CN104808486B - 基于模糊ts模型的压电陶瓷执行器的预测控制方法和装置 - Google Patents

基于模糊ts模型的压电陶瓷执行器的预测控制方法和装置 Download PDF

Info

Publication number
CN104808486B
CN104808486B CN201510077244.4A CN201510077244A CN104808486B CN 104808486 B CN104808486 B CN 104808486B CN 201510077244 A CN201510077244 A CN 201510077244A CN 104808486 B CN104808486 B CN 104808486B
Authority
CN
China
Prior art keywords
mrow
msub
fuzzy
piezoelectric ceramic
ceramic actuator
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510077244.4A
Other languages
English (en)
Other versions
CN104808486A (zh
Inventor
程龙
侯增广
谭民
刘伟川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Automation of Chinese Academy of Science
Original Assignee
Institute of Automation of Chinese Academy of Science
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Automation of Chinese Academy of Science filed Critical Institute of Automation of Chinese Academy of Science
Priority to CN201510077244.4A priority Critical patent/CN104808486B/zh
Publication of CN104808486A publication Critical patent/CN104808486A/zh
Application granted granted Critical
Publication of CN104808486B publication Critical patent/CN104808486B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Feedback Control In General (AREA)

Abstract

本发明提供一种基于模糊TS模型的压电陶瓷执行器的预测控制方法和装置，所述方法包括：获取压电陶瓷执行器的电压位移建模数据组；根据模糊TS模型，对所述电压位移采样数据组执行模糊聚类，获得多个线性子规则，并根据最小二乘辨识法获得各所述线性子规则的参数；确定性能指标取最优条件下的各所述线性子规则对应的子预测控制律；获取压电陶瓷执行器在一个采样周期内的电压位移预测数据组；对所述子预测控制律执行加权平均、确定最终预测控制律、并作为控制输出函数。本发明所述方法能够实现对压电陶瓷执行器的实时精确的控制。

Description

基于模糊TS模型的压电陶瓷执行器的预测控制方法和装置
技术领域
本发明涉及纳米定位领域，特别涉及一种基于模糊TS模型的压电陶瓷执行器的预测控制方法和装置。
背景技术
压电陶瓷执行器具有较高的负载能力、较大的驱动能力、以及高精度的定位分辨率，能实现纳米尺度的操纵，广泛应用于微系统、通信、半导体技术、生物技术以及航空航天技术等领域，是微装配系统、原子力显微镜或高精度定位操作手术设备等的核心部件。
在现有技术中，基于逆模型的迟滞补偿控制是应用最为广泛的压电陶瓷执行器控制方法，该方法首先建立迟滞特性的正模型，再由正模型求出迟滞特性的逆模型，最后在控制系统中加入使用该逆模型的前馈环节，实现对迟滞特性的补偿控制。
当使用上述方法对压电陶瓷执行器进行控制时，需在控制过程中求取迟滞特性的逆模型，计算量很大，难以适用于响应速度很快的压电陶瓷执行器，尤其是目标跟踪信号变化速度很快时，该方法的控制性能不能令人满意；此外，迟滞特性与作用于压电陶瓷执行器上的电压信号的频率密切相关，这也进一步对逆模型的精度造成了影响。
发明内容
本发明的第一个方面是提供一种基于模糊TS(Takagi-Sugeno)模型的压电陶瓷执行器的预测控制方法，能够实现对压电陶瓷执行器的实时精确的控制，包括：
获取压电陶瓷执行器的电压位移采样数据组；
根据模糊TS模型，对所述电压位移采样数据组执行模糊聚类，获得多个线性子规则，并根据最小二乘辨识法获得各所述线性子规则的参数；
确定性能指标取最优条件下的各所述线性子规则对应的子预测控制律；
获取压电陶瓷执行器在一个采样周期内的电压位移预测数据组；
以所述电压位移预测数据组对所述线性子规则的满足度为权重对所述子预测控制律执行加权平均、确定最终预测控制律、并将所述最终预测控制律作为控制输出函数。
本发明的第二个方面是提供一种基于模糊TS模型的压电陶瓷执行器的预测控制装置，包括：
数据获取模块，用于获取压电陶瓷执行器的电压位移采样数据组，和获取压电陶瓷执行器在一个采样周期内的电压位移预测数据组；
模糊TS模型建立模块，用于根据模糊TS模型，对所述电压位移采样数据组执行模糊聚类，获得多个线性子规则，并根据最小二乘辨识法获得各所述线性子规则的参数；
子预测控制律确定模块，用于确定性能指标取最优条件下的各所述线性子规则对应的子预测控制律；
最终预测控制律确定模块，用于以所述电压位移预测数据组对所述线性子规则的满足度为权重对所述子预测控制律执行加权平均、确定最终预测控制律、并将所述最终预测控制律作为控制输出函数。
本发明的有益效果为：
本发明基于模糊TS模型的压电陶瓷执行器的预测控制方法，通过采用模糊建模方法对压电陶瓷执行器以离线方式进行建模，减轻了在线建模的计算负担，并且在模糊模型确定以后，控制器就可以根据该模型进行设计子控制预测律，仅有最终控制律的解模糊算法需要在每一个采样时间内进行，减小了预测控制方法的计算量，因此能够实现对压电陶瓷执行器的实时精确的控制。
附图说明
图1是本发明基于模糊TS模型的压电陶瓷执行器的预测控制方法实施例一的流程图；
图2是本发明基于模糊TS模型的压电陶瓷执行器的预测控制方法实施例一的原理图；
图3是本发明基于模糊TS模型的压电陶瓷执行器的预测控制装置实施例一的结构框图；
图4是本发明基于模糊TS模型的压电陶瓷执行器的预测控制装置实施例一的应用现场图。
具体实施方式
图1是本发明基于模糊TS模型的压电陶瓷执行器的预测控制方法实施例一的流程图，如图1示，本发明基于模糊TS模型的压电陶瓷执行器的预测控制方法，包括：
S101、获取压电陶瓷执行器的电压位移采样数据组，优选的，包括：
获取所述压电陶瓷执行器的电压和位移，并以线性向量形式表示电压位移采样数据组：
X＝[y(t-1),y(t-2),…,y(t-ny),u(t),u(t-1),…,u(t-nu)]∈Rp (1)
其中ny为输出量y所对应的最大延迟，nu为输入量u所对应的最大延迟，所述获取所述压电陶瓷执行器的电压和位移包括：
将压电陶瓷执行器的电压激励信号转换为变频率定幅值的正弦型信号，并将所述正弦型信号作用于所述压电陶瓷执行器以获得位移信号，采集所述电压激励信号和位移信号；
优选的，所述压电陶瓷执行器可以采用德国PI公司的单自由度压电陶瓷执行器(型号P-753)，所述压电陶瓷执行器的电压位移采样数据组和电压位移预测数据组的获取通过采用研华公司的数据采集卡作为数据采集设备来实现。
S102、根据模糊TS模型，对所述电压位移采样数据组执行模糊聚类，获得多个线性子规则，并根据最小二乘辨识法获得各所述线性子规则的参数，优选的，包括：
根据GK(Gustafson-Kessel)算法对电压位移采样数据组进行模糊聚类，求得IF-THEN表达式的模糊集Aip，获得线性子规则Ri：
其中，x1等代表先行词向量X中的元素，Aip等为先行词对应的模糊集，该集合可在模糊聚类辨识中得到。fi(X)为第i个局部线性子模型，yi为其对应的模型输出。aij和bij为常数参数，ζi为偏差常数；
并针对各所述线性子规则分别用最小二乘辨识法求得参数aij、bij和ζi；
模糊TS模型对复杂非线性对象的建模方面具有独特优势；
S103、确定性能指标取最优条件下的各所述线性子规则对应的子预测控制律，优选的，包括：
根据公式(2)、公式(3)和公式(4)获得相邻时刻的电压的变化量序列ΔUi，并将所述变化量序列ΔUi的第一项作为所述线性子规则对应的电压调节序列
其中，R(t)为压电陶瓷执行器的跟踪目标值序列，为第i个线性子规则的预测输出序列，ΔUi为相邻时刻的电压的变化量序列，ρi为惩罚因子，在实时控制中，取该序列的第一项作为实际的控制输出，记作
S104、获取压电陶瓷执行器在一个采样周期内的电压位移预测数据组；
S105、以所述电压位移预测数据组对所述线性子规则的满足度为权重对所述子预测控制律执行加权平均、确定最终预测控制律、并将所述最终预测控制律作为控制输出函数，优选的，包括：
根据公式(5)获得所述电压位移预测数据组对所述线性子规则Ri的满足度βi(X)：
根据公式(6)以所述电压位移预测数据组对所述线性子规则的满足度βi(X)为权重对所述子预测控制律执行加权平均、确定最终预测控制律：
其中，K为规则的个数，为所述电压位移预测数据组中元素对相应模糊集Aip的隶属度函数值。
具体的，设定预测控制器的初始控制量为0，在每一个采样周期，首先根据线性向量的状态求得每个子预测控制律并求得隶属度函数的满足度βi(X)，而后由解模糊算法求取最终预测控制律，并作用于压电陶瓷执行器，而后重复上述过程。
图2是本发明基于模糊TS模型的压电陶瓷执行器的预测控制方法实施例一的原理图，如图2所示，该步骤采用平行分布式的形式对于所述压电陶瓷执行器进行位移控制，所述预测控制方法对于未知的系统扰动具有抑制作用，能够提高控制精度。
本发明基于模糊TS模型的压电陶瓷执行器的预测控制方法实施例一，通过采用模糊建模方法对压电陶瓷执行器以离线方式进行建模，减轻了在线建模的计算负担，并且在模糊模型确定以后，控制器就可以根据该模型进行设计子控制预测律，仅有最终控制律的解模糊算法需要在每一个采样时间内进行，减小了预测控制方法的计算量，因此能够实现对压电陶瓷执行器的实时精确的控制。
图3是本发明基于模糊TS模型的压电陶瓷执行器的预测控制装置实施例一的结构框图，图4是本发明基于模糊TS模型的压电陶瓷执行器的预测控制装置实施例一的应用现场图，如图3和图4所示，本发明基于模糊TS模型的压电陶瓷执行器的预测控制装置，包括：
数据获取模块，用于获取压电陶瓷执行器的电压位移采样数据组，和获取压电陶瓷执行器在一个采样周期内的电压位移预测数据组；
模糊TS模型建立模块，用于根据模糊TS模型，对所述电压位移采样数据组执行模糊聚类，获得多个线性子规则，并根据最小二乘辨识法获得各所述线性子规则的参数；
子预测控制律确定模块，用于确定性能指标取最优条件下的各所述线性子规则对应的子预测控制律；
最终预测控制律确定模块，用于以所述电压位移预测数据组对所述线性子规则的满足度为权重对所述子预测控制律执行加权平均、确定最终预测控制律、并将所述最终预测控制律作为控制输出函数。
优选的，所述压电陶瓷执行器可以采用德国PI公司的单自由度压电陶瓷执行器(型号P-753)，所述压电陶瓷执行器的电压位移采样数据组和电压位移预测数据组的获取通过采用研华公司的数据采集卡作为数据采集设备实现；所有实验设备按照图4所示的方式进行连接，之后在MATLAB/SIMULINK环境下编程实现所述的模糊T-S模型以及预测控制器；在实际控制过程中所述预测控制在每一个采样间隔执行；经试验证明，本发明基于模糊T-S模型的压电陶瓷执行器的预测控制装置实施例一具有很高的控制精度。
优选的，所述数据获取模块具体用于获取所述压电陶瓷执行器的电压和位移，并以线性向量形式表示电压位移采样数据组：
X＝[y(t-1),y(t-2),…,y(t-ny),u(t),u(t-1),…,u(t-nu)]∈Rp (1)
其中ny为输出量y所对应的最大延迟，nu为输入量u所对应的最大延迟；
所述数据获取模块还具体用于将压电陶瓷执行器的电压激励信号转换为变频率定幅值的正弦型信号，并将所述正弦型信号作用于所述压电陶瓷执行器以获得位移信号，采集所述电压激励信号和位移信号；
优选的，所述模糊TS模型建立模块具体用于根据GK算法对电压位移采样数据组进行模糊聚类，求得IF-THEN表达式的模糊集Aip，获得线性子规则Ri：
其中，x1等代表先行词向量X中的元素，Aip等为先行词对应的模糊集，该集合可在模糊聚类辨识中得到。fi(X)为第i个局部线性子模型，yi为其对应的模型输出。aij和bij为常数参数，ζi为偏差常数；
并针对各所述线性子规则分别用最小二乘辨识法求得参数aij、bij和ζi；
优选的，所述子预测控制律确定模块具体用于根据公式(2)、公式(3)和公式(4)获得相邻时刻的电压的变化量序列ΔUi，并将所述变化量序列ΔUi的第一项作为所述线性子规则对应的电压调节序列
其中，R(t)为压电陶瓷执行器的跟踪目标值序列，为第i个线性子规则的预测输出序列，ΔUi为相邻时刻的电压的变化量序列，ρi为惩罚因子；
优选的，所述最终预测控制律确定模块具体用于根据公式(5)获得所述电压位移预测数据组对所述线性子规则Ri的满足度βi(X)：
根据公式(6)以所述电压位移预测数据组对所述线性子规则的满足度βi(X)为权重对所述子预测控制律执行加权平均、确定最终预测控制律：
其中，K为规则的个数，为所述电压位移预测数据组中元素对相应模糊集Aip的隶属度函数值。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种基于模糊TS模型的压电陶瓷执行器的预测控制方法，其特征在于，包括：
获取压电陶瓷执行器的电压位移采样数据组；
根据模糊TS模型，对电压位移采样数据组执行模糊聚类，获得多个线性子规则，并根据最小二乘辨识法获得各所述线性子规则的参数；
确定性能指标取最优条件下的各所述线性子规则对应的子预测控制律；
获取压电陶瓷执行器在一个采样周期内的电压位移预测数据组；
以所述电压位移预测数据组对所述线性子规则的满足度为权重对所述子预测控制律执行加权平均、确定最终预测控制律、并将所述最终预测控制律作为控制输出函数；
所述根据模糊TS模型对所述电压位移采样数据组执行模糊聚类，获得多个线性子规则，并根据最小二乘辨识法获得各所述线性子规则的参数包括：
根据GK算法对所述电压位移采样数据组进行模糊聚类，求得IF-THEN表达式的模糊集Aip，获得线性子规则Ri：
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>I</mi> <mi>F</mi> <mi> </mi> <msub> <mi>x</mi> <mn>1</mn> </msub> <mi>i</mi> <mi>s</mi> <mi> </mi> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <mi>a</mi> <mi>n</mi> <mi>d</mi> <mi> </mi> <msub> <mi>x</mi> <mn>2</mn> </msub> <mi>i</mi> <mi>s</mi> <mi> </mi> <msub> <mi>A</mi> <mn>2</mn> </msub> <mi>a</mi> <mi>n</mi> <mi>d</mi> <mn>...</mn> <mi>a</mi> <mi>n</mi> <mi>d</mi> <mi> </mi> <msub> <mi>x</mi> <mi>p</mi> </msub> <mi>i</mi> <mi>s</mi> <mi> </mi> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mi>p</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>T</mi> <mi>H</mi> <mi>E</mi> <mi>N</mi> <mi> </mi> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>=</mo> <msub> <mi>f</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>n</mi> <mi>y</mi> </msub> </munderover> <mo>-</mo> <msub> <mi>a</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mi>y</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>+</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>n</mi> <mi>u</mi> </msub> </munderover> <mo>-</mo> <msub> <mi>b</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mi>y</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>&amp;zeta;</mi> <mi>i</mi> </msub> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
其中，x1,x2,...,xp代表线性向量X中的元素，Ai1,Ai2,...,Aip为线性向量X中的元素x1,x2,...,xp对应的模糊集，模糊集可在模糊聚类辨识中得到；fi(X)为第i个局部线性子模型，yi为其对应的模型输出；aij和bij为常数参数，ζi为偏差常数；ny为输出量y所对应的最大延迟，nu为输入量u所对应的最大延迟；
并针对各所述线性子规则分别用最小二乘辨识法求得参数aij、bij和ζi；
相应的，所述确定性能指标取最优条件下的各所述线性子规则对应的子预测控制律包括：
根据公式(2)、公式(3)和公式(4)获得相邻时刻的电压的变化量序列ΔUi，并将所述变化量序列ΔUi的第一项作为所述线性子规则对应的电压调节序列
<mrow> <msub> <mi>J</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>U</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <mi>R</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mover> <mi>Y</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> <mo>&amp;lsqb;</mo> <mi>R</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mover> <mi>Y</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>+</mo> <msub> <mi>&amp;rho;</mi> <mi>i</mi> </msub> <msubsup> <mi>&amp;Delta;U</mi> <mi>i</mi> <mi>T</mi> </msubsup> <msub> <mi>&amp;Delta;U</mi> <mi>i</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <mfrac> <mrow> <mo>&amp;part;</mo> <msub> <mi>J</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>U</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>U</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>=</mo> <mn>0</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
其中，R(t)为压电陶瓷执行器的跟踪目标值序列，为第i个线性子规则的预测输出序列，ΔUi为相邻时刻的电压的变化量序列，ρi为惩罚因子。
2.根据权利要求1所述的基于模糊TS模型的压电陶瓷执行器的预测控制方法，其特征在于，所述获取压电陶瓷执行器的电压位移采样数据组包括：
获取所述压电陶瓷执行器的电压和位移，并以线性向量形式表示电压位移采样数据组：
X＝[y(t-1),y(t-2),…,y(t-ny),u(t),u(t-1),…,u(t-nu)]∈Rp (1)
其中ny为输出量y所对应的最大延迟，nu为输入量u所对应的最大延迟。
3.根据权利要求2所述的基于模糊TS模型的压电陶瓷执行器的预测控制方法，其特征在于，以电压位移预测数据组对所述线性子规则的满足度为权重对所述子预测控制律执行加权平均、确定最终预测控制律、并将所述最终预测控制律作为控制输出函数包括：
根据公式(5)获得所述电压位移预测数据组对所述线性子规则Ri的满足度βi(X)：
<mrow> <msub> <mi>&amp;beta;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>&amp;mu;</mi> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <msub> <mi>&amp;mu;</mi> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mn>2</mn> </mrow> </msub> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mn>...</mn> <mo>&amp;CenterDot;</mo> <msub> <mi>&amp;mu;</mi> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mi>p</mi> </mrow> </msub> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>p</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
根据公式(6)以所述电压位移预测数据组对所述线性子规则的满足度βi(X)为权重对所述子预测控制律执行加权平均、确定最终预测控制律：
<mrow> <msub> <mi>&amp;Delta;u</mi> <mi>f</mi> </msub> <mo>=</mo> <mfrac> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </msubsup> <msub> <mi>&amp;beta;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> <msubsup> <mi>&amp;Delta;u</mi> <mi>i</mi> <mrow> <mi>o</mi> <mi>p</mi> <mi>t</mi> </mrow> </msubsup> </mrow> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </msubsup> <msub> <mi>&amp;beta;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
其中，其中K为规则的个数，为所述电压位移预测数据组中元素对相应模糊集Aip的隶属度函数值。
4.根据权利要求2所述的基于模糊TS模型的压电陶瓷执行器的预测控制方法，其特征在于，所述获取所述压电陶瓷执行器的电压和位移包括：
将压电陶瓷执行器的电压激励信号转换为变频率定幅值的正弦型信号，并将所述正弦型信号作用于所述压电陶瓷执行器以获得位移信号，采集所述电压激励信号和位移信号。
5.一种基于模糊TS模型的压电陶瓷执行器的预测控制装置，其特征在于，包括：
数据获取模块，用于获取压电陶瓷执行器的电压位移采样数据组，和获取压电陶瓷执行器在一个采样周期内的电压位移预测数据组；
模糊TS模型建立模块，用于根据模糊TS模型，对电压位移采样数据组执行模糊聚类，获得多个线性子规则，并根据最小二乘辨识法获得各所述线性子规则的参数；
子预测控制律确定模块，用于确定性能指标取最优条件下的各所述线性子规则对应的子预测控制律；
最终预测控制律确定模块，用于以所述电压位移预测数据组对所述线性子规则的满足度为权重对所述子预测控制律执行加权平均、确定最终预测控制律、并将所述最终预测控制律作为控制输出函数；
所述模糊TS模型建立模块具体用于根据GK算法对所述电压位移采样数据组进行模糊聚类，求得IF-THEN表达式的模糊集Aip，获得线性子规则Ri：
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>I</mi> <mi>F</mi> <mi> </mi> <msub> <mi>x</mi> <mn>1</mn> </msub> <mi>i</mi> <mi>s</mi> <mi> </mi> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <mi>a</mi> <mi>n</mi> <mi>d</mi> <mi> </mi> <msub> <mi>x</mi> <mn>2</mn> </msub> <mi>i</mi> <mi>s</mi> <mi> </mi> <msub> <mi>A</mi> <mn>2</mn> </msub> <mi>a</mi> <mi>n</mi> <mi>d</mi> <mn>...</mn> <mi>a</mi> <mi>n</mi> <mi>d</mi> <mi> </mi> <msub> <mi>x</mi> <mi>p</mi> </msub> <mi>i</mi> <mi>s</mi> <mi> </mi> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mi>p</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>T</mi> <mi>H</mi> <mi>E</mi> <mi>N</mi> <mi> </mi> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>=</mo> <msub> <mi>f</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>n</mi> <mi>y</mi> </msub> </munderover> <mo>-</mo> <msub> <mi>a</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mi>y</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>+</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>n</mi> <mi>u</mi> </msub> </munderover> <mo>-</mo> <msub> <mi>b</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mi>y</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>&amp;zeta;</mi> <mi>i</mi> </msub> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
其中，x1,x2,...,xp代表线性向量X中的元素，Ai1,Ai2,...,Aip为线性向量X中的元素x1,x2,...,xp对应的模糊集，模糊集可在模糊聚类辨识中得到；fi(X)为第i个局部线性子模型，yi为其对应的模型输出；aij和bij为常数参数，ζi为偏差常数；ny为输出量y所对应的最大延迟，nu为输入量u所对应的最大延迟；
并针对各所述线性子规则分别用最小二乘辨识法求得参数aij、bij和ζi；
所述子预测控制律确定模块具体用于根据公式(2)、公式(3)和公式(4)获得相邻时刻的电压的变化量序列ΔUi，并将所述变化量序列ΔUi的第一项作为所述线性子规则对应的电压调节序列
<mrow> <msub> <mi>J</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>U</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <mi>R</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mover> <mi>Y</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> <mo>&amp;lsqb;</mo> <mi>R</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mover> <mi>Y</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>+</mo> <msub> <mi>&amp;rho;</mi> <mi>i</mi> </msub> <msubsup> <mi>&amp;Delta;U</mi> <mi>i</mi> <mi>T</mi> </msubsup> <msub> <mi>&amp;Delta;U</mi> <mi>i</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow> 2
<mrow> <mfrac> <mrow> <mo>&amp;part;</mo> <msub> <mi>J</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>U</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>U</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>=</mo> <mn>0</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
其中，R(t)为压电陶瓷执行器的跟踪目标值序列，为第i个线性子规则的预测输出序列，ΔUi为相邻时刻的电压的变化量序列，ρi为惩罚因子。
6.根据权利要求5所述的基于模糊TS模型的压电陶瓷执行器的预测控制装置，其特征在于，所述数据获取模块具体用于获取所述压电陶瓷执行器的电压和位移，并以线性向量形式表示电压位移采样数据组：
X＝[y(t-1),y(t-2),…,y(t-ny),u(t),u(t-1),…,u(t-nu)]∈Rp (1)
其中ny为输出量y所对应的最大延迟，nu为输入量u所对应的最大延迟。
7.根据权利要求5所述的基于模糊TS模型的压电陶瓷执行器的预测控制装置，其特征在于，所述最终预测控制律确定模块具体用于根据公式(5)获得所述电压位移预测数据组对所述线性子规则Ri的满足度βi(X)：
<mrow> <msub> <mi>&amp;beta;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>&amp;mu;</mi> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <msub> <mi>&amp;mu;</mi> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mn>2</mn> </mrow> </msub> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mn>...</mn> <mo>&amp;CenterDot;</mo> <msub> <mi>&amp;mu;</mi> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mi>p</mi> </mrow> </msub> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>p</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
根据公式(6)以所述电压位移预测数据组对所述线性子规则的满足度βi(X)为权重对所述子预测控制律执行加权平均、确定最终预测控制律：
<mrow> <msub> <mi>&amp;Delta;u</mi> <mi>f</mi> </msub> <mo>=</mo> <mfrac> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </msubsup> <msub> <mi>&amp;beta;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> <msubsup> <mi>&amp;Delta;u</mi> <mi>i</mi> <mrow> <mi>o</mi> <mi>p</mi> <mi>t</mi> </mrow> </msubsup> </mrow> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </msubsup> <msub> <mi>&amp;beta;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
其中，其中K为规则的个数，为所述电压位移预测数据组中元素对相应模糊集Aip的隶属度函数值。
8.根据权利要求5所述的基于模糊TS模型的压电陶瓷执行器的预测控制装置，其特征在于，所述数据获取模块具体用于将压电陶瓷执行器的电压激励信号转换为变频率定幅值的正弦型信号，并将所述正弦型信号作用于所述压电陶瓷执行器以获得位移信号，采集所述电压激励信号和位移信号。
CN201510077244.4A 2015-02-13 2015-02-13 基于模糊ts模型的压电陶瓷执行器的预测控制方法和装置 Active CN104808486B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510077244.4A CN104808486B (zh) 2015-02-13 2015-02-13 基于模糊ts模型的压电陶瓷执行器的预测控制方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510077244.4A CN104808486B (zh) 2015-02-13 2015-02-13 基于模糊ts模型的压电陶瓷执行器的预测控制方法和装置

Publications (2)

Publication Number Publication Date
CN104808486A CN104808486A (zh) 2015-07-29
CN104808486B true CN104808486B (zh) 2017-09-12

Family

ID=53693421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510077244.4A Active CN104808486B (zh) 2015-02-13 2015-02-13 基于模糊ts模型的压电陶瓷执行器的预测控制方法和装置

Country Status (1)

Country Link
CN (1) CN104808486B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106019933B (zh) * 2016-07-29 2019-12-20 中国科学院自动化研究所 一种“粘滞-滑动”微动平台的预测控制方法
WO2020113353A1 (zh) * 2018-12-03 2020-06-11 深圳大学 一种机动目标的跟踪方法及系统
CN110398995B (zh) * 2019-07-12 2021-04-13 北京控制工程研究所 一种压电陶瓷作动器的无模型跟踪控制方法及介质
CN110470921B (zh) * 2019-08-14 2022-03-18 上海卫星工程研究所 压电作动器输出力迟滞效应测试系统及测试方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030028071A (ko) * 2001-09-27 2003-04-08 주식회사 다진시스템 다층의 바이몰프형 압전세라믹을 이용한 액츄에이터제조방법
WO2012072114A1 (en) * 2010-11-30 2012-06-07 Reinhardt Microtech Ag Piezoelectric actuator for ink jet printing heads
CN103336429A (zh) * 2013-06-24 2013-10-02 中国科学院长春光学精密机械与物理研究所 一种压电陶瓷执行器的高精度控制方法
CN103884925A (zh) * 2013-10-31 2014-06-25 山东大学 一种堆叠型压电陶瓷蠕变起始时间确定方法
CN103941589A (zh) * 2014-04-24 2014-07-23 中国科学院自动化研究所 一种压电执行器的非线性模型预测控制方法
CN104238366A (zh) * 2014-09-29 2014-12-24 中国科学院自动化研究所 基于神经元网络的压电陶瓷执行器的预测控制方法及装置
CN104238358A (zh) * 2014-08-27 2014-12-24 中国科学院长春光学精密机械与物理研究所 压电陶瓷驱动器迟滞系统的开环模糊控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030028071A (ko) * 2001-09-27 2003-04-08 주식회사 다진시스템 다층의 바이몰프형 압전세라믹을 이용한 액츄에이터제조방법
WO2012072114A1 (en) * 2010-11-30 2012-06-07 Reinhardt Microtech Ag Piezoelectric actuator for ink jet printing heads
CN103336429A (zh) * 2013-06-24 2013-10-02 中国科学院长春光学精密机械与物理研究所 一种压电陶瓷执行器的高精度控制方法
CN103884925A (zh) * 2013-10-31 2014-06-25 山东大学 一种堆叠型压电陶瓷蠕变起始时间确定方法
CN103941589A (zh) * 2014-04-24 2014-07-23 中国科学院自动化研究所 一种压电执行器的非线性模型预测控制方法
CN104238358A (zh) * 2014-08-27 2014-12-24 中国科学院长春光学精密机械与物理研究所 压电陶瓷驱动器迟滞系统的开环模糊控制方法
CN104238366A (zh) * 2014-09-29 2014-12-24 中国科学院自动化研究所 基于神经元网络的压电陶瓷执行器的预测控制方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于动态模糊系统模型的压电陶瓷驱动器控制;李朋志等;《光学精密工程》;20130228;第21卷(第2期);第394-399页 *

Also Published As

Publication number Publication date
CN104808486A (zh) 2015-07-29

Similar Documents

Publication Publication Date Title
CN102621889B (zh) 一种压电陶瓷定位的复合控制方法
CN104808486B (zh) 基于模糊ts模型的压电陶瓷执行器的预测控制方法和装置
CN104238366B (zh) 基于神经元网络的压电陶瓷执行器的预测控制方法及装置
CN101871782B (zh) 基于set2fnn的gps/mems-ins组合导航系统定位误差预测方法
Luo et al. A laguerre neural network-based ADP learning scheme with its application to tracking control in the Internet of Things
Li et al. Robust adaptive fuzzy control of a class of uncertain switched nonlinear systems with mismatched uncertainties
CN105425583B (zh) 基于协同训练lwpls的青霉素生产过程的控制方法
Wang et al. Model‐free adaptive fault‐tolerant control for subway trains with speed and traction/braking force constraints
CN111308979B (zh) 基于多率迟延状态空间模型的u控制系统
CN105487376A (zh) 一种基于数据驱动单网络结构的最优控制方法
Mahmoud et al. Direct adaptive control for nonlinear systems using a TSK fuzzy echo state network based on fractional-order learning algorithm
CN112113146A (zh) 供水管网管道粗糙系数和节点需水量同步自适应校核方法
Huang et al. How could data integrate with control? A review on data-based control strategy
Dutta et al. Parametric optimization of liquid flow process by ANOVA optimized DE, PSO & GA algorithms
Ling et al. ANFIS modeling and Direct ANFIS Inverse control of an Electro-Hydraulic Actuator system
Yu et al. Traffic prediction method based on RBF neural network with improved artificial bee colony algorithm
Wanfeng et al. Adaptive PID controller based on online LSSVM identification
CN105527841A (zh) 一种时变信号的网络化跟踪控制方法
Wu et al. Optimal temperature and humidity control for autonomous control system based on PSO‐BP neural networks
CN106533285A (zh) 基于Kriging模型的永磁直流电机转速控制方法
Si et al. Online learning control by association and reinforcement
Chopra et al. A Neurofuzzy Learning and its Application to Control system
Tian et al. Nonlinear approximate optimal control based on integral reinforcement learning
Wu et al. Chaotic newton-raphson optimization based predictive control for permanent magnet synchronous motor systems with long-delay
Song et al. Event-triggered consensus output tracking strategy for multiagent systems utilizing model-free adaptive control

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant