控制理论与应用

作者：冯颖,梁明威

单位：华南理工大学,华南理工大学

关键词：形状记忆合金; 回滞; 自适应神经网络控制

基金：国家自然科学基金项目(62073146), 广东省自然科学基金项目(2018A030313331, 2021A1515011851), 广州市科技计划基础与应用基础研究项目 (202102080435)资助.

形状记忆合金(SMA)作为一类仿人肌肉驱动的智能柔性驱动材料, 在机器人及高端制造等领域逐步得到应用, 但由于SMA的热力学效应, 造成输入输出之间存在强饱和回滞非线性, 从而影响了驱动性能. 此外在引入负载后, SMA柔性驱动部件输出性能表现出更为复杂的驱动特性. 因此, 如何有效抑制带载条件下SMA柔性驱动部件强饱和非线性影响, 成为提升驱动性能的关键. 针对此问题, 本文重点研究带载条件下SMA柔性驱动部件的建模及驱动控制算法. 针对SMA驱动部件中的强饱和非线性特性, 本文提出一类修正(MGPI)回滞模型来进行表征. 通过设定线性输入形状函数, 不仅有效解析表征SMA驱动部件中的饱和回滞非线性, 并且便于控制器设计. 基于MGPI模型, 考虑柔性驱动部件的动态特性, 本文提出了带载条件下的SMA柔性驱动部件的自适应神经网络控制算法, 实现考虑内部非线性和外部干扰条件下的驱动精度有效提升, 并保证全局稳定性.

来源：2022年第4期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2022年第4期