CN104793490A - 动态前馈补偿的改进广义预测自适应控制方法及其应用 - Google Patents

Abstract

本发明提供了一种动态前馈补偿的改进广义预测自适应控制方法，包括如下步骤：基于受控自回归滑动平均模型在线辨识出被控对象的实时数学模型A；将实时数学模型A用于前馈控制器，结合改进的广义预测自适应控制方法进行动态前馈补偿；将实时数学模型A用于反馈控制器，结合改进的广义预测自适应控制方法进行自适应反馈控制；最终实现被控对象的前馈反馈复合控制；所述改进的广义预测自适应控制方法为：在广义预测控制的基础上进行动态前馈补偿准备、多步预测以及控制量求解；同时给出了上述方法在单自由度磁致伸缩驱动器和多自由度精密耦合驱动平台中的应用。本发明提高了磁致伸缩驱动器的控制精度和控制方法的响应速度。

Description

动态前馈补偿的改进广义预测自适应控制方法及其应用

技术领域

本发明涉及单自由度磁致伸缩驱动器及多自由度精密平台驱动定位控制领域，具体是一种用于单自由度驱动器及多自由度精密耦合驱动平台的精密驱动定位以及振动主动隔振的动态前馈补偿的改进广义预测自适应控制方法及其应用。

背景技术

在精密驱动控制领域，为实现高精密的驱动控制，自适应控制技术得到越来越广泛的应用。该种控制方法，本质上是一种闭环反馈控制，通过在线或者离线构建被控对象的数学模型，并通过数学逆模型计算相应的控制量，进而实现对被控对象的驱动控制。如研究论文杨斌堂孙晓芬等的“巨磁致伸缩自适应精密驱动和振动控制研究”(《噪声与振动控制》)中所提出的一种基于CARMA模型在线辨识出被控对象磁致伸缩驱动器的数学模型，并基于改进的广义预测自适应控制方法实现被控对象的精密驱动定位及振动主动控制。

然而，由于这种控制方法本质上是一种闭环反馈控制，这种方法由于控制方法的响应速度总是存在一定的时滞，进而造成被控对象存在无可避免的控制误差。

发明内容

为了进一步提高被控对象的驱动控制精度，本发明结合前馈反馈控制以及自适应控制方法，提出了一种动态前馈补偿的改进广义预测自适应控制方法及其应用，可以有效的减少反馈控制时滞的影响，提高控制算法的精度和响应速度。

为实现上述目的，本发明是通过以下技术方案实现的。

根据本发明的第一个方面，提供了一种动态前馈补偿的改进广义预测自适应控制方法，包括如下步骤：

基于受控自回归滑动平均模型在线辨识出被控对象的实时数学模型A；

将实时数学模型A用于前馈控制器，结合改进的广义预测自适应控制方法进行动态前馈补偿；

将实时数学模型A用于反馈控制器，结合改进的广义预测自适应控制方法进行自适应反馈控制；

最终实现被控对象的前馈反馈复合控制；

所述改进的广义预测自适应控制方法具体为：

在预测控制的基础上进行动态前馈补偿准备、多步预测以及控制量求解；

动态前馈补偿准备：

通过实时数学模型A，将被控对象在线辨识的k时刻数学模型用于k+1时刻的前馈模型，用于实现动态前馈补偿；

多步预测：

将被控对象设定为在未来某一段时间内，预测输出位移序列跟踪预先设定的期望位移序列，进而得到改进的广义预测自适应控制规律表达式为：

J＝E{(Y-Y_r)^T(Y-Y_r)+ΔU^TΓΔU}

式中

$\begin{array}{c}Y={[y(k+1),y(k+2),...,y(k+N)]}^T\\ Y_r={[y_r(k+1),y_r(k+2),...,y_r(k+N)]}^T\\ \mathrm{\ΔU}={[\mathrm{\Δu}\left(k\right),\mathrm{\Δu}(k+1),...,\mathrm{\Δu}(k+N_u-1)]}^T\\ \mathrm{\Γ}=\mathrm{diag}(r_1,r_2,...r_{N_u})\end{array}$

J为总能量最小化；E{}为求方差；Y为预测输出；Y_r为期望输出；T为矩阵转置；下标r为期望输出下标；U为控制量输出序列；ΔU为控制量输出增量序列；Γ为加权系数矩阵；y(k+j)和y_r(k+j)分别为被控对象在k+j时刻的预测输出位移及期望位移，j∈1，2，......，N；N为被控对象的位移输出长度；N_u是被控对象的控制信号序列长度；Δu(k+j)为k+j时刻的控制增量，j∈0，1，......，N_u-1；r_j为控制信号的加权系数，j∈1，2，......，N_u。

控制量求解：

使用矩阵运算的方式进行控制量求解，根据多步预测中得到的改进的广义预测自适应控制规律，得到当前时刻的控制量u(k)为：

u(k)＝u(k-1)+[1 0 ... 0](G^TG+Γ)^-1G^T(Y_r-Y_m)

Y_m＝[y_m(k+d) y_m(k+d+1) ... y_m(k+N)]

式中，Y_m预测输出序列；y_m(k+j)为第k+j个预测输出，j∈d，d+1，......，d+N，完全由被控对象过去的输入输出确定，d为被控对象的延时，N为预测输出序列长度；G为控制矩阵；b_j，0为控制矩阵下标，j∈1，2，......，N-d+1。

优选地，所述实时数学模型A通过受控自回归滑动平均模型(CARMA)与递推增广最小二乘法(RELS)相结合得到。

优选地，所述辨识出的实时数学模型A包括被控对象的信号输入输出特性以及周围环境的干扰因素。

优选地，所述被控对象的前馈反馈复合控制表达式为：

$\begin{array}{c}A\left(z^{-1}\right)y\left(k\right)=z^{-d}B\left(z^{-1}\right)u\left(k\right)+C\left(z^{-1}\right)\mathrm{\ξ}\left(k\right)\\ A\left(z^{-1}\right)=1+a_1{z}^{-1}+a_2{z}^{-2}+...a_{n_a}{z}^{-n_a}\\ B\left(z^{-1}\right)=b_0+b_1{z}^{-1}+b_2{z}^{-2}+...b_{n_b}{z}^{-n}b(b_0\≠0)\\ C\left(z^{-1}\right)=1+c_1{z}^{-1}+c_2{z}^{-2}+...c_{n_c}{z}^{-n_c}\end{array}$

其中，A(z^-1)为系统输出系数，B(z^-1)为系统输入系数，C(z^-1)为系统扰动系数，z^-d为滞后d步算子，u(k)和y(k)分别为被控对象的信号输入和输出，ξ(k)为系统随机扰动，k为采集点，d为被控对象的纯延时，a_j为系统输出系数序列第a_j个(j∈1，2，......，n_a，n_a为系统输出系数序列长度)，b_j为系统输入系数第b_j个(j∈0，1，......，n_b，n_b为系统输入系数序列长度)，c_j为系统扰动系数第c_j个(j∈1，2，......，n_c，n_c为系统扰动系数序列长度)，z^-j为滞后j步算子(j∈1，2，......，n_a，n_a为滞后算子的步长度)。

根据本发明的第二个方面提供了一种动态前馈补偿的改进广义预测自适应控制方法，应用于单自由度磁致伸缩驱动器。

优选地，在单自由度磁致伸缩驱动器的定位过程中，通过动态前馈补偿实现对干扰激励的补偿，通过自适应反馈控制进行驱动定位控制。

根据本发明的第二个方面提供了一种动态前馈补偿的改进广义预测自适应控制方法，应用于多自由度精密耦合驱动平台，所述多自由度精密耦合驱动平台包括多个相互之间耦合连接的单自由度磁致伸缩驱动器。

优选地，在多自由度精密耦合驱动平台的定位驱动控制过程中，当其中一个单自由度磁致伸缩驱动器运动时，将其余单自由度磁致伸缩驱动器的位移输出均看作是对运动状态中的单自由度磁致伸缩驱动器的干扰激励，通过动态前馈补偿实现对干扰激励的补偿，通过自适应反馈控制对运动中的单自由度磁致伸缩驱动器进行驱动定位控制。

与现有技术相比，本发明具有下述有益效果：

1、本发明完成被控对象的在线模型构建后，即可基于改进的广义预测自适应控制方法实现相应的前馈补偿和闭环反馈控制，提高了磁致伸缩驱动器的控制精度和控制方法的响应速度。

2、本发明通过在线辨识构建被控对象的数学模型，并将k时刻的数学模型用于k+1时刻的动态前馈模型，基于广义预测自适应控制实现前馈补偿控制，进而结合自适应反馈控制实现前馈反馈复合控制，控制方法精度高，响应速度快，可以有效的实现单自由度磁致伸缩驱动器的驱动定位控制。

3、本发明还可以应用于多自由度精密耦合驱动平台的驱动控制，实现多自由度耦合驱动平台的解耦精密驱动控制。

4、本发明还可以推广应用于至其他通过电磁信号进行驱动控制的领域。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明单自由度驱动器的驱动定位控制示意图；

图2为本发明单自由度驱动器干扰激励下的驱动定位控制示意图；

图3为本发明多自由度精密耦合驱动平台的解耦驱动控制示意图。

具体实施方式

下面对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

请同时参阅图1至图3。

实施例1

本实施例提供了一种动态前馈补偿的改进广义预测自适应控制方法，包括如下步骤：

基于受控自回归滑动平均模型在线辨识出被控对象的实时数学模型A；

将实时数学模型A用于前馈控制器，结合改进的广义预测自适应控制方法进行动态前馈补偿；

将实时数学模型A用于反馈控制器，结合改进的广义预测自适应控制方法进行自适应反馈控制；

最终实现被控对象的前馈反馈复合控制；

所述改进的广义预测自适应控制方法具体为：

在预测控制的基础上进行动态前馈补偿准备、多步预测以及控制量求解；

动态前馈补偿准备：

通过实时数学模型A，将被控对象在线辨识的k时刻数学模型用于k+1时刻的前馈模型，用于实现动态前馈补偿；

多步预测：

将被控对象设定为在未来某一段时间内，预测输出位移序列跟踪预先设定的期望位移序列，进而得到改进的广义预测自适应控制规律表达式为：

J＝E{(Y-Y_r)^T(Y-Y_r)+ΔU^TΓΔU}

式中

$\begin{array}{c}Y={[y(k+1),y(k+2),...,y(k+N)]}^T\\ Y_r={[y_r(k+1),y_r(k+2),...,y_r(k+N)]}^T\\ \mathrm{\ΔU}={[\mathrm{\Δu}\left(k\right),\mathrm{\Δu}(k+1),...,\mathrm{\Δu}(k+N_u-1)]}^T\\ \mathrm{\Γ}=\mathrm{diag}(r_1,r_2,...r_{N_u})\end{array}$

J为总能量最小化；E{}为求方差；Y为预测输出；Y_r为期望输出；T为矩阵转置；下标r为期望输出下标；U为控制量输出序列；ΔU为控制量输出增量序列；Γ为加权系数矩阵；y(k+j)和y_r(k+j)分别为被控对象在k+j时刻的预测输出位移及期望位移，j∈1，2，......，N；N为被控对象的位移输出长度；N_u是被控对象的控制信号序列长度；Δu(k+j)为k+j时刻的控制增量，j∈0，1，......，N_u-1；r_j为控制信号的加权系数，j∈1，2，......，N_u。

控制量求解：

使用矩阵运算的方式进行控制量求解，根据多步预测中得到的改进的广义预测自适应控制规律，得到当前时刻的控制量u(k)为：

u(k)＝u(k-1)+[1 0 ... 0](G^TG+Γ)^-1G^T(Y_r-Y_m)

Y_m＝[y_m(k+d) y_m(k+d+1) ...y_m(k+N)]

式中，Y_m预测输出序列；y_m(k+j)为第k+j个预测输出，j∈d，d+1，......，d+N，完全由被控对象过去的输入输出确定，d为被控对象的延时，N为预测输出序列长度；G为控制矩阵；b_j，0为控制矩阵下标，j∈1，2，......，N-d+1。

进一步地，所述实时数学模型A通过受控自回归滑动平均模型(CARMA)与递推增广最小二乘法(RELS)相结合得到。

进一步地，所述辨识出的实时数学模型A包括被控对象的信号输入输出特性以及周围环境的干扰因素产生的干扰信号。

进一步地，所述被控对象的前馈反馈复合控制表达式为：

$\begin{array}{c}A\left(z^{-1}\right)y\left(k\right)=z^{-d}B\left(z^{-1}\right)u\left(k\right)+C\left(z^{-1}\right)\mathrm{\ξ}\left(k\right)\\ A\left(z^{-1}\right)=1+a_1{z}^{-1}+a_2{z}^{-2}+...a_{n_a}{z}^{-n_a}\\ B\left(z^{-1}\right)=b_0+b_1{z}^{-1}+b_2{z}^{-2}+...b_{n_b}{z}^{-n}b(b_0\≠0)\\ C\left(z^{-1}\right)=1+c_1{z}^{-1}+c_2{z}^{-2}+...c_{n_c}{z}^{-n_c}\end{array}$

其中，A(z^-1)为系统输出系数，B(z^-1)为系统输入系数，C(z^-1)为系统扰动系数，z^-d为滞后d步算子，u(k)和y(k)分别为被控对象的信号输入和输出，ξ(k)为系统随机扰动，k为采集点，d为被控对象的纯延时，a_j为系统输出系数序列第a_j个(j∈1，2，......，n_a，n_a为系统输出系数序列长度)，b_j为系统输入系数第b_j个(j∈0，1，......，n_b，n_b为系统输入系数序列长度)，c_j为系统扰动系数第c_j个(j∈1，2，......，n_c，n_c为系统扰动系数序列长度)，z^-j为滞后j步算子(j∈1，2，......，n_a、n_b或n_c，n_a、n_b或n_c分别为滞后算子的步长度)。

下面结合附图以及在单自由度磁致伸缩驱动器中的具体应用对本实施例进一步描述。

本发明工作过程具体如下：

基于CARMA模型在线辨识出被控对象磁致伸缩驱动器的实时数学模型，辨识出的数学模型不仅包含驱动器的输入输出特性，也包含周围环境的干扰因素，并将这个实时数学模型用于前馈控制器，结合改进的广义预测自适应控制方法实现响应速度较快的前馈控制，进而将这个实时数学模型用于反馈控制器，结合改进的广义预测自适应控制方法提高控制精度，最终实现前馈反馈复合控制。

如图1所示，一种实现单自由度磁致伸缩驱动器的动态前馈补偿的自适应反馈控制方法，该种控制方法可以有效的实现基于自适应控制方法的前馈反馈复合控制，结合了自适应反馈控制的高精密控制精度以及动态前馈控制的快速响应的特点，最终提高整个被控对象的驱动控制精密。

基本的控制原理如图1所示，主要的控制过程包括：模型在线辨识、动态前馈补偿控制以及闭环反馈控制。模型在线辨识通过受控自回归滑动平均模型(CARMA)与递推增广最小二乘法(RELS)相结合来对单自由度磁致伸缩驱动器的数学模型在线构建和辨识。动态前馈补偿是将被控控制在线辨识的k时刻数学模型用于k+1时刻的前馈模型，并基于广义预测自适应控制实现动态的前馈补偿。自适应闭环反馈控制是将在线辨识的数学模型结合广义预测自适应控制实现对整个被控对象的反馈驱动控制。

$\begin{array}{c}A\left(z^{-1}\right)y\left(k\right)=z^{-d}B\left(z^{-1}\right)u\left(k\right)+C\left(z^{-1}\right)\mathrm{\ξ}\left(k\right)\\ A\left(z^{-1}\right)=1+a_1{z}^{-1}+a_2{z}^{-2}+...a_{n_a}{z}^{-n_a}\\ B\left(z^{-1}\right)=b_0+b_1{z}^{-1}+b_2{z}^{-2}+...b_{n_b}{z}^{-n}b(b_0\≠0)\\ C\left(z^{-1}\right)=1+c_1{z}^{-1}+c_2{z}^{-2}+...c_{n_c}{z}^{-n_c}\end{array}$

其中u(k)和y(k)分别为系统的输入和输出，ξ(k)为系统随机扰动，k为采集点，d为系统的纯延时。

完成被控对象的在线模型构建后，即可基于广义预测自适应控制实现相应的前馈补偿和闭环反馈控制。预测控制的方法引入了滚动优化、多步预测以及控制加权优化等等。该控制方法将控制目标设定为在未来某一段时间内，系统输出位移序列可以成功跟踪预先设定的期望目标序列，即将两者的方差最小化，同时也使整个系统的输入控制信号的总能量最小，如下式

J＝E{(Y-Y_r)^T(Y-Y_r)+ΔU^TΓΔU}

式中

$\begin{array}{c}Y={[y(k+1),y(k+2),...,y(k+N)]}^T\\ Y_r={[y_r(k+1),y_r(k+2),...,y_r(k+N)]}^T\\ \mathrm{\ΔU}={[\mathrm{\Δu}\left(k\right),\mathrm{\Δu}(k+1),...,\mathrm{\Δu}(k+N_u-1)]}^T\\ \mathrm{\Γ}=\mathrm{diag}(r_1,r_2,...r_{N_u})\end{array}$

y(k+j)和y_r(k+j)为被控对象在k+j时刻的预测输出及期望位移；N为系统的位移输出长度；N_u是系统的控制信号序列长度；Δu(k+j)为k+j时刻的控制增量；r_j为控制信号的加权系数。

为了提高运算速度，本发明使用矩阵运算的方式进行控制量求解，根据改进后的广义预测控制律，可得当前时刻的控制量为：

u(k)＝u(k-1)+[1 0 ... 0](G^TG+Γ)^-1G^T(Y_r-Y_m)

Y_m＝[y_m(k+d) y_m(k+d+1) ... y_m(k+N)]

式中，y_m(k+j)完全由系统过去的输入输出确定，G为控制矩阵，d为系统的延时。

通过在线辨识构建被控对象的数学模型，并将k时刻的数学模型用于k+1时刻的动态前馈模型，基于广义预测自适应控制实现前馈补偿控制，进而结合自适应反馈控制实现前馈反馈复合控制。经验证表明，控制方法精度高，响应速度快。可以有效的实现单自由度磁致伸缩驱动器的驱动定位控制。

实施例2

实施例2为实施例1的变化例。

实施例2中增加了单自由度磁致伸缩驱动器的定位过程中的干扰激励，通过动态前馈补偿实现对干扰激励的补偿，再经过自适应反馈控制提高驱动定位精度。最终实现对单自由度磁致伸缩驱动器干扰环境下的精密定位控制。如图2所示。

实施例3

实施例3为实施例1的变化例，在本实施例中，实现了多自由度精密耦合驱动平台的定位驱动控制。

实施例3的基本原理是，任意一个驱动器的运动都会对其余驱动器的轨迹带来影响，即任意一个驱动器的输出不仅仅取决于自身的位移输出，同样取决于平台其余驱动器的位移输出。结合动态前馈补偿的改进广义预测自适应控制方法，为了避免系统中的耦合非线性对单个驱动器闭环控制的影响，控制系统将耦合驱动平台的驱动器分别独立控制，其余驱动器的位移输出皆看作是对这个驱动器的外界干扰，基于干扰激励下的动态前馈补偿广义预测自适应控制方法，完成对这种干扰的补偿并实现单个驱动器定位驱动控制，最终形成对平台的精密驱动定位控制。如图3所示。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (8)

1.一种动态前馈补偿的改进广义预测自适应控制方法，其特征在于，包括如下步骤：

基于受控自回归滑动平均模型在线辨识出被控对象的实时数学模型A；

将实时数学模型A用于前馈控制器，结合改进的广义预测自适应控制方法进行动态前馈补偿；

将实时数学模型A用于反馈控制器，结合改进的广义预测自适应控制方法进行自适应反馈控制；

最终实现被控对象的前馈反馈复合控制；

所述改进的广义预测自适应控制方法具体为：

通过实时数学模型A，将被控对象在线辨识的k时刻数学模型用于k+1时刻的前馈模型，用于动态前馈补偿；

将被控对象设定为在未来某一段时间内，预测输出位移序列跟踪预先设定的期望位移序列，进而得到改进的广义预测自适应控制规律表达式为：

J＝E{(Y-Y_r)^T(Y-Y_r)+ΔU^TΓΔU}

式中

Y＝[y(k+1)，y(k+2)，…，y(k+N)]^T

Y_r＝[y_r(k+1)，y_r(k+2)，…，y_r(k+N)]^T

ΔU＝[Δu(k)，Δu(k+1)，…，Δu(k+N_u-1)]^T

$\mathrm{\Γ}=\mathrm{diag}(r_1,r_2,...,r_{N_u})$

J为总能量最小化；E{}为求方差；Y为预测输出；Y_r为期望输出；T为矩阵转置；下标r为期望输出下标；U为控制量输出序列；ΔU为控制量输出增量序列；Γ为加权系数矩阵；y(k+j)和y_r(k+j)分别为被控对象在k+j时刻的预测输出位移及期望位移，j∈1，2，......，N；N为被控对象的位移输出长度；N_u是被控对象的控制信号序列长度；Δu(k+j)为k+j时刻的控制增量，j∈0，1，......，N_u-1；r_j为控制信号的加权系数，j∈1，2，......，N_u；

使用矩阵运算的方式进行控制量求解，根据多步预测中得到的改进的广义预测自适应控制规律，得到当前时刻的控制量u(k)为：

u(k)＝u(k-1)+[1 0 … 0](G^TG+Γ)^-1G^T(Y_r-Y_m)

Y_m＝[y_m(k+d) y_m(k+d+1) … y_m(k+N)]

式中，Y_m为预测输出序列；y_m(k+j)为第k+j个预测输出，j∈d，d+1，......，d+N，完全由被控对象过去的输入输出确定，d为被控对象的延时，N为预测输出序列长度；G为控制矩阵；b_j，0为控制矩阵下标，j∈1，2，......，N-d+1。

2.根据权利要求1所述的动态前馈补偿的改进广义预测自适应控制方法，其特征在于，所述实时数学模型A通过受控自回归滑动平均模型与递推增广最小二乘法相结合得到。

3.根据权利要求1所述的动态前馈补偿的改进广义预测自适应控制方法，其特征在于，所述辨识出的实时数学模型A包括被控对象的信号输入输出特性以及周围环境的干扰因素产生的干扰信号。

4.根据权利要求1所述的动态前馈补偿的改进广义预测自适应控制方法，其特征在于，所述被控对象的前馈反馈复合控制表达式为：

A(z^-1)y(k)＝z^-dB(z^-1)u(k)+C(z^-1)ξ(k)

$A\left(z^{-1}\right)=1+a_1{z}^{-1}+a_2{z}^{-2}+...a_{n_a}{n}^{-n_a}$

$B\left(z^{-1}\right)=b_0+b_1{z}^{-1}+b_2{z}^{-2}+...b_{n_b}{z}^{-n_b}(b_0\≠0)$

$C\left(z^{-1}\right)=1+c_1{z}^{-1}+c_2{z}^{-2}+...c_{n_c}{z}^{-n_c}$

其中，A(z^-1)为系统输出系数；B(z^-1)为系统输入系数；C(z^-1)为系统扰动系数；z^-d为滞后d步算子；u(k)和y(k)分别为被控对象的信号输入和输出；ξ(k)为系统随机扰动；k为采集点；d为被控对象的纯延时；a_j为系统输出系数序列第a_j个，j∈1，2，......，n_a，n_a为系统输出系数序列长度；b_j为系统输入系数第b_j个，j∈0，1，......，n_b，n_b为系统输入系数序列长度；c_j为系统扰动系数第c_j个，j∈1，2，......，n_c，n_c为系统扰动系数序列长度；z^-j为滞后j步算子，j∈1，2，......，n_a、n_b或n_c，n_a、n_b或n_c分别为滞后算子的步长度。

5.一种权利要求1至4中任一项所述的动态前馈补偿的改进广义预测自适应控制方法，应用于单自由度磁致伸缩驱动器。

6.根据权利要求5所述的应用于单自由度磁致伸缩驱动器的动态前馈补偿的改进广义预测自适应控制方法，其特征在于，在单自由度磁致伸缩驱动器的定位过程中，通过动态前馈补偿实现对干扰激励的补偿，通过自适应反馈控制进行驱动定位控制。

7.一种权利要求1至4中任一项所述的动态前馈补偿的改进广义预测自适应控制方法，应用于多自由度精密耦合驱动平台，所述多自由度精密耦合驱动平台包括多个相互之间耦合连接的单自由度磁致伸缩驱动器。

8.根据权利要求7所述的应用于多自由度精密耦合驱动平台的动态前馈补偿的改进广义预测自适应控制方法，其特征在于，在多自由度精密耦合驱动平台的定位驱动控制过程中，当其中一个单自由度磁致伸缩驱动器运动时，将其余单自由度磁致伸缩驱动器的位移输出均看作是对运动状态中的单自由度磁致伸缩驱动器的干扰激励，通过动态前馈补偿实现对干扰激励的补偿，通过自适应反馈控制对运动中的单自由度磁致伸缩驱动器进行驱动定位控制。