摘要
由于磁滞非线性现象,导致超磁致致动器(GMA)在开环系统中产生了定位误差,在闭环系统中造成了系统不稳定。为了克服该问题,应用PID神经网络系统,提出了一种实时滞回补偿控制策略,以实现GMA的精密位移跟踪控制。PID神经网络是依据GMA的滞回特性构造的,通过反馈误差学习方案在线自适应学习GMA的逆滞回模型。通过仿真,结果表明该控制策略能够适应GMA滞回特性随机械负载的变化,在线建立GMA的滞回逆模型,从而消除滞回非线性,实现GMA的精密定位。
Due to the inherent hysteretic non-linearity,the giant magnetostrictive actuator could cause position error in the open-loop systems,and case instability in the closed-loop systems.To remedy this problem,a real-time hysteretic compensation control strategy combining a PID neural network feed forward controller was proposed to implement the precision position tracking control of the GMA.The PID controller was constructed based on the hysteretic characteristics of the GMA,and on-line learned the inverse hyste...
出处
《武汉理工大学学报》
EI
CAS
CSCD
北大核心
2008年第3期126-129,共4页
Journal of Wuhan University of Technology
基金
国家863计划(2003AA414011)
湖北工业大学现代制造质量工程湖北省重点实验室(LMQ2006A01)
南昌工程学院青年基金项目(2006KJ014)
关键词
超磁滞动器
滞回非线性
PID神经网络
实时补偿控制
giant magnetostrictive actutor
hysteretic nonlinearity
PID neural network
real-time compensation control