论文部分内容阅读
精密定位技术是精密工程领域的关键技术之一，衡量精密定位技术发展水平的重要标志是高精度和高分辨率。随着科学技术的发展，精密定位技术的系统精度和分辨率经历了由毫米级、微米级、亚微米级，提高到今天的纳米级。在精密加工中，系统的精度和分辨率都要求达到纳米量级，对微位移定位系统的驱动元件和控制方法的要求也较高。磁控形状记忆合金（MSMA，即Magnetically Controlled ShapeMemory Alloy）是一种具有形状记忆效应、形变率大、响应速度快、能量转换效率和功率密度高、易控制等突出优点的新型智能材料。目前，国内外很多学者对磁控形状记忆合金形成机理、驱动器应用、传感器应用等都做了大量的工作。但是，磁控形状记忆合金以及组成驱动磁路的其他元件使得磁控形状记忆合金驱动器的输入与输出存在较强的磁滞非线性，影响了驱动器的定位精度，限制了该材料及驱动器更广泛的应用。本文结合虚拟仪器LABVIEW和MATLAB搭建了MSMA驱动器的测控平台，分析了MSMA驱动器的磁滞非线性特性；建立了MSMA驱动器神经网络磁滞模型，并通过遗传算法对神经网络磁滞模型进行参数优化；为消除磁滞非线性，本文利用复合控制和fuzzy-PID控制对驱动器的精度控制进行了研究。主要研究内容如下：（1）本文介绍了磁控形状记忆合金及其驱动器的特性、研究现状和应用前景，概述了磁滞特性的概念，国内外常用的几种磁滞模型、控制方法及最新研究进展。提出了本课题研究的意义、目的及主要研究内容。（2）基于LABVIEW虚拟仪器搭建MSMA驱动器的虚拟实验平台，实现了MSMA驱动器系统的数据采集及驱动器输入输出之间磁滞特性的分析。（3）建立MSMA驱动器神经网络磁滞模型，并通过遗传算法对神经网络磁滞模型进行参数优化，进一步提高了模型的精度。（4）为了消除磁滞非线性，提高驱动器的定位精度，本文提出LABVIEW结合MATLAB对MSMA驱动器进行实时智能控制设计方法，并比较MSMA驱动器复合控制、fuzzy-PID控制两种控制系统的控制效果。本文通过混合遗传算法对MSMA驱动器神经网络磁滞模型的参数优化，磁滞模型误差降低到5nm，提高了磁滞模型的精度；经过MSMA驱动器测控平台的大量实验结果表明，采用复合控制时，MSMA驱动器的定位精度可以控制在0.8%范围内。本文的研究工作减小了磁滞非线性对MSMA驱动器定位精度的影响，提高了驱动器的定位精度。研究结果对磁控形状记忆合金的应用和精密定位技术研究具有十分重要的意义。