[发明专利]一种压电陶瓷微动平台的数据驱动自适应滑模迭代控制方法

说明书

本发明公开了一种压电陶瓷微动平台的数据驱动自适应滑模迭代控制方法，属于微纳控制技术领域。该方法在基于紧格式动态线性化的数据驱动自适应滑模迭代控制中引入了自适应学习率，设计数据驱动控制器。与现有的技术相比，本发明不需要任何压电陶瓷微动平台的迟滞非线性模型等其他模型的信息，引入了紧格式动态线性化数据模型，避免了对平台建模的复杂过程和所建模型的精确度对控制器有效性的影响；在迭代过程中采用自适应学习率，使得在每一时刻算法都能选取到最合适的学习率从而进一步提高控制器的控制性能。

技术领域

本发明属于微纳控制技术领域，更具体地，涉及一种压电陶瓷微动平台的数据驱动自适应滑模迭代控制方法。

背景技术

随着高端制造行业、超精密机械加工等一系列工业方向的高速发展，压电陶瓷被广泛应用于精密芯片制造业、医学成像、超声马达、航空航天设备等超精密定位领域。但由于压电陶瓷材质本身具有很强的迟滞非线性特性以及蠕变特性，在进行实际轨迹跟踪实验时会严重影响其控制精度，甚至导致发散。因此解决其固有的非线性问题是提高压电陶瓷微动平台应用范围的重要问题。

为了提高压电微动平台的控制精度，学者们已经提出了各种基于离线数学模型的控制方案。谷国迎等人采用改进PI模型对压电执行器进行迟滞逆补偿从而实现精密控制。康考迪亚大学的苏春翌等人利用鲁棒自适应滑模控制策略实现了对压电陶瓷微定位平台的高精度跟踪控制；中国科学院大学的程龙等人采用模型预测控制方法实现了对压电陶瓷微定位平台的高精度轨迹跟踪控制。这些控制方法对于离线模型的精度有着很高的要求，而在面临许多实际的控制问题时，其被控对象的数学模型往往难以建立，甚至无法获取。因此，许多研究人员开始对数据驱动控制方法展开研究。侯忠生等人提出了一种数据驱动自适应控制方法，该方法仅依靠系统的I/O数据便可以对被控系统进行有效的控制，从而避免了离线数学模型带来的一系列问题。由于其适用性强，可以避免复杂的离线数学模型建立等优点，许多学者在其基础上提出了各种数据驱动控制方法。张永昌等人提出了一种数据驱动预测控制用于驱动永磁同步电机。王印松等人提出了一种数据驱动自适应终端滑模控制，并实现了对水箱的高精度控制。其中数据驱动滑模控制由于其克服系统不确定性能力强等特点在解决各种非线性系统的轨迹跟踪问题时呈现了很好的性能。

为了进一步提高数据驱动滑模控制的控制精度，人们提出数据驱动滑模迭代学习控制，利用迭代学习控制能够不断优化自身控制性能的特点，在迭代时不断提升数据驱动滑模控制的控制精度。但在迭代过程中，由于不断追求控制精度的提高，往往会忽视系统的收敛性能，从而造成系统收敛速度慢以及收敛过程中抖振幅度过大等现象，严重影响控制性能。其中学习率对于迭代学习控制环节的控制效果起着至关重要的作用，学习率选取过大会使得系统在迭代过程中逐渐发散，而学习率选取过小又会使得系统达到收敛所需迭代次数过多，以及控制精度过低等缺点。因此在实际操作过程中，选取一个合适的学习率往往需要大量的工作。即使最终获得了一个较为合适的学习率，由于其为一固定值，在迭代过程中往往无法兼顾系统的收敛性能以及控制精度。

因此，如何对迭代过程中学习率进行改进具有很强的研究意义。在所提方法中，提出了一种自适应学习率替代以往的固定学习率，使其迭代过程具有自适应性。从而提高收敛性能以及控制精度。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种压电陶瓷微动平台的数据驱动自适应滑模迭代控制方法，其目的在于，不需要任何与平台有关的模型参数信息，通过对压电陶瓷微动平台采用数据驱动自适应滑模迭代控制的方法，提高对压电陶瓷微动平台的轨迹跟踪精度。

本发明用以下方案实现：

一种压电陶瓷微动平台的数据驱动自适应滑模迭代控制方法，具体包括以下步骤：

步骤1：在对压电陶瓷微动平台建立紧格式动态线性化的数据模型，通过控制输入准则函数得到基于紧格式动态线性化的数据驱动自适应控制器。

将压电陶瓷微动平台描述为如下非线性非仿射系统：