机载光电吊舱的误差来源有很多种, 其中一种就是摩擦力矩, 当光轴处于低速或来回转动时, 其摩擦力矩会在静摩擦和滑动摩擦之间来回变化, 难以预测。使用辨识方法建立摩擦模型, 并加以补偿, 是提高两轴两框架光轴精度的一种方法。介绍了摩擦力矩的建模过程, 使用两只吊舱对比了四种模型的拟合效果。拟合结果表明, 库伦+粘滞模型中缺少对于静摩擦力的描述; 静摩擦+库伦+粘滞模型中静摩擦到动摩擦是跳变, 很难进行摩擦力的估计和补偿; LuGre模型不仅有静摩擦的相关描述, 其曲线缓慢变化更贴近低速时接触面处于静摩擦和动摩擦来回变动的特性, 具有较好的拟合特性。通过实验验证了LuGre模型的准确性和优越性。

首先, 针对光电稳定平台滑模控制中普通滑模趋近率对系统造成的抖振、收敛较慢的问题以及对于系统转动惯量摄动的抑制问题, 提出了一种在指数趋近率基础上引入系统状态和跟踪误差的状态误差趋近率, 系统状态点在滑动过程中使误差减小, 从而控制增益逐渐减小, 误差满足允许误差范围内时稳定在原点附近, 减小了抖动, 加快了收敛速度。其次, 又针对光电稳定平台跟踪时框架系统的低速性造成不可避免的转矩扰动, 提出了一种基于LurGre摩擦模型的自适应滑模控制方法, 建立了包含该摩擦模型的机电伺服控制模型。最后, 利用李雅普诺夫函数验证了控制器的稳定性, 通过Matlab仿真加以证明该控制器比传统的控制方法具有较强的鲁棒性和较好的跟踪精度及抗干扰能力。

由于航空遥感惯性稳定平台框架角运动受限, 本文提出了基于LuGre摩擦模型进行参数初步和精确辨识的方法以进一步提高其控制精度。从数字控制系统出发, 构建了摩擦参数辨识系统, 把摩擦参数辨识问题转化为曲线拟合问题。通过限定输入信号幅值和频率, 解决了框架角运动受限导致摩擦参数辨识困难的问题。结合数字控制系统特性, 优先辨识摩擦线性项参数; 根据摩擦静态和动态特性, 提出分步夹逼和分步搜索法依次辨识剩余参数, 完成初步辨识。然后代入初步辨识结果, 用遗传算法完成摩擦参数的精确辨识。仿真结果表明: 摩擦参数初步辨识误差小于5%, 精确辨识误差小于0.7%; 用辨识出的摩擦参数构建摩擦补偿器, 系统对基座低频角运动干扰的抑制能力提高了4倍。最后, 基于某原理样机开展了摩擦参数辨识和补偿实验, 结果表明控制精度提高了1倍, 证实了提出的辨识方法的有效性和工程实用意义。

针对光电稳定平台伺服系统模型参数辨识问题, 提出了线性和非线性模型参数分离辨识方法。在线性模型参数辨识过程中, 利用差动逆M序列信号作为输入, 相应的响应信号作为输出, 并应用最小二乘方法辨识线性离散模型参数, 从而降低非线性因素的影响。在非线性模型参数辨识过程中, 以LuGre摩擦模型为基础, 针对摩擦和不平衡质量相互耦合的问题, 提出了考虑不平衡质量的LuGre模型静态参数辨识方法; 然后, 利用电流信号作为摩擦力测量值, 对LuGre模型动态参数进行辨识, 得到包含不平衡质量和动态摩擦的系统非线性部分模型参数。构建了单轴光电稳定平台实验系统, 利用本文提出的方法对实验系统动力学模型参数进行了辨识。结果表明: 质量不平衡力矩的辨识值为0.183 N·m, 略高于理论值0.18 N·m, 满足辨识精度要求。实验证实提出的辨识方法可以实现对模型线性与非线性参数的有效辨识。

针对机械伺服系统因温度变化产生的非线性摩擦变化，提出了一种反映温度因素的摩擦建模方法来实现对伺服系统的摩擦补偿。首先，分析了温度和摩擦的关系，并结合修正黏性摩擦的LuGre模型，讨论了该模型各参数与温度之间的关系。利用单隐层BP神经网络描述了随温度变化的各个参数，并确定了神经网络的输入、输出以及传递函数。然后，通过神经网络训练获得神经网络参数，从而得到与温度相关的摩擦模型。最后，改变运行条件，验证了提出的模型对摩擦的估计能力。建立的摩擦模型在不同运行条件、不同温度状态下的最大相对估计偏差小于2.5%，表明其能很好地估计系统摩擦力矩，满足高精度摩擦补偿。

为降低摩擦对光学精密伺服转台速度跟踪精度的影响，提出了基于LuGre模型的转台摩擦参数辨识和补偿方法。首先，分析转台在自由减速过程中的速度过零现象，采用遗传算法拟合减速曲线从而获得转台摩擦参数和转动惯量；然后，通过仿真实验验证辨识方法；最后，利用辨识得到的参数计算摩擦补偿并叠加到转台速度伺服系统。实际实验系统的数据更新率达1 kHz，已实现了速度-电流双闭环控制。实际拟合实验中，拟合与实测速度曲线的误差均方差为2.9×10-3rad/s；速度跟踪实验中，对于幅值为0.032 4 rad/s ,频率为0.5 Hz的给定正弦信号，摩擦补偿消除了波形失真，系统速度跟踪误差的均方差减少27%。实验表明，用该方法测量转台摩擦参数精确度高，基于辨识参数的摩擦补偿可提高光学伺服转台低速低频段的速度跟踪精度。