1 杭州电子科技大学 机械工程学院, 浙江 杭州 310018
2 杭州浙大精益机电技术工程有限公司, 浙江 杭州 310027
针对超磁致伸缩致动器(GMA)在精密致动控制中存在的迟滞和位移非线性,提出了小脑神经网络(CMAC)前馈逆补偿结合模糊PID控制的新策略.通过小脑神经网络(CMAC)学习获得超磁致伸缩致动器动态逆模型用于对超磁致伸缩致动器迟滞非线性进行补偿;利用模糊PID控制降低小脑神经网络(CMAC)学习时的误差和抑制扰动,提高系统的跟踪控制性能,从而实现超磁致伸缩致动器的精密致动控制.仿真和实验结果表明:所采用的控制策略有效地消除了迟滞非线性的影响,系统的跟踪误差降低到了5%以下,而位移跟踪误差均方差仅为0.58.此外,这种策略的特点是学习和控制同时进行,控制系统能够适应被控对象动态特性的变化,使系统具有较强的鲁棒性,同时也能够有效地抑制外界的干扰,提升系统的自适应控制性能.
超磁致伸缩致动器 迟滞非线性误差 小脑神经网络 前馈逆补偿控制 模糊PID控制 Giant Magnetostrictive Actuator(GMA) hysteresis nonlinear error Cerebellar Model Articulation Controller(CMAC) feed forward inverse compensation control fuzzy PID control
