CN101510073B - 一种离子交换聚合体金属合成物的控制方法及系统 - Google Patents

Abstract

一种离子交换聚合体金属合成物的控制方法及系统，属于智能材料控制领域，该方法包括以下步骤：(1)给控制器传递激励信号sin(k)，控制器的控制参数

和

与多个Backlash模块叠加计算后输出得到实际输出信号

(k)；(2)实际输出信号

(k)经过放大电路放大，然后激励离子交换聚合体金属合成物得到响应信号dn(k)，再经过位移传感器反馈到在线辨识模块，在线辨识模块的权值w_i(k)与多个在线辨识模块中的Backlash模块叠加计算后输出得到输出信号yn(k)，然后将辨识参数-权值w_i(k)和r_i经过求逆之后代入到控制器中；(3)输出由激励信号sin(k)和响应信号dn(k)组成的图像。本发明结构简单，成本低，试验周期短。

Description

一种离子交换聚合体金属合成物的控制方法及系统

技术领域

本发明属于智能材料控制领域，涉及一种离子交换聚合体金属合成物的控制方法及系统。

背景技术

离子交换聚合体金属合成物(Ion-exchange polymer-metal composites简称IPMC)是一类被称为人工肌肉的电活性聚合体材料。在IPMC材料厚度上加电压时，它将会出现机械变形；相反的过程，对IPMC施加机械作用，它则输出电流。这一同时结合的传感与致动特性，使它可以构成具有自感知与自适应响应功能的智能结构。另外，IPMC还可以切割成任意大小、形状，并且轻质、柔韧性好，可以多自由度的运动操作，由于其性能类似于生物肌肉，故称为“人工肌肉”。由这种电活性聚合体构成的“肌肉”驱动器与传统驱动器电机相比，可以省去大部分机械部件如齿轮、传动杆等。并且IPMC在较低的驱动电压(3V以下)激励下，即可产生较大的位移变形响应，因此受到越来越多的关注，并在微机电系统、生物医学、仿生机构等领域具有巨大的应用前景。在具体应用之前，需要建立IPMC的数学模型，然而其工作机理复杂，目前还没有一个可以完整描述其工作特性的理论，所以我们根据其机理建立模型的方法不易实现。为了建立模型，我们利用系统辨识的方法根据输入、输出信号来得出一个实验模型。不过其缺点是如果工作条件发生改变，模型结果不能够广泛使用。这样极大地限制了辨识模型的可应用性。如果使用在线辨识的方法就能够根据不断变化地输入、输出数据，实时地得到一个动态模型结果，在工作条件发生变化时，仍能得到适用的系统模型，因此我们就利用这种方法实现对IPMC智能材料的模型辨识，来克服它这种对实验条件敏感、模型机构复杂易变的特点。目前并没有一种系统可以实现对人工肌肉(IPMC)的在线辨识与仿真。因此，设计一种针对人工肌肉(IPMC)的半实物仿真系统来解决研究过程中遇到的问题是十分必要的。

发明内容

为了克服现有技术的不足之处，本发明的目的在于缩短对人工肌肉(IPMC)的控制器的设计的周期，提供一种半实物仿真系统，并且利用这个系统，同时可以达到对人工肌肉(IPMC)模型的在线辨识和对其特性的测试等功能。这种基于数据采集卡和激光位移传感器的结构具有结构简单，成本低，试验周期短的优点。

本发明采用的技术方案是：该方法包括以下步骤：

(1)以LabVIEW等软件搭建一个虚拟的平台，产生激励信号sin(k)给控制器，设计虚拟的控制器，sin(k)表示k时刻的信号；控制器的控制参数w_i和r_i与多个Backlash模块叠加计算后输出得到实际输出信号y(k)，控制器中的Backlash模块的输入ur_i(k)＝sin(k)，Backlash模块的输出为uc_i(k)，控制器中的Backlash模块的算法如下式所示：

其中，uc_i(k)为Backlash模块的输出信号；ur_i(k)为Backlash模块的输入信号；r_i等于Backlash模块的输出信号与Backlash模块的输入信号的峰值之比；实际输出信号y(k)计算公式如下：

$\stackrel{\‾}{y}\left(k\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\stackrel{\‾}{w}}_i\left(k\right){\mathrm{uc}}_i\left(k\right),i=\mathrm{1,2},\·\·\·,n;$

(2)实际输出信号y(k)经过放大电路放大，然后激励离子交换聚合体金属合成物得到响应信号dn(k)，再经过位移传感器反馈到在线辨识模块，在线辨识模块也是LabVIEW等软件构建的。在线辨识模块的权值w_i(k)与多个在线辨识模块中的Backlash模块叠加计算后输出得到输出信号yn(k)，在线辨识模块中的Backlash模块的输入ur_i(k)为y(k)，在线辨识模块中的Backlash模块的输出uc_i(k)＝x_i(k)，通过下式得到在线辨识模块的权值w_i(k)：

w_i(k)＝w_i(k-1)+μ×en(k)×x_i(k)，其中

en(k)＝dn(k)-yn(k)

$\mathrm{yn}\left(k\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{w}_i(k-1)x_i\left(k\right),i=\mathrm{1,2},\·\·\·,n,$ 然后将辨识参数-权值w_i(k)和r_i经过求逆之后代入到控制器中，得到控制器的控制参数w_i和r_i；

在线辨识模块中的Backlash模块的算法如下式所示：

其中，uc_i(k)为Backlash模块的输出信号；ur_i(k)为Backlash模块的输入信号；r_i等于Backlash模块的输出信号与输入信号的峰值之比，取值0～1；

将辨识参数的权值w_i(k)和r_i经过求逆，其求逆算法如下式所示：

$\stackrel{\‾}{a}=\frac{1}{a}$

${\stackrel{\‾}{w}}_i=\frac{-w_i}{(\stackrel{\‾}{a}+\underset{j=1}{\overset{i}{\mathrm{\Σ}}}{w}_j)(\stackrel{\‾}{a}+\underset{j=1}{\overset{i-1}{\mathrm{\Σ}}}{w}_j)},i=\mathrm{0,1},\·\·\·$

其中：a取1，w_i表示控制器相对应的Backlash模块的权值；r_i表示控制器相对应的Backlash模块的r_i值，W₀＝1，r₀＝0；将w_i和r_i传递到控制器，迭代计算；

(3)输出由激励信号sin(k)和响应信号dn(k)组成的图像，该图像以激励信号sin(k)为横坐标，响应信号dn(k)为纵坐标，当该图像趋近直线时，完成离子交换聚合体金属合成物的控制。当输出图像接近直线时，表示达到控制效果，完成此次控制。

该系统包括输入模块、控制器、放大电路、激光位移传感器和在线辨识模块，其中输入模块产生的激励信号sin(k)传递给控制器，sin(k)表示k时刻的信号，LabVIEW等软件搭建一个虚拟的平台，产生激励信号；控制器的控制参数w_i和r_i与多个Backlash模块叠加计算后输出得到实际输出信号y(k)，控制器中的Backlash模块的输入ur_i(k)＝sin(k)，Backlash模块的输出为uc_i(k)，控制器中的Backlash模块的算法如下式所示：

其中，uc_i(k)为Backlash模块的输出信号；ur_i(k)为Backlash模块的输入信号；r_i等于Backlash模块的输出信号与Backlash模块的输入信号的峰值之比；

$\stackrel{\‾}{y}\left(k\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\stackrel{\‾}{w}}_i\left(k\right){\mathrm{uc}}_i\left(k\right),i=\mathrm{1,2},\·\·\·,n;$

实际输出信号y(k)经过放大电路放大，然后激励离子交换聚合体金属合成物得到响应信号dn(k)，再经过激光位移传感器反馈到在线辨识模块，在线辨识模块的权值w_i(k)与在线辨识模块中的多个Backlash模块叠加计算后输出得到输出信号yn(k)，在线辨识模块中的Backlash模块的输入ur_i(k)为y(k)，在线辨识模块中的Backlash模块的输出uc_i(k)＝x_i(k)，通过下式得到在线辨识模块的权值w_i(k)：

w_i(k)＝w_i(k-1)+μ×en(k)×x_i(k)，其中

en(k)＝dn(k)-yn(k)

$\mathrm{yn}\left(k\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{w}_i(k-1)x_i\left(k\right),i=\mathrm{1,2},\·\·\·,n,$ 然后将辨识参数-权值w_i(k)和r_i经过求逆之后代入

到控制器中，得到控制器的控制参数w_i和r_i；

在线辨识模块中的Backlash模块的算法如下式所示：

其中，uc_i(k)为Backlash模块的输出信号；ur_i(k)为Backlash模块的输入信号；r_i等于Backlash模块的输出信号与输入信号的峰值之比，取值0～1；

求逆算法如下式所示：

$\stackrel{\‾}{a}=\frac{1}{a}$

${\stackrel{\‾}{w}}_i=\frac{-w_i}{(\stackrel{\‾}{a}+\underset{j=1}{\overset{i}{\mathrm{\Σ}}}{w}_j)(\stackrel{\‾}{a}+\underset{j=1}{\overset{i-1}{\mathrm{\Σ}}}{w}_j)},i=\mathrm{0,1},\·\·\·$

其中：a取1，w_i表示控制器相对应的Backlash模块的权值；r_i表示控制器相对应的Backlash模块的r_i值，W₀＝1，r₀＝0；将w_i和r_i传递到控制器。

控制系统通过系统的叠加执行，直到输出由激励信号sin(k)和响应信号dn(k)组成的图像接近理想直线为止，该图像以激励信号sin(k)为横坐标，响应信号dn(k)为纵坐标。如图8所示，图像为近似椭圆形，当这近似椭圆形曲线逐渐靠近，如图10所示，趋近直线时，认为达到控制的结果。

所述的信号生成模块产生的激励信号是正弦波、三角波、锯齿波、方波、阶跃信号、正弦衰减信号或者正弦扫频信号。所述的Backlash模块个数为3～20个。

基于微弱信号的检测技术，搭建一个微弱信号检测系统，首先使用计算机利用LabVIEW等软件搭建一个虚拟的平台，产生激励信号，设计虚拟的控制器，然后通过数据采集卡发出信号，经过功率放大，作用于人工肌肉(IPMC)上，使其产生响应，通常为位移响应，通过激光位移传感器将位移信号采集后转化为电信号，首先通过实验测量一组已知距离，得到一组电压数据，用最小二乘法进行拟合可以得到该位移测量系统实际输出电压公式为：

U＝0.2508L-7.5314

然后通过数据采集卡来采集这个电信号到电脑中，形成一个闭环的反馈系统。通过在线辨识模块，我们可以利用这个系统对人工肌肉(IPMC)进行特定模型结构的在线辨识，这取决于在线辨识所使用的算法。然后根据不同的情况，在计算机中设计控制器，通过在线辨识实时设定控制器的参数，实现对IPMC人工肌肉的的控制。

本发明实现了软、硬件结合的人工肌肉(IPMC)的特性测试，建模和控制器设计的半实物仿真系统，其主要优点有：(1)成功将计算机虚拟平台和位移传感器以及数据采集卡结合在一起形成回路，填补了目前没有有效实用的针对人工肌肉(IPMC)的控制器设计以及模型辨识的系统的空白；(2)该系统结构简单，成本低，主要部件只包括一台计算机，一块数据采集卡和一个激光位移传感器。易于实现，应用范围广。

附图说明

图1本发明的平台结构示意图；

图2本发明的功率放大电路图；

图3本发明的系统流程图；

图4本发明的在线辨识模块中的Backlash模块的输入与输出图像；

图5本发明的在线辨识模块中的Backlash模块的输入与输出的XY图；

图6本发明的一种实施例的辨识算法流程图；

图7本发明的输入信号与响应信号曲线；

图8本发明的控制器中输入信号与响应信号的XY图；

图9本发明的一种实施例的控制器结构图；

图10本发明的加入控制器之后输入信号与响应信号的XY图；

图11本发明的加入控制器后在线辨识的权值参数曲线；

图12本发明的控制器实际输出曲线；

图13本发明的加入控制器后在线辨识参数误差曲线；

具体实施方式

结合附图对本发明做进一步描述：

如图1所示，本发明的平台结构示意图，首先将IPMC夹在夹紧电极上，然后使用NI的PCI6221(68pin)数据采集卡，将激励信号输出到功率放大器，经过功率放大器放大，驱动IPMC。通过激光位移传感器来测定IPMC的运动范围，得到反馈信号。瑞士堡盟公司OADM2016441/S14F型号激光位移传感器。其测量范围：30～70mm，量程：40mm，分辨率：4～20um，线性度误差：±0.012～±0.016mm，波长：675nm，信号输出为模拟量，供应电压需要12～28V直流电压。软件平台使用LabVIEW8.6实现。

功率放大器电路如图2所示，信号放大单元由TI公司的功率放大芯片OPA548组成。试验中，需要保证输出电流在1A以内，因此电阻值需要设定为57.6K。V+和V-分别接+15V和-15V，Vin-与Vo连接组成电压跟随器，从而降低输出阻抗，提高驱动能力。两个电源端并接去耦电容，防止电路在合闸通电时，引入高频，产生自激振荡。限流电阻两端接旁路电容，以防止电路噪声影响。

如图3所示，本发明的系统流程图，首先选择不同的信号类型，设置对应的信号参数，设置采样信息，运行系统之后，激励信号经控制器运算之后，通过放大电路，驱动IPMC，经过位移传感器反馈到辨识模块进行运算，然后得到模型的参数，将这些参数再进行求逆运算，得到逆控制器的参数，在多次迭代运算之后，实现在线辨识与控制。

首先将正弦激励信号sin(k)经过控制器运算，

sin(k)＝ur_i(k)，然后经过若干Backlash模块叠加后输出得到实际输出信号y(k)

$\stackrel{\‾}{y}\left(k\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\stackrel{\‾}{w}}_i\left(k\right){\mathrm{uc}}_i\left(k\right),i=\mathrm{1,2},\·\·\·,n$

实际输出信号激励人工肌肉之后得到响应信号dn(k)，同时作为辨识模块的ur_i(k)，辨识模块的uc_i(k)＝x_i(k)，通过下式得到权值w_i(k)。

w_i(k)＝w_i(k-1)+μ×en(k)×x_i(k)，其中

en(k)＝dn(k)-yn(k)

$\mathrm{yn}\left(k\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{w}_i(k-1)x_i\left(k\right),i=\mathrm{1,2},\·\·\·,n,$ 然后将权值经过求逆之后代入到控制器中。

通过这样的迭代运算最终得到符合要求的响应信号dn(k)，以及响应信号dn(k)与正弦激励信号之间的关系。

在本系统中，信号生成模块可以发出正弦波、三角波、锯齿波、方波、阶跃信号、正弦衰减信号和正弦扫频信号，目前我们主要使用正弦信号作为激励信号，其他种类的激励信号可以为以后的不同辨识算法提供服务。

基于上述系统，在LabVIEW中实现了在线辨识的算法，每次实时采集一组1000个数据，在输出在线辨识结果前，递归辨识这组观测数据，递归辨识完所有1000个数据后输出接近收敛的辨识结果，然后继续下一时间段的实时采样，因为辨识算法所需时间很短，在两次采样间隔内完全可以实现。这样既实现了在线辨识的实时性，又保证了递归辨识的收敛性、稳定性。针对IPMC的迟滞环节，采用若干个(一般是3～20个)Backlash环节进行叠加的方法来辨识，Backlash环节的算法如下式所示：

其中，uc_i(k)为输出信号；ur_i(k)为输入信号；r_i等于输出信号与输入信号的峰值之比，需要在系统中根据测量结果以及经验设定。给定如图4的输入信号、输出信号，他们之间的关系如图5所示，输入信号为1V、0.1Hz的正弦信号，r等于0.5。

辨识算法流程如图6。其中，参数W(k)＝W(k-1)+μ×en(k)×x(k)，是表示每个Backlash环节对整体输出信号的影响程度的一个权值，μ取0.1，Backlash环节叠加的个数要尽可能的多，增加Backlash环节叠加的个数可以增加系统辨识的精度，但是运算更加复杂，所需要的时间也更长。实验过程中我们取Backlash环节叠加的个数为4，对应的r值分别为0.4、0.5、0.9、1，经过运算之后得到时变的权值。激励信号为3V、1Hz的正弦信号，IPMC的响应信号为dn(无控制器)，如图7。经辨识系统辨识后的系统输出为yn(k)，从而得到误差曲线en(k)＝dn(k)-yn(k)，及输入与输出之间的关系，如图8。

为了控制IPMC，我们加入逆控制器。利用信号发生模块发出正弦信号，通过控制器运算，得到实际激励信号来驱动IPMC，然后通过在线辨识模块得到在线辨识的参数结果，通过求逆运算，将计算结果代入逆控制器，逆控制器的控制流程如图9所示。通过这个控制器来控制IPMC。求逆控制器的参数的算法如下式所示：

$\stackrel{\‾}{a}=\frac{1}{a}$

${\stackrel{\‾}{w}}_i=\frac{-w_i}{(\stackrel{\‾}{a}+\underset{j=1}{\overset{i}{\mathrm{\Σ}}}{w}_j)(\stackrel{\‾}{a}+\underset{j=1}{\overset{i-1}{\mathrm{\Σ}}}{w}_j)},i=\mathrm{0,1},\·\·\·$

对于本实验，控制器中的Backlash环节的叠加个数与辨识模块中的个数相同，都取为4，a取1，其他的参数如下式：

${\stackrel{\‾}{W}}_1=\frac{W_1}{(W_0+W_1)*W_0},$ ${\stackrel{\‾}{W}}_2=\frac{-W_2}{(W_0+W_1+W_2)*(W_0+W_1)}$

${\stackrel{\‾}{W}}_3=\frac{-W_3}{(W_0+W_1+W_2+W_3)*(W_0+W_1+W_2)},$ ${\stackrel{\‾}{W}}_4=\frac{-W_4}{(W_0+W_1+W_2+W_3+W_4)*(W_0+W_1+W_2+W_3)}$

r₁＝w₀(r₁-r₀)，r₂＝w₀(r₂-r₀)+w₁(r₂-r₁)

r₃＝w₀(r₃-r₀)+w₁(r₃-r₁)+w₂(r₃-r₂)，r₄＝w₀(r₄-r₀)+w₁(r₄-r₁)+w₂(r₄-r₂)+w₃(r₄-r₃)

其中W表示控制器相对应的Backlash环节的权值；r表示控制器对应的r值，W₀＝1，r₀＝0

通过控制器控制之后的输入与输出的关系如图10所示。与图8相比较可见，迟滞现象有明显的改善。加入控制器后在线辨识的权值如图11。控制器的实际输出如图12。在线辨识的误差曲线如图13。

从以上数据可以得出以下结论，本系统可以对人工肌肉(IPMC)的模型进行在线辨识，大多数情况下可以满足系统需求，但是由于算法的本身所具有的问题，辨识误差在时间t＝0.38s和t＝0.88s时误差曲线的波动较大，如图13。

本发明实现了软、硬件结合的人工肌肉(IPMC)的特性测试与模型的在线辨识与控制系统，成功将计算机虚拟平台和位移传感器以及数据采集卡结合在一起形成回路，针对IPMC这种材料模型的时变性，实现了对人工肌肉的模型在线辨识与实时控制，以后还可以在此系统上应用其它的在线辨识与实时控制的方法，来改善对人工肌肉(IPMC)的控制精度。

Claims (4)

1.一种离子交换聚合体金属合成物的控制方法，其特征是包括以下步骤：

(1)给控制器传递激励信号sin(k)，sin(k)表示k时刻的信号；控制器的控制参数

和

与多个Backlash模块叠加计算后输出得到实际输出信号

控制器中的Backlash模块的输入ur_i(k)＝sin(k)，Backlash模块的输出为uc_i(k)，控制器中的Backlash模块的算法如下式所示：

其中，uc_i(k)为控制器中的Backlash模块的输出信号；ur_i(k)为控制器中的Backlash模块的输入信号；等于Backlash模块的输出信号与Backlash模块的输入信号的峰值之比；实际输出信号

计算公式如下：

$\stackrel{\‾}{y}\left(k\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\stackrel{\‾}{w}}_i\left(k\right){\mathrm{uc}}_i\left(k\right),i=\mathrm{1,2},...,n;$

(2)实际输出信号

经过放大电路放大，然后激励离子交换聚合体金属合成物得到响应信号dn(k)，再经过位移传感器反馈到在线辨识模块，在线辨识模块的权值w_i(k)与多个在线辨识模块中的Backlash模块叠加计算后输出得到输出信号yn(k)，在线辨识模块中的Backlash模块的输入ur_i′(k)为

在线辨识模块中的Backlash模块的输出uc_i′(k)＝x_i(k)，通过下式得到在线辨识模块的权值w_i(k)：

w_i(k)＝w_i(k-1)+μ×en(k)×x_i(k)，其中

en(k)＝dn(k)-yn(k)

i＝1，2，…，n，然后将辨识参数-权值w_i(k)和r_i经过求逆之后代入到控制器中，得到控制器的控制参数

和

在线辨识模块中的Backlash模块的算法如下式所示：

其中，uc_i′(k)为在线辨识模块中的Backlash模块的输出信号；ur_i′(k)为在线辨识模块中的Backlash模块的输入信号；r_i等于Backlash模块的输出信号与输入信号的峰值之比，取值0～1；

求逆算法如下式所示：

$\stackrel{\‾}{a}=\frac{1}{a}$

${\stackrel{\‾}{w}}_i=\frac{-w_i}{(\stackrel{\‾}{a}+\underset{j=1}{\overset{i}{\mathrm{\Σ}}}{w}_j)(\stackrel{\‾}{a}+\underset{j=1}{\overset{i-1}{\mathrm{\Σ}}}{w}_j)},i=\mathrm{0,1},...,n$

其中：a取1，

表示控制器相对应的Backlash模块的权值；

表示控制器相对应的Backlash模块的

值

将

和

传递到控制器，迭代计算；

(3)输出由激励信号sin(k)和响应信号dn(k)组成的图像，该图像以激励信号sin(k)为横坐标，响应信号dn(k)为纵坐标，当该图像趋近直线时，完成离子交换聚合体金属合成物的控制。

2.按照权利要求1所述的离子交换聚合体金属合成物的控制方法，其特征在于步骤(1)中所述的激励信号sin(k)替换为三角波、锯齿波、方波、阶跃信号、正弦衰减信号或者正弦扫频信号。

3.按照权利要求1所述的离子交换聚合体金属合成物的控制方法，其特征在于所述的Backlash模块个数为3～20个。

4.一种应用权利要求1所述的离子交换聚合体金属合成物的控制方法的控制系统，其特征在于该系统包括输入模块、控制器、放大电路、激光位移传感器和在线辨识模块。

Images