智能作动器Preisach迟滞参数辨识及补偿研究.pdf

《智能作动器Preisach迟滞参数辨识及补偿研究.pdf》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、振动与冲击第33卷第2O期JOURNALOFVIBRATIONANDSHOCK智能作动器Preisach迟滞参数辨识及补偿研究王萍萍，刘磊，栾晓娜(1．哈尔滨工业大学航天学院，哈尔滨150001；2．大连理工大学航空航天学院，辽宁大连116024)摘要：针对实现智能作动器精确运动需对迟滞非线性进行辨识、补偿问题，采用奇异值分解方法辨识Preisach模型参数，构造变幅值谐波输入信号满足持续激励条件；基于辨识模型设计逆模型前馈补偿Preisach迟滞非线性；通过压电平台检验该辨识、补偿方法。实验结果表明，奇异值分解法可有效辨识迟

2、滞效应非线性模型，基于辨识结果的逆模型补偿可减小跟踪误差89．5％。关键词：智能作动器；Preisach迟滞效应；奇异值分解；逆模型中图分类号：TP24；TP29文献标志码：AParameteridentificationandcompensationofPreisachhysteresisinsmartactuatorsWANGPing-ping，Lei，LUANXiao—na(1．SchoolofAstronautics，HarbinInstituteofTechnology，Harbin150001，China；2．Da

3、lianUniversityofTechnology，SchoolofAeronauticsandAstronautics，Dalian116024，China)Abstract：Theworkingperformanceofsmartactuatorsisaffectedbythehystereticeffectnonlinearity．Thus，itisnecessarytoidentifyandcompensatethehysteresisnonlinearitytoachieveprecisemotion．Byvirt

4、ueofthesingularvaluedecomposition(SVD)method，theparametersofthePreisachmodelwereidentified，takingdesignedharmonicsignalswithvaryingamplitudesasinputstosatisfyPEcondition．Then，basedontheidentifiedPreisachmodel，themodel—inversionfeedforwardwasdesignedtocompensatethehy

5、steresisnonlinearity．Apiezoelectricstagewasusedtovalidatetheproposedidentificationandcompensationmethods．TheexperimentalresultsindicatethatthehysteresisnonlinearitycanbeidentifiedusingtheSVDmethod．andthetrackingerrorisreducedby89．5％usingthemodel-inversioncompensator

6、．Keywords：smartactuator；Preisachhysteresiseffect；singularvaluedecomposition；model—inversion智能作动器广泛用于微纳米技术领域，但其迟滞也会产生小的奇异值，需进行截断以减小误差。但若非线性效应影响作动器精度，而迟滞非线性效应造成输人信号不满足持续激励(PE)条件J，也易造成较的误差可达位移的10％一15％_1J。为提高作动器精大辨识误差。因此需采用具有变幅值的输入信号进行度，需研究智能作动器迟滞非线性辨识及补偿J。参数辨识，以满足持续激励条

7、件，提高辨识精度。为验迟滞效应物理特性较复杂，可通过基于现象的数证辨识结果，本文设计Preisach逆模型前馈补偿迟滞非学模型描述，尤其Preisach模型。经典Preisach迟线性，利用压电平台实验验证迟滞辨识、补偿方法的有滞非线性只依赖输入信号路径，与信号频率无关，而效性。Preisach具有全局记忆性_5J，即过去、当前时刻输入共1Preisach迟滞非线性模型同决定将来某时刻输出。为辨识Preisach模型，Henze等通过假设Preisach模型分布函数利用数据点进1．1Preisach迟滞非线性模型行参数辨识，但

8、通常较难提前获得某压电作动器的经典Preisach迟滞非线性模型为迟滞算子与相应分布函数；Song等对输入信号进行微分求解Preisach密度函数的二重积分j，即密度函数，但易受测量噪声影响。本文用最小二乘与奇异值分解方法辨识Preisach模型参数。噪声及扰动，(t)=『主