压电陶瓷作动器的卡尔曼滤波输出反馈预测控制OA北大核心CSTPCD
Kalman filter based output feedback predictive control for piezoelectric ceramic actuators
为了抑制压电陶瓷的迟滞、非线性特性对压电微定位平台精度的影响,建立反映压电陶瓷作动器频率依赖迟滞非线性特性的Hammerstein模型:利用非对称Bouc-Wen模型来表示静态迟滞非线性和利用动态线性模型表征信号频率的影响.针对迟滞补偿器不能完全的进行补偿,并且存在噪音干扰实验设备,采用基于卡尔曼滤波的预测控制,提高压电微定位平台的控制精度.预测控制用来减小逆补偿误差以及建模误差等模型不确定性的影响,卡尔曼滤波用来获得系统的状态估计值.实验结果显示,该控制器在正弦波信号下的相对跟踪误差小于0.68%,三角波信号下相对跟踪误差小于0.70%.在迟滞补偿的基础上,采用卡尔曼滤波的预测控制,该方法可以有效地完成对微定位平台的高精度跟踪.
To mitigate the influence of hysteresis and nonlinearity in piezoelectric ceramics on the accuracy of piezoelectric micropositioning platforms,the Hammerstein model is employed to describe the frequency-dependent hysteretic nonlinearity of piezoelectric ceramic actuators.This model comprises an asymmetric Bouc-Wen model and a dynamic linear model to represent static hysteresis nonlinearity and frequency-de-pendent dynamic properties,respectively.Recognizing that the hysteresis compensator cannot entirely eliminate such issues and there is noise interference in experimental equipment,predictive control based on a Kalman filter is used to enhance the control accuracy of the piezoelectric micropositioning platform.Mod-el predictive control addresses model uncertainties like inverse compensation errors and modeling errors,while the Kalman filter estimates the state of the system.Experimental results indicate that the relative tracking error of the proposed controller is less than 0.68%for sine wave signals and less than 0.70%for triangular wave signals.By incorporating Kalman filter-based predictive control alongside hysteresis com-pensation,the micropositioning platform effectively achieves high-precision tracking.
于树友;谭丽;李建普;冯阳阳;刘冬梅;林宝君;孙绍瑜
吉林大学 控制科学与工程系,吉林 长春 130012||重庆邮电大学 工业物联网与网络化控制教育部重点实验室,重庆 400065吉林大学 控制科学与工程系,吉林 长春 130012||长春大学 电子信息工程学院,吉林 长春 130022吉林大学 控制科学与工程系,吉林 长春 130012长春大学 电子信息工程学院,吉林 长春 130022
计算机与自动化
预测控制卡尔曼滤波压电陶瓷作动器Hammerstein模型
model predictive controlKalman filterpiezoelectric actuatorhammerstein model
《光学精密工程》 2024 (011)
1724-1735 / 12
国家自然科学基金资助项目(No.U1964202);工业物联网与网络化控制教育部重点实验室基金资助项目(No.2019FF01);吉林省自然科学基金资助项目(No.YDZJ202101ZYTS169);吉林省教育厅科学技术研究项目(No.JJKH20220592KJ)
评论