论文部分内容阅读
伺服系统中存在非线性摩擦,而温度变化不仅影响摩擦,同时还会导致热变形误差的产生,这些均对提高伺服系统的控制和定位精度有严重的影响。随着伺服系统的应用越来越广,对其精度要求也越来越高,减小甚至消除摩擦和温度变化对伺服系统的影响,已成为实现高精度伺服系统所必须解决的关键问题。本文针对这一问题,通过理论分析和实验分析相结合的方法,分别对体现温度影响的摩擦以及丝杠轴向热变形的建模和补偿等方面展开了深入研究。首先,完成了体现温度影响的摩擦模型的建模和辨识。采用一种基于稳态误差反推的方法分离并获取伺服系统中存在的转矩纹波和摩擦力矩;利用频谱分析、最小二乘等方法辨识转矩纹波,并通过运动控制器实现其补偿;利用遗传算法实现传统LuGre模型动静态参数的精确辨识;根据实验修正传统LuGre模型中的黏性摩擦,使其在高速阶段也能精确反映伺服系统的摩擦;研究温度变化对摩擦的影响,提出一种利用神经网络对LuGre摩擦模型的静态参数进行建模的方法,从而将温度直接引入摩擦模型,建立了一种体现温度影响的摩擦模型。然后,基于该修正模型对伺服系统的摩擦补偿策略展开了研究。一方面,采用前馈PD固定摩擦补偿的控制方法,提高了伺服系统的控制精度;另一方面,针对伺服系统中摩擦模型的参数变化,以及不确定非线性建模误差和其他扰动,提出了一种基于反演设计的自适应反演滑模的摩擦补偿策略,给出了其补偿控制器的设计方法,并证明了其渐进稳定性,实验证明该方法具有较强的适应性和鲁棒性,有效改善了伺服系统的跟踪精度。最后,对温度变化引起的丝杠轴向热变形误差进行分析和建模。补偿了螺距误差和反向间隙等几何误差;分析滚珠丝杠副的热特性,得出其热变形不仅由当时其内部热源的状态决定,还受到其之前状态的影响;提出一种采用自回归小波神经网络(SRWNN)进行丝杠轴向热变形误差建模的方法,获得了较好的建模效果,并通过实验验证了模型的有效性。