关键词：
智能材料驱动系统
迟滞
事件触发
有限时间/固定时间控制
自适应控制
摘要：
在高精密装备制造的应用背景下,智能材料驱动系统凭借智能材料的感知和响应刺激的智能特征,克服了传统执行装置的缺点,在微纳定位领域受到了广泛的关注。智能材料驱动系统中固有的复杂迟滞行为是影响系统跟踪效果的主要非线性特征,给系统的建模和控制增加了难度。另外,当对系统进行高精密轨迹跟踪控制时,面临的主要难题是如何为带有输入迟滞特征的智能材料驱动系统设计高品质控制器,从而达到控制性能和设备资源之间的平衡,保证系统的有效性和扩宽系统的适用性。本文以智能材料驱动系统为研究对象,围绕实际系统中存在的控制性能约束和设备资源受限问题,采用自适应控制、神经网络和反步法等技术和方法,研究了考虑系统迟滞特征、暂态性能和设备计算负担情况下的系统建模和控制器设计。本文完成的主要研究内容如下:首先,针对智能材料驱动系统中迟滞非线性这一关键特征,从实验角度分析了迟滞环节的多值映射特性,以及和驱动信号频率、幅值相关的动态特性。根据智能材料驱动系统迟滞特性,提出引入输入信号变化率和设计辅助函数的建模方法,建立了带有松弛函数的广义Duhem(Generalized Duhem model with relaxation function,RF-Duhem)模型和基于改进函数的PI(Modified function-based PrandtlIshlinskii,MFPI)模型。上述模型的参数辨识由带有自适应调节机制的细菌觅食算法实现。实验结果表明所提出的两个模型均可以精确描述智能材料驱动系统的迟滞特征,为后续控制器设计中对迟滞环节的处理提供了模型基础和理论支撑。其次,研究了系统迟滞和状态信息不可测情况下的智能材料驱动系统跟踪控制问题。将未知迟滞量作为系统扩展状态,从而构造了扩展迟滞观测器。在此基础上,通过结合动态面控制和自适应技术,为状态重构的系统设计了输出反馈控制算法,并通过理论分析证明了闭环系统信号的渐近收敛性。提出控制方法的有效性在压电微定位平台上进行了实验验证。然后,针对设备资源受限的智能材料驱动系统实现高精度跟踪控制任务的问题,提出了有限时间量化控制策略。通过将系统输出信息作为反馈量,设计了新型复合量化器。该量化器不仅可以实现状态估计,而且通过设计自适应参数达到了调整设备传输带宽的目的。为消除智能材料驱动系统的输入迟滞环节,基于第2章的RF-Duhem模型构造了估计逆补偿器。此外,在系统运行过程中,由系统物理结构和信号传输引起的时延是无法避免的。为了同时补偿量化误差、未消除的迟滞误差以及时延给控制器性能带来的影响,设计了自适应输出反馈控制算法。通过在虚拟控制律、误差补偿信号以及控制律中引入幂次,保证了系统跟踪误差的有限时间收敛性。实验结果表明,依据有限时间收敛准则构造的控制器实现了优越的暂稳态跟踪性能,并在新型复合量化器作用下充分利用了有限的设备资源。进一步地,研究了初值不确定的智能材料驱动系统如何在兼顾系统暂态性能的基础上实现减轻设备计算负担这一问题。通过引入缩放函数,提出了扩展固定时间引理,基于该引理所计算的收敛时间上界只与系统参数相关,无需预知系统初值信息。用带有迟滞项的非线性自回归滑动平均(Nonlinear auto-regressive moving average with a hysteresis term,HT-NARMAX)模型描述了系统中的迟滞特征,并将迟滞模型中的未知参数和系统状态同时用复合迟滞观测器进行了估计。此外,设计了改进的跟踪微分器以弥补动态面控制中的一阶滤波器限制控制器性能的不足。依据相对阈值的事件触发机制和提出的固定时间引理,构造了自适应固定时间事件触发控制器。理论分析和实验结果均表明闭环系统所有信号可以实现固定时间收敛,而且只在满足事件触发条件的情况下才进行信号传输,很大程度地减少了设备传输负担。最后,研究了智能材料驱动系统如何在保证控制性能的同时降低计算复杂度和节省设备资源利用率的问题。构造了预设时间调节器,允许设计者可以预先设定控制器收敛时间和跟踪误差精度范围,从而避免了观测器或控制器设计中分数幂次项的出现,很大程度上降低了控制算法的计算负担。通过构造新的坐标转换和迟滞辅助系统,采用迟滞建模误差作为辅助系统的输入,从而达到消除迟滞的目的。利用自适应技术和反步法设计了预设时间控制器,并在控制通道中引入事件触发机制,提高了设备资源的利用率。实验结果表明提出的控制器在预设时间调节器作用下,系统暂态性能保持在预设的调节时间和误差带范围内。此外,事件触发机制作用下控制信号的采样点显著少于时间触发控制的采样点,从而达到了节省设备传输资源的目的。
