论文部分内容阅读
磁控形状记忆合金(Magnetically Controlled Shape MemoryAlloy,MSMA)被誉为制造驱动器的最理想材料之一,用该材料制作的驱动器,能够满足现代工业中对高频响大行程微驱动器的控制要求,但MSMA固有的磁滞非线性制约了MSMA驱动器在高精度控制领域的应用。为了提高MSMA驱动器的控制精度,本文在武汉市科技计划项目(201010621231)的支持下,以芬兰AdaptaMat公司生产的NiMnGa磁控形状记忆合金为主要材料,展开了相关的研究工作。主要研究内容如下:1.从MSMA材料的应变机理入手,利用多场耦合实验设备,对NiMnGa磁控形状记忆合金的特性进行了研究,分析了磁场、外力和温度与MSMA形变量之间的关系。通过加载动态磁场,获取了该材料的磁滞非线性曲线。2.通过理论计算,设计了MSMA驱动器的磁路,并利用仿真软件验证了磁路可行性。在此基础上,对MSMA驱动器的整体结构进行了设计。3.针对传统方法无法达到较高建模精度的问题,利用了人工神经网络的建模原理实现了磁滞非线性的建模,为了解决神经网络不能逼近一对多映射的问题,以Sigmoid函数作为神经网络隐含层的激励函数,神经网络中的学习算法采用了能够提高训练速度的Levenberg-Marquardt优化算法。通过编写循环程序,得到了最佳隐含层神经元个数,利用权值和阈值建立了人工神经网络模型公式。4.为了实现MSMA驱动器的高精度控制和消除磁滞非线性的影响,通过PID原理、逆模型补偿原理和模糊控制原理,建立了五种MSMA驱动器磁滞非线性控制系统,得出了传统PID控制方法和前馈逆补偿控制方法误差都比较大,基于逆模型的PID复合控制能够进一步提高了控制系统的控制精度,模糊PID控制在逆模型PID复合控制的基础上进一步提高了系统的控制精度;相较与模糊PID控制,基于逆模型的模糊PID控制的整体误差偏小,采用基于逆模型的模糊PID控制方法的控制效果最佳,建立的系统仿真模型所能达到的最大误差为0.1163um,实现了MSMA驱动器控制系统高精度的控制。