《Actuators》:Finite-Time Prescribed Performance Neural Network Force Control of Electro-Hydraulic Proportional Load Simulator with Output Feedback
Zhenle Dong,
Chao Li,
Pengxiang Zhang,
Yilong Jia,
Jianyong Yao and
Long Liu
编辑推荐:
研究人员关注于电液比例负载模拟器(EHPLS)的高精度力控制。首先,为了减弱比例阀未知死区的影响,构建了具有平滑逆死区的数学模型。然后,定义了有限时间预设性能函数(其期望稳态值可在有限时间内达到),以对跟踪误差施加约束,同时引入神经网络反馈来补偿未知动态,从而
研究人员关注于电液比例负载模拟器(EHPLS)的高精度力控制。首先,为了减弱比例阀未知死区的影响,构建了具有平滑逆死区的数学模型。然后,定义了有限时间预设性能函数(其期望稳态值可在有限时间内达到),以对跟踪误差施加约束,同时引入神经网络反馈来补偿未知动态,从而在存在未知死区参数、未知系统参数和扰动的情况下,确保整个跟踪过程的跟踪精度进一步提升。最后,通过设计修改,所提出的控制技术基于输出反馈信号得以实现。在两种期望力轨迹下进行了对比仿真,以验证所提出控制器的有效性。
电液比例负载模拟器(EHPLS)是国防与工业领域的重要设备,常用于再现高精度载荷,如导弹地面测试中的气动载荷模拟和材料力学性能测试。然而,液压系统存在非线性、参数不确定性及难以建模的未知动态,而比例阀的未知死区非线性更成为性能提升的关键瓶颈。现有控制方法虽包括自适应控制、自抗扰控制等,但大多针对稳态精度,缺乏对全周期(尤其是瞬态阶段)性能的显式描述,且较少涉及未知死区的针对性与在线补偿结合。此外,多数方法依赖全状态反馈,而实际应用中可能仅配备力传感器。为此,研究人员针对静态加载下的EHPLS力控制问题,开展了一项研究,旨在通过融合有限时间预设性能、神经网络补偿与输出反馈技术,全面改善跟踪精度。研究构建了平滑逆死区模型及自适应死区参数估计,定义了有限时间预设性能函数以约束跟踪误差,引入神经网络补偿未知动态,并通过设计修改实现仅基于输出力信号的控制策略。对比仿真验证了所提出控制器的有效性,结果表明,在正弦和点对点两种期望力轨迹下,所提控制器的最大跟踪误差相比比例积分(PI)控制器和自适应神经网络控制器分别降低超过92.5%和83.5%,且误差能在预设有限时间内收敛至稳态域。该研究为EHPLS提供了高精度控制方案,其输出反馈特性降低了传感器依赖,具有显著实用价值。论文发表在《Actuators》期刊上。
研究人员为开展研究主要采用了以下关键技术方法:首先构建了平滑逆死区模型,并结合自适应律对未知死区参数进行在线估计,以补偿比例阀死区影响;其次定义了有限时间预设性能函数,通过转换误差对跟踪误差的收敛速度与超调施加强约束;接着引入径向基函数神经网络(NN)来逼近集总未知动态;最后基于输出力信号,用近似负载压力P
F(等于F/A)替换实际负载压力P
L,重新设计了控制器,实现了仅依赖输出反馈的有限时间预设性能力控制。
研究结果如下:
**4.1 Case 1**(正弦类期望轨迹)
在仿真中,将所提出控制器(C1)与无预设性能的自适应神经网络控制器(C2)及比例积分控制器(C3)进行对比。结果表明:C3的最大跟踪误差为26.41 N;C2通过模型补偿将最大误差降至18.13 N;C1通过有限时间预设性能边界将最大误差进一步压缩至1.98 N,且能在预设时间T
f内收敛到稳态域,而C2和C3的误差均越出预设边界。这验证了所提有限时间预设性能控制技术的有效性。
**4.2 Case 2**(点对点期望轨迹)
采用点对点命令(幅值4000 N)进行仿真。C1最大跟踪误差为7.27 N,C2为18.13 N,C3误差更大。C1在T
f后误差稳定在1 N以下,始终位于预设性能边界内;C2和C3误差超出边界。各控制器对比再次表明,所提C1策略精度最高。
综合两个案例,C1在正弦轨迹中T
f后的最大跟踪误差仅为指令幅值的0.0495%,相比C3和C2分别提升了92.5%和83.5%;在点对点轨迹中T
f后的最大误差为指令幅值的0.0025%,相比C3和C2分别提升了94.6%和90.9%。所有结果均证实所提控制策略的优越性。
在讨论部分,研究人员总结认为,所提出的预设性能输出反馈静态加载控制策略为电液比例负载模拟器提供了显著优势。它通过有限时间预设性能设计与死区补偿的协同作用,实现了对瞬态与稳态误差边界的显式约束,并保证误差在预设有限时间内收敛至预定区域。策略的输出反馈本质减少了全状态测量需求,增强了实际可行性。研究结论翻译如下:本研究得出结论,所提出的预设性能输出反馈静态加载控制策略为电液比例负载模拟器带来了显著优势。它显著提升了控制精度,对于正弦和点对点轨迹,相比PI和基于模型的自适应鲁棒控制器,最大跟踪误差分别降低了超过92.5%和83.5%。这一大幅改进直接归因于两个核心要素的综合:有限时间预设性能设计和死区补偿,前者通过转换受约束误差,控制瞬态与稳态误差边界,保证在预设有限时间内收敛至预定义区域。这些特性使得该策略成为高精度加载控制的鲁棒方案。此外,策略的输出反馈性质通过减少对全状态测量的依赖,增强了其实用可行性。未来研究将关注在更极端物理条件下验证算法,并将其应用扩展到材料测试等领域。