上海师范大学 信息与机电工程学院, 上海 201418
压电陶瓷喷射阀是点胶机器人的核心执行部件, 其撞针与喷嘴顶紧的松紧度对点胶频率、胶点体积、单点胶量等都会产生影响。现有技术中对撞针喷嘴顶紧的松紧度均是按操作经验手动调节, 此种方法调节较费时且无法做到每次调节的松紧度都保持一致。为了解决现有技术中的不足, 该文设计了一种基于电流传感器的压电陶瓷喷射阀撞针与喷嘴顶紧的松紧度调节方法。通过实时采集控制器的负载电流, 利用改进的BP神经网络离线建立电流值与对应的螺套旋转角度之间的模型, 经过角度值变换得出松紧度的相对值, 使每次调节的松紧度都保持一致, 以保证压电陶瓷的位移相同。实验结果表明, 建立的模型基本能够根据相对值来保证松紧度一致, 并实现了可视化调节。
压电陶瓷 松紧度 PSO-LM-BP神经网络 可视化调节 粒子群算法 piezoelectric ceramics tightness PSO-LM-BP neural network visual adjustment particle swarm optimization
上海师范大学 信息与机电工程学院,上海 201418
针对传统Prandtl-Ishlinskii(PI)模型不能反映压电式气体比例阀迟滞非对称特性而导致其补偿控制精度难以提高的问题, 提出了一种改进的PI模型, 通过添加3次多项式使其能拟合压电式气体流量比例控制阀的非对称迟滞曲线。利用改进的自适应粒子群遗传算法辨识所需的模型参数, 模型相对误差为0.007 3%, 并将模型用于前馈补偿控制。实验结果表明, 基于迟滞模型的前馈补偿控制可显著提高压电式气体比例阀输出流量控制的快速性, 调节时间降低了60%。
压电式气体比例阀 迟滞非线性 PI模型 前馈补偿器 piezoelectric gas proportional valve hysteresis nonlinear PI model feedforward compensator