论文部分内容阅读
数控机床是实现先进制造技术的重要基础装备,它关系到国家发展的战略地位。当今的数控机床发展的方向是高速和高精度。而低速的非线性摩擦不可避免要影响伺服系统的精度,所以开发高速高精度的数控机床,必须合理消除摩擦带来的影响。用传统的PID 控制或者鲁棒等方法抑制摩擦,理论上可以获得满意的效果,但往往以巨大的控制输入为代价。所以研究摩擦的特性,进行精细的摩擦补偿具有相当重要的意义。摩擦补偿分为非模型和基于模型两类。非模型补偿具有一定的局限性,基于模型的补偿中,模型非线性参数的在线辨识是个棘手的问题。特别是基于动态LuGRe 摩擦模型的补偿,没用考虑模型的稳态非线性参数的变化,使补偿缺乏适应性。以X-Y 平台为研究对象,首先对摩擦的特性、摩擦模型以及国内外现有的补偿方法做了介绍。并通过仿真分析了摩擦对伺服系统的影响。然后基于上述问题,从理论上研究了摩擦补偿的方法。通过仿真验证了补偿方法的有效性。1. 用自适应模糊系统在线学习摩擦特性,根据相对速度估计摩擦力并加以抵消。兼有自适应的在线学习和模糊的非线性处理的能力。2. 基于指数摩擦模型采用自适应模糊进行摩擦补偿。将摩擦分为线性的粘性摩擦和非线性摩擦两部分。模糊集合只用于学习摩擦的非线性部分,简化了模糊补偿器。引入一个自适应误差项抵偿模糊系统的估计误差,从而避免了控制律中鲁棒项的出现,简化了控制律。3. 在基于动态LuGre 模型的补偿方法中,考虑了模型的稳态参数(库伦摩擦、静摩擦和Stribeck 速度)不确定性和变化。通过采用一个神经网络在线学习LuGre 模型的稳态参数,改善了补偿的适应性。