本文關(guān)鍵詞：DEAP柔性仿生驅(qū)動(dòng)器的建模與控制研究，由筆耕文化傳播整理發(fā)布。

【摘要】：介電電活性聚合物(DEAP)是一種新型的智能材料,屬于一種電子型的電活性聚合物(EAP)。DEAP在高壓驅(qū)動(dòng)下可以產(chǎn)生最大30%的應(yīng)變,并且具有功能密度比大、無(wú)噪音、形變大、柔順等優(yōu)點(diǎn),因此非常適合用作仿生機(jī)器人的驅(qū)動(dòng)材料。但是基于DEAP材料的仿生驅(qū)動(dòng)器中普遍存在著遲滯效應(yīng)、蠕變性、不確定性、非線性等現(xiàn)象,從而使得許多控制策略不能直接應(yīng)用于DEAP驅(qū)動(dòng)器系統(tǒng)中。本文的主要內(nèi)容是研究DEAP驅(qū)動(dòng)器的建模與控制。DEAP驅(qū)動(dòng)器建模主要包括基于Prandtl-Ishlinskii模型的遲滯建模及其參數(shù)辨識(shí)�？刂撇呗灾饕獜膬蓚�(gè)方面開(kāi)展,第一種不需要建立DEAP驅(qū)動(dòng)器的物理模型,包括基于T-S模型的廣義預(yù)測(cè)控制和自抗擾控制,第二種需要DEAP驅(qū)動(dòng)器的物理模型,包括自適應(yīng)滑模控制。本文的研究工作主要包含以下內(nèi)容:(1)針對(duì)DEAP驅(qū)動(dòng)器系統(tǒng)的機(jī)電特性,使用T-S模糊模型對(duì)系統(tǒng)進(jìn)行建模,在此模型的基礎(chǔ)上給出廣義預(yù)測(cè)控制,并進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明這種控制策略具有很高的跟蹤精度和響應(yīng)速度。(2)將DEAP驅(qū)動(dòng)器系統(tǒng)中遲滯等非線性看成系統(tǒng)擾動(dòng)的一部分,采用線性自抗擾控制策略對(duì)系統(tǒng)進(jìn)行控制,并進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明該控制器具有很強(qiáng)的魯棒性和很高的跟蹤精度。(3)在系統(tǒng)輸入采用非線性變換的基礎(chǔ)上,使用Prandtl-Ishlinskii模型對(duì)DEAP系統(tǒng)進(jìn)行遲滯建模,并且采用差分進(jìn)化算法進(jìn)行參數(shù)辨識(shí)。最后使用辨識(shí)模型的逆模型對(duì)系統(tǒng)進(jìn)行逆補(bǔ)償控制,實(shí)驗(yàn)結(jié)果表明跟蹤精度能控制在4%以內(nèi)。(4)將DEAP驅(qū)動(dòng)器系統(tǒng)假設(shè)為Prandtl-Ishlinskii遲滯模型和一個(gè)二階的線性系統(tǒng)的串聯(lián),設(shè)計(jì)了兩種自適應(yīng)滑模控制器。其中第一種采用離線的方法對(duì)系統(tǒng)進(jìn)行遲滯逆補(bǔ)償,并在系統(tǒng)輸入端串聯(lián)一個(gè)積分器,在此基礎(chǔ)上設(shè)計(jì)自適應(yīng)滑模控制器。這種控制策略能有效抑制滑模帶來(lái)的抖振。第二種采用最小二乘法在線辨識(shí)Prandtl-Ishlinskii模型參數(shù)并在線進(jìn)行逆補(bǔ)償,在此基礎(chǔ)上設(shè)計(jì)滑模控制。
【關(guān)鍵詞】：DEAP Prandtl-Ishlinskii遲滯模型 T-S模型 廣義預(yù)測(cè)控制 自抗擾控制 滑模控制
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP273;TB381
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-20
• 1.1 課題研究背景及意義10-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-18
• 1.3 本文的主要工作18-20
• 第2章 DEAP驅(qū)動(dòng)器特性與模型20-27
• 2.1 DEAP材料的機(jī)電特性20-21
• 2.2 DEAP驅(qū)動(dòng)器的制作方法21-22
• 2.3 DEAP驅(qū)動(dòng)器的靜態(tài)模型22-24
• 2.4 DEAP驅(qū)動(dòng)器實(shí)驗(yàn)平臺(tái)24-26
• 2.5 本章小結(jié)26-27
• 第3章 基于T-S模型的廣義預(yù)測(cè)控制27-37
• 3.1 T-S模型27-30
• 3.1.1 T-S模型系統(tǒng)27-28
• 3.1.2 T-S模型的參數(shù)辨識(shí)28-30
• 3.2 廣義預(yù)測(cè)控制30-32
• 3.3 基于T-S模型的廣義預(yù)測(cè)控制32-33
• 3.4 實(shí)驗(yàn)結(jié)果與分析33-35
• 3.5 本章小結(jié)35-37
• 第4章 自抗擾控制在DEAP驅(qū)動(dòng)器系統(tǒng)中的應(yīng)用37-43
• 4.1 自抗擾控制37-39
• 4.2 自抗擾控制器的設(shè)計(jì)39-40
• 4.3 實(shí)驗(yàn)結(jié)果與分析40-42
• 4.4 本章小結(jié)42-43
• 第5章 DEAP驅(qū)動(dòng)器的遲滯建模及其逆補(bǔ)償控制43-53
• 5.1 PRANDTL-ISHLINSKII模型43-45
• 5.2 DEAP驅(qū)動(dòng)器的遲滯建模45-47
• 5.3 模型的參數(shù)辨識(shí)47-50
• 5.4 逆補(bǔ)償控制50-52
• 5.5 本章小結(jié)52-53
• 第6章 滑�？刂圃贒EAP驅(qū)動(dòng)器系統(tǒng)中的應(yīng)用53-71
• 6.1 DEAP驅(qū)動(dòng)器的模型53
• 6.2 滑模控制53-55
• 6.3 自適應(yīng)滑�？刂破鞯脑O(shè)計(jì)55-62
• 6.3.1 逆補(bǔ)償及其誤差分析55-58
• 6.3.2 控制器設(shè)計(jì)58-60
• 6.3.3 仿真實(shí)驗(yàn)60-62
• 6.4 基于在線遲滯逆補(bǔ)償?shù)幕？刂?/span>62-69
• 6.4.1 參數(shù)估計(jì)器設(shè)計(jì)62-65
• 6.4.2 控制器設(shè)計(jì)65-66
• 6.4.3 仿真實(shí)驗(yàn)66-69
• 6.5 本章小結(jié)69-71
• 結(jié)論71-72
• 參考文獻(xiàn)72-78
• 攻讀學(xué)位期間發(fā)表論文與研究成果清單78-79
• 致謝79

【相似文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 鄭金文;DEAP柔性仿生驅(qū)動(dòng)器的建模與控制研究[D];北京理工大學(xué);2016年

  本文關(guān)鍵詞：DEAP柔性仿生驅(qū)動(dòng)器的建模與控制研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：302737