓷片的性能要求。

4、3．在驱动器与具有容性负载特性的超声波电机之间必须加匹配电路。匹配电路用来使驱动器的输出功率更高效地传输给电机，也可改善驱动电压的波形，减小高频谐波分量，使加在电机上的驱动电压接近正弦波形，以免激发出定子的非工作模态。4．要求超声波电机驱动电压的频率、幅值和相位差连续可调[1]。超声波电机驱动器的基本框图如图1-1所示，主要由三部分组成。其中第一部分的可变频率发生器产生频率可以变化的基准方波信号；第二部分的分频分相器将基准方波信号分频成为相位互差90°的4路方波信号；第三部分的功放/匹配电路将频率信号放大，生成两相相差90

5、°的正弦功率信号。目前超声波电机驱动器中使用较多的一种频率发生器是CD4046压控振荡器，具有配置简单、输出范围宽、线性度好、温度系数小的优点。随着单片机和DSP性能的提高及价格的不断下降，用MCU作为频率发生器会逐渐成为主流[6-8]。分频分相器可由4位双向移位寄存器CD10194、双D触发器加异或门或可逆二进制计数器来实现。匹配电路作用如前所述，一般采用并联电感和串联电感等方式。第2章逆系统及逆控制方法2.1逆系统线性化解耦从输入、输出的角度来看，任何系统都可看做是输入、输出间的一种映射关系。映射是一种输入函数集-输出

6、函数集的对应关系，而逆映射则是输出函数集-输入函数集的对应关系。与映射和逆映射的关系类似，函数对应反函数，矩阵对应逆矩阵。从数学理论类比控制理论中来，对于线性、非线性系统，静态、动态系统，单输入单输出SISO、多输入多输出MIMO系统而言，在满足一定条件的前提下，都有对应的逆系统。逆系统和伪线性系统的出现，都是为控制原系统服务的，要对已线性化的系统设计闭环控制器，形成复合控制器如图2-4所示。复合控制器的设计主要包括逆系统和闭环控制器两部分，其中逆系统的构造是其主要和关键部分。闭环控制器的设计，要根据伪线性系统的静动态特性、被控对

7、象的目标和要求，采用适当的控制策略，例如线性理论中的PID控制、最优控制、内模控制和预测控制来设计，最终使控制系统具有良好的静动态特性和抗干扰能力。2.2神经网络逆系统的提出逆系统的可实现、可构造的前提条件是原系统的可逆性。如何判断系统的可逆性已经有了相关的理论支撑，相对阶是判断可逆性的重要依据。对于SISO系统而言，式(2-1)描述的系统在00(x,u)的某个邻域内存在相对阶α；对于MIMO而言，系统在00(x,u)的某个邻域内存在矢量相对阶12[,,,]Tqα=ααL&alpha

8、;，其中矢量相对阶可以由Interactor算法算出。如果一个系统可逆，则逆系统可采用解析和非解析两种形式来实现。解析实现是在系统解析表达式已知的情况下使用的，而非解析实现是在系统解析模型未知的情况下使用。神经网络逆系统是逆系统非解析实现的一种有效