光学 精密工程
2021, 29(10): 2412
1 浙大宁波理工学院 机电与能源工程学院, 浙江 宁波315100
2 浙江大学 机械工程学院, 浙江 杭州310027
3 宁波市博尔法液压有限公司, 浙江 宁波315502
以压电执行器为核心的高速开关阀及伺服阀等压电式液压阀具有频响高, 微动性能好, 结构紧凑等优点, 是新型阀控类型之一, 受到国内外研究者的持续关注。首先, 该文介绍了阀用压电执行器的分类和特点, 根据工作原理分为直推式和步进式2类4种形式; 其次, 对先导型、直动型、喷嘴挡板型和开关型4种典型压电阀的研究进展进行了梳理, 分析了各自的代表性结构、性能特点。结果表明, 随着未来对液压阀精密化、智能化需求的提升, 压电液压阀的应用前景更广。因此, 除高性能介电材料开发外, 如微位移放大、迟滞补偿控制等关键压电驱动与控制技术仍有待深入研究。
压电陶瓷 压电执行器 液压阀 位移放大 迟滞特性 piezoelectric ceramic piezoelectric actuator hydraulic valve displacement amplification hysteresis characteristic
大连理工大学 机械工程学院, 辽宁 大连 116024
为达到在脉动气流激励下抑制风洞模型振动的目的, 该文提出了基于压电陶瓷作动器神经网络模型的风洞模型主动振动控制方法, 并进行了实验研究。首先, 分析了风洞模型系统振动特性, 建立了内嵌式压电陶瓷作动器的主动振动控制系统, 通过模型质心加速度推算出压电陶瓷作动器期望输出抑振力。然后, 建立了压电陶瓷作动器期望输出抑振力-激励电压的神经网络模型, 并根据该模型设计了一种实时解算加速度为激励电压的控制方法。最后, 通过地面试验对控制方法的有效性进行验证。实验结果表明, 该控制方法具有良好的实时性和鲁棒性, 在锤击试验中, 振动加速度衰减时间相比于压电方程线性控制时减小了54.46%, 系统阻尼比增大了1.58倍, 取得了良好的控制效果。
风洞模型系统 主动振动控制 压电陶瓷作动器 迟滞特性 神经网络模型 wind tunnel model system active vibration control piezoelectric ceramic actuator hysteresis characteristic neural network model
北京理工大学 光电学院 光电成像技术与系统教育部重点实验室, 北京 100081
由压电陶瓷驱动器构成的快速微摆反射镜平台存在迟滞特性, 影响了对快速微摆反射镜的控制。为了能够有效的对快速微摆反射镜进行控制, 采用基于PI逆模型的开环控制方法。首先, 采用PI模型对快速微摆反射镜平台的迟滞特性建立数学模型, 通过最小二乘法辨识PI模型的参数; 其次, 基于PI模型的可逆性, 求解PI逆模型参数; 最后, 验证基于PI逆模型的开环控制方法的有效性。根据轨迹跟踪实验得到的数据, 在正弦波轨迹输入信号下的均方根误差为1.23%, 最大误差为2.45%; 在三角波轨迹输入信号下的均方根误差为1.3%, 最大误差为2.37%。证明了基于PI逆模型的开环控制方法是可行的, 能够有效地控制快速微摆反射镜。
快速微摆反射镜 压电陶瓷驱动器 迟滞特性 Prandtl-Ishlinskii模型 开环控制 fast steering mirror piezoelectric ceramic actuators hysteresis characteristic Prandtl-Ishlinskii model open loop control 红外与激光工程
2017, 46(8): 0818001
华侨大学 机电及自动化学院, 福建 厦门 361021
针对压电陶瓷固有的迟滞现象对其定位控制精度的影响, 对迟滞进行了特征分析和实验验证。基于微观极化机理和机电耦合效应分析了迟滞的成因, 分别对不同驱动行程, 全行程不同位置和不同起始电压下的迟滞特性进行了对比实验。结果表明: 对10 V行程的驱动, 随着电压区间的递增, 平均位移输出先增大后减小, 平均迟滞误差从0.419 3 μm减小到0.158 9 μm; 对100 V行程的驱动, 随着起始电压的增大, 平均位移输出从42.882 5 μm减小到25.92 μm, 平均迟滞误差从3.999 3 μm减小到1.692 3 μm; 起始电压每增加15 V, 位移输出减小5.654 2 μm, 迟滞误差减小0.769 μm。实验结果反映了电畴翻转状况对驱动过程机电耦合效率的影响, 有效验证了电畴翻转理论。实验也表明: 针对电畴翻转不同阶段所表现的的迟滞特征对压电陶瓷驱动器的迟滞误差进行补偿, 可修正或减小迟滞误差带来的影响, 为提高系统定位控制精度提供科学的参考依据。
压电陶瓷驱动器 迟滞 电畴翻转 迟滞特性曲线 定位控制 piezoelectric ceramic actuator hysteresis domain switching hysteresis characteristic curve positioning and control
1 中国科学院 光电技术研究所,四川 成都 610209
2 中国科学院 自适应光学重点实验室,四川 成都 610209
3 中国科学院 研究生院 北京 100049
压电陶瓷微动台的迟滞非线性严重影响其动态定位精度,为了解决这一问题,采用一种改进的PI模型对微动台的迟滞非线性进行了建模。为了提高传统PID算法对压电陶瓷微动台的动态定位性能,将改进的PI模型与传统PID算法组合构成前馈复合控制算法,并进行了微动台的慢速与快速动态定位实验。结果表明,对同频曲线定位时,前馈PID复合算法的最大误差为传统PID算法的40%左右,平均误差为传统算法的20%~30%左右;对多频曲线定位时,前馈PID复合算法的最大误差和平均误差为传统PID算法的33%左右。数据表明前馈PID复合算法的动态定位性能明显优于传统PID算法。
压电陶瓷 迟滞特性 改进的PI迟滞模型 前馈控制 动态定位精度 piezoelectric ceramic hysteresis characteristic modified PI hysteresis model feed-forward controll dynamic positioning precision
桂林电子科技大学 智能系统与工业控制研究室,广西 桂林 541004
提出了基于内积的压电陶瓷动态神经网络非线性、非光滑迟滞逆模型,采用反馈误差学习方法,快速地在线得到压电陶瓷的逆模型,避免了通过正模型求取压电陶瓷的Jacobian信息。结合PID反馈控制,在dSPACE系统平台上实现了压电陶瓷的神经网络自适应逆控制。为提高实时性,采用了效率高、速度快的C-MEX S Function编程。实验结果表明:神经网络自适应逆控制的控制精度为0.13μm,而PID控制精度为0.32μm。所提出方法有效地消除了迟滞的影响,控制精度高。
压电陶瓷 迟滞特性 神经网络自适应逆控制 dSPACE系统 非光滑迟滞逆模型 piezoceramic hysteresis characteristic neural network adaptive inverse control dSPACE system no-smooth hysteresis inverse model