GMA的动态迟滞特性建模及其补偿控制策略研究

超磁致伸缩致动器（GMA）在动态工作条件下存在明显的迟滞效应，在精密定位、仪器动态跟踪、主动隔振等应用中引起系统控制不稳定，一定程度上限制了GMA的应用。现有GMA迟滞模型多建立在准静态模型基础上，适用频率范围窄，参数辨识时间长。本项目在能量场模型和结构动力学原理基础上，对与频率、磁场变化率、应力相关的迟滞特性进行动态修订，结合唯相算子的表达形式，建立适用于宽频带工作的动态迟滞模型；并提出离线辨识和动态辨识相结合的二次参数辨识方法，缩短参数辨识时间；在此非线性模型基础上，设计逆模补偿控制器和非线性控制器，实现GMA的迟滞补偿实时控制。本项目的研究成果将对GMA的动态性能研究和应用开发提供关键技术，并对其他具有迟滞效应的铁磁、铁电、铁弹材料的研究应用提供借鉴和参考，同时在动态迟滞建模、参数辨识方法、控制策略研究方面具有重要的理论和学术价值。

超磁致伸缩致动器（GMA）在动态工作条件下存在明显的迟滞效应，在精密定位、仪器动态跟踪、主动隔振等应用中引起系统控制不稳定，一定程度上限制了GMA 的应用。现有GMA 迟滞模型多建立在准静态模型基础上，适用频率范围窄，参数辨识时间长。本项目在吉布斯自由能的基础上，建立了磁致伸缩材料的非线性本构关系模型。结合Jiles-Atherton模型和结构动力学原理，对与频率、磁场变化率、应力相关的迟滞特性进行动态修订，建立适用于宽频带工作的动态迟滞模型。考虑实际使用中，GMA基本处于偏置和未饱和状态，在分析迟滞曲线形状和面积变化规律基础上，建立GMM的偏置未饱和小回线迟滞模型。针对模型中存在的参数较多，且相互关联，提出离线辨识和动态辨识相结合的二次参数辨识方法，主回线准静态下模型参数进行离线辨识，而动态修订参数进行在线辨识的策略，缩短了参数辨识时间。辨识方法采用粒子群算法和带交叉因子的粒子群改进算法；在此非线性模型基础上，设计了由CMAC神经网络实现的逆模补偿控制器，结合PID控制，实现GMA 的迟滞补偿实时控制，大大改善了系统的控制性能。