遗传算法在伺服系统参数中的应用【毕业论文+CAD图纸全套】

买文档就送您 纸全套， 01339828或 11970985 本科毕业设计论文 题 目 遗传算法在伺服系统参数 中的应用 专业名称 学生姓名 指导教师 毕业时间 2 0 1 4 . 0 6_ 买文档就送您 纸全套， 01339828或 11970985 I 毕业 任务书 一、题目 遗传算法在伺服系统参数 中的应用 二、指导思想和目的要求 利用已有的专业知识，培养学生解决 实际工程问题的能力；培养科学操作能力培养学生的团结合作攻关能力。 三、主要技术指标 四、 进度和要求 第 01 周 2 周： 英文翻译； 第 03 周 4 周： 了解智能算法的发展趋势； 第 05 周 6 周： 学习遗传算法； 第 07 周 9 周： 掌握伺服系统静态摩擦模型； 第 10 周 1 周： 设计伺服系统静态摩擦系数辨识流程； 第 12 周 3 周： 在 对辨识结果进行分析； 第 14 周 6 周： 撰写毕业设计论文，论文答辩 。 五、主要参考书及参考资料 1胡寿松 . 自动控制原理 M，科学出版社， 2007 2史峰、王辉 . 能算法 M，北京航空航天大学出版社， 2011 3刘金琨 . 智能控制 M，电子工业出版社， 2013. 4E. M. 1989. 设计 论文 买文档就送您 纸全套， 01339828或 11970985 5J, 005(9), 736陈星，李东海，基于遗传算法的分布参数对象 制器设计 J自然科学版 )， 2007， 47（ 8） : 13567孟安波，叶鲁卿，殷豪，等 J2004， 21(3):3988胡炜，沈理，遗传优化模糊逻辑控制器 J1997,24(6): 109王小平，曹立明，遗传算法 理论应用与软件实现 M安交通大学出版社， 2002. 10sp . of , 11周军，不确定性系统的变结构自适应控制理论与应用 D1993. 学生 指导教师 系主任 _ 买文档就送您 纸全套， 01339828或 11970985 1 摘 要 摩擦是制约伺服系统控制精度提高的一个重要因素，要想实现伺服系统的低速高精度控制，就须对系统存在的摩擦进行补偿。基于摩擦模型的补偿方法更加具有针对性，如果能得到系统的 比较准确的摩擦模型，一般都能得到很好的控制效果。摩擦模型参数辨识是本文讨论的主要问题。 综述了国内外在摩擦模型参数辨识方面的研究进展情况，详细分析了摩擦力的产生机理、摩擦的动态现象、伺服系统中的摩擦现象以及几种常用的静态、动态摩擦模型。通过分析、比较，从而选择静摩擦模型 为辨识对象进行辨识仿真。 简述了遗传算法的原理，编码方法、适应度函数、选择算子、交叉算子、变异算子。 利用 制实现被控对象精确的速度跟踪，获取静摩擦模型 线 ， 设计了基于遗传算法的摩擦系数辨识方法，对某 静摩擦模型进行参数辨识。通过在 编写 程序进行辨识仿真，由仿真结果验证了辨识方法的可行性。 关键词 :摩擦模型 ， 遗传算法 ， 系统辨识 买文档就送您 纸全套， 01339828或 11970985 2 is an to of to we in is if we an of of is of of of in of of I as I a as a to to in to a D is on is 纸全套， 01339828或 11970985 目 录 第一章 绪论 . 1 . 1 . 1 . 1 服系统的影响 . 2 . 4 . 4 . 5 . 7 . 9 . 10 第二章 摩擦现象及摩擦模型分析 . 12 擦现象简介 . 12 . 12 . 13 . 15 . 17 . 17 . 21 型 . 21 . 24 第三章 遗传算法原理简介 . 25 买文档就送您 纸全套， 01339828或 11970985 . 25 . 27 . 27 . 28 . 28 . 30 . 30 . 32 . 33 . 37 . 38 . 39 . 40 第四章 基于遗传算法的摩擦模型参数辨识 . 41 . 41 . 41 . 42 . 42 . 46 结论与展望 . 47 买文档就送您 纸全套， 01339828或 11970985 1 第一章 绪论 题研究目的与意义 擦的背景简介 摩擦作为一种常见的复杂非线性物理过程，产生于非理想光滑界面间的相对运动。多年来，对于 摩擦过程的分析与探索一直是国内外研究的热点。少数场合下，摩擦作用作为正面效应被利用来设计产品，如防滑链，运输带等。但多数情况下，摩擦作用会带来极限震荡、能源浪费等负面效应，严重制约机械系统的运行效率。 依据相关数据显示，全球每天耗费的各类能 源中，有接近一半的能量消耗于摩擦，可见尽可能避免不必要的摩擦消耗 ，对于能源节约与高效利用有着极其重要的意义。同时，机械制造工业中，绝大多数器件的劳损或毁坏都是由于器部件过度磨损，如果器件运行时的摩擦能得到有效控制，那么无论是期间维护还是零件再造费用都会显著降低，从而降低行 业成本。 擦的模型补偿 减小机械系统中摩擦的最直接方法，就是通过优化工件契合、改进结构设计来改善接触面的光滑程度、润滑程度，但这类方法往往代价高昂，甚至在工艺上难以实现。因此，实际应用中一般采用更经济的方式来减小摩擦带来的不利影响，其中最为常见的是基于摩擦模型的补偿方法。 摩擦模型补偿主要通过三个阶段时限；首先，认知系统摩擦的结构组成与作用过程，并据此进行合理的摩擦建模；之后，利用摩擦模型对浅见涌动过程中的摩擦作用进行有效辨识：最后，通过辨识结果置顶合理的前馈补偿策略，驱动相应的机构完成 摩擦补偿。摩擦模型补偿在低成本条件下，能获得较好的摩擦一直效果，但由于见过、辨识需要离线计算，一般适用于实时性需求不高的机械系统。 买文档就送您 纸全套， 01339828或 11970985 2 考虑到摩擦具有典型的非线性无力特征，常用的静态摩擦模型和动态摩擦模型中，都采用指数、积分、微分项来表征摩擦过程非线性特性。据此衍生出多种基于经典动、静态摩擦模型的补偿方法，如：杨元凯提出的一种基于型的摩擦补偿反馈， 提出的基于库仑 +粘滞模型的自适应摩擦补偿方法 。 提出了一种基于 型的自适应摩擦补偿方法 。 擦对伺服系统的影响 在伺服系统中，摩擦是一种难以避免的、复杂的物理现象。特别实在定位控制、低速度和速度变相的伺服系统中；摩擦力的存在给系统带来很大的影响。一般情况下，伺服系统设计只把摩擦作为一个干扰加以抑制，控制器设计通常没有设计摩擦动态特性的影响，这样的设计没有考虑摩擦非线性的存在对整个系统稳定性造成的影响，随着对伺服系统控制精度要求的提高，摩擦非线性以及动态特性已经成为一个不可忽略的重要问题。 从实用角度来看，位置控制系统可以划分为位置定位系统和位置跟踪系统。位置定位系统的控制目 的是使位置的稳态误差趋于零，加入天文望远镜系统、天线系统等等。位置跟踪系统的控制目的是使输出位置跟踪输入位置，如转台伺服。对于采用 制的伺服系统，摩擦力矩会对系统响应产生很多不良影响。对于位置定位系统，零速时存在的静摩擦将使系统响应表现出死区特性，通常情况 下，采用积分控制可以消除静差，但对于含有摩擦环节的伺服系统，由于 从静止到运动的过程中，摩擦的变化是不连续的且具有斜率特性，映入积分控制后，系统响应将出现极限环震荡现象，对于柔性机械系统，仅库仑摩擦就能导致出现极限环振荡现象。 考虑一个由直流电机驱动的 转台伺服系统，该系统包含摩擦力 F: 220 1 2 )0()() v vc s cJ x u g g (1买文档就送您 纸全套， 01339828或 11970985 3 式中： J 为电机的转动惯量，取 J=x 为角位移， u 为控制输入力矩，采用 制： u=40e(k)=k)； 摩擦力矩 F 由 擦 模 型 给 出 。 取 参 数 0=260, 1=2=c=s=用 该系统进行仿真可知，受系统摩擦力矩的影响，系统在位置跟踪时出 现“平顶” 现象，速度跟踪时出现“死区”现象，如图 示。 综上所述，摩擦非线性主要影响系统的低速及反向运动性能，其主要产生原因是动静摩擦的差 。 摩擦力矩对伺服系统性能的主要影响如下 : (1) 引起系统静态误差，在低速跟踪和小阻尼时引起所谓的“滞滑”跳动和爬行，从而降低系统的分辨率和重复精度，导致稳定精度的下降，影响到跟踪和定位精度。 (2) 由于摩擦过程本身激发的不平稳运动（即极限环震荡），造成转台控制系统的“死区”非线性，使分辨力及系统的重复精度降低。 (3) 由于摩擦力矩的波动，增大了速率的不均匀性，尤其在低速运 动时，由于系统由静止到 运动的转变过程中，摩擦的变化具有负的斜率特性，容易造成爬行，也称 粘一运动 ( 即系统出现“静 动 静 动”的跳跃运动，使系统的低速特性受到损害。 (4) 速度过零时，出现波动畸变，在零速时，由于存在静摩擦，且其变化是多值的、不连续的，导致系统在速度过零时的运动不平稳。 图 置跟踪时的“平顶”现象与速度跟踪时的“死区”现象 买文档就送您 纸全套， 01339828或 11970985 4 内外研究现状 关摩擦研究的历史进展 对摩擦非线性环节建立准确的数学模型，无论从认识摩擦现象的角度出发，还是从对其进行补偿，以克服摩擦给伺服系统带来的危害、提高系统的性能的角度出发，其重要性都是不言而喻的 关摩擦建模的研究一直十分活跃，国内外很多学者进行了大量的研究，到目前为止，已经提出的摩擦模型有 30 多种。 关于摩擦的研究可以追溯到十六世纪早期， 1500 年， a 出了两条摩擦定律 :“摩擦力和负载成正比，而和物体接触面的面积无关”。首先提出了摩擦系数的概念，他认为摩擦系数与滑动物体的质量有关 a 观点并没引起关注，直到 1699 年法 国物理学家 次提出类似的观点才引起大家的重视。 1748 年，瑞士数学家一次将静摩擦系数和动摩擦系数区分开来，他还用符号来 表示摩擦系数，这一直沿用到今天 。 1785 年， 统的总结了前人的工作， 现物体静止时所受到的静摩擦力是随着外力的变化而变化的 ， 发现“无润滑滑行条件下的动摩擦力与物体的滑动速度无关”，这被称为摩擦第三定律。但这三条定律都是根据经验得到的，并不适合所有情况 。 1834 年， 过大量试验进一步验证 了 1885 年，流体力学先驱 M. 次引入粘滞摩擦(概念，并指出粘滞摩擦力的大小和润滑剂的粘性有关。 1902年， 现 了 有名的“ 应”。 1958 年， 次将静摩擦力和摩擦记忆现象纳入摩擦模型中。 1968 年， 次引入微分方程来描述摩擦模型，虽然 型有许多不足，却为后续的关于动态摩擦模型 的研究打开了思路。 1972 年， 静摩擦力和停滞时间的关系进行了深入的研究，并提出了增加的静摩擦力的实验模型。 1990 年， 出了纯时滞模型，试图描述摩擦记忆现象 。 人将 型推广至二阶，便可以描述 象，但同时也大大增加了模型的复杂程度，不利于系统建模、仿真。 1994 年， 出了参数摩擦模型，采用分段描述的方法描述摩擦现象。 1995 年， 人提出了非常著名的 擦买文档就送您 纸全套， 01339828或 11970985 5 模型，该模型能 够比较全面的描述摩擦现象。在 擦模型基础上， 2000年 人提出了 擦模型， 2002 年， 进了 擦模型，提出 擦模型， 2005 年， 人提出了 擦模型 (，这些摩擦模型都能很好的描述摩擦现象。 统辨识概述 系 统辨识是一种建模方法。不同的学科领域对应着不同的数学模型，从某种意义上讲，不同学科的发展过程就是建立它的数学模型的过程。建 模的方法有两种，即解析法和系统辨识。 1962 年提出 :系统辨识是在对输入和输出观测的基础上，在指定的一类系统中，确定一个与被辨识的系统等价的系统。从实用的角度来看，系统辨识就是从一组模型中选择一个模型，按照某种准则，使之能很好地拟合由系统的输入输出观测数据体现出的实际系统的动态或静态特性。 传统的系统辨识方法包括 :以脉冲响应为基础的系统辨识方法、以最小二乘法为基础的系统辨识方法和极大似然法等等。以脉冲响应为基础的系统辨识方法主要包括脉冲响应法、相关函数法和局部辨识 法。最小二乘法 (一种经典的数据处理方法，但由于最小二乘估计是非一致的、有偏差的，因而为了克服它的不足，形成了一些以最小二乘法为基础的辨识方法 :广义最 小 二乘法( 辅助变量法 (增广矩阵法 (以及将一般的最小二乘法与其他方法相结合的方法，相关分析 随机逼近算法。极大似然法 (特殊的噪声模型有很好的性能，具有很好的理论保证，但计算耗费大，可能得到的是损失函数的局部极小值。传统的系统辨识方法虽然已经发展的比较成熟和完善，但也还是存在着一定的不足和 局限 ： (1)基于最小二乘法的系统辨识一般要求输入信号已知且必须具有较丰富的变化，这一条件在许多普通闭环控制系统是可以满足的，而某些动态预测系统和过程控制系统中，系统的输入往往无法精确获得或不允许随意改变，因此这些传统的方法不便直接应用 ； (2)传统的系统辨识方法对于线性系统的辨识具有很好的辨识效果，但对于非线性系统往往不能得到满意的辨识结果 ； 买文档就送您 纸全套， 01339828或 11970985 6 (3)传统的辨识方法普遍存在着不能同时确定系统的结构与参数以及往往得不到全局最优解的缺点。 线性系统辨识理论已经趋于成熟，但一般的线性模型实 际上是某些非线性被忽略或用线性关系代替后得到的对真实系统的近似数学描述。随着科学技术的迅猛发展，控制系统越来越复杂，对控制精度的要求越来越高，具有复杂非线性的系统不能用线性模型来近似，所以研究非线性系统辨识理论有着很重要的实际意义。 对于非线性系统参数模型的辨识问题，人们最早涉及的是某些特殊类型的非线性系统，如双线性系统模型、 型、 型、非线性时间序列模型、输出仿射模型等 国学者都作了大量的工作，提出了不少辨识算法。同时，也对这些算法的估计一致性问题进 行了讨论。随着人们对非线性系统辨识问题研究的日益深入，更为一般的普适性非线性模型的辨识问题就显得日益重要。常用的非线性系统描述方法有微分 (或差分 )法、泛函级数法、 型法及分块系统法等。 随着智能控制理论研究的不断深入及其在控制领域的广泛应用，针对传统系统辨识方法存在着的不足与局限，国内外学者又提出了许多新型的系统辨识方法，把神经网络、小波网络、模糊理论、遗传算法等知识应用于系统辨识中，从而发展出很多新的系统辨识方法，这些方法主要应用于非线性系统辨识。 (1)基于神经网络的系统辨识方法 神经网 络具有良好的非线性映射能力、自学习适应能力和并行信息处理能力，为解决未知不确定非线性系统的辨识问题提供了一条新的思路。在辨识非线性系统时，我们可以根据非线性静态系统或动态系统的神经网络辨识结构，利用神经网络所具有的对任意非线性映射的任意逼近能力，来模拟实际系统的输入输出关系，而利用神经网络的自学习、自适应能力，可以方便地给出工程上易于实现的学习算法，经过训练得到系统的正向或逆向模型。 (2)基于模糊逻辑的系统辨识方法 由于模糊逻辑系统可以在任意精度上一致逼近任何定义在一个致密集上的非线性函数的特性，使得近年来模糊逻辑理论在非线性系统辨识领域中得到广买文档就送您 纸全套， 01339828或 11970985 7 泛的应用。模糊辨识作为一种新颖的辨识方法，具有其独特的优越性 :能有效的辨识复杂和病态结构的系统 ； 能够有效的辨识具有大时延、时变、多输入单输出的非线性系统 ； 可以辨识性能优越的人类控制器 ； 可得到被控对象的定性与定量相结合的模型。 (3)基于小波网络的系统辨识方法 采用小波网络结构的系统辨识方法是研究非线性系统建模的有力 工具之一。源于小波分析理论的小波网络由于其独特的数学背景，使得它的分析和设计均有许多不同于其他网络的方面。其中以紧支正交小波和尺度函数构造的正交小波网络具有系统化的设计方法，能够根据辨识样本的分布和逼近误差要求确定网络结构和参数 ； 正交小波网络还能够明确给出逼近误差估计，网络参数的获取不存在局部最小问题。 (4)基于遗传算法的系统辨识方法 遗传算法是建立在自然选择和自然遗传学机理基础上的迭代自适应概率性算法，由于具有不受函数性质制约、全方位搜索及全局收敛等诸多优点，得到了日益广泛的应用。遗传算法模拟自然界中 物竟天择、适者生存的生物进 化过程，在解空间中进行大规模、全局、并行搜索，搜索过程是从初始种群开始的，以模型对应的适应度函数作为寻优判据对种 群进行操作，而与模型的具体表达式无关。遗传算法不依赖于问题模型本身的特性，以及不容易陷入局部最优和隐含并行性等特点，能够快速有效的搜索复杂、高度非线性和多维空间，为非线性系统辨识的研究与应用开辟了一条新的途径 。 擦模型的参数辨识概述 如何通过辨识的方法得到摩擦模型参数是研究人员十分关心的问题。摩擦模型参数辨识可通过离线和在线两种方法得到。 (1)离线辨识 离 线辨识是通过收集相应数据经处理从而得到摩擦模型参数的辨识方法。这种方法要求系统的模型结构已经选好，阶数也已经确定，在获得全部记录数据之后，用最小二乘法、极大似然法或其他估计方法对数据进行集中处理，从而得到模型参数的估值 。 这方面国内外学者进行了大量的研究，它是获得摩擦模型参数的主要方法。丛爽教授通过对线性系统模型加上所选摩擦力矩模型得到的系统进行 真，调整摩擦模型参数使得仿真系统的输出与相同输入买文档就送您 纸全套， 01339828或 11970985 8 下实际系统输出一致，以此获得较精确的摩擦力矩模型 。 U. 基于 擦模型，采用最小二乘算法辨识出滑行前的静摩擦模型。 出了三种摩擦参数辨识方法 :法、非线性回归方法、直接激发的动态非线性回归方法 。 提出了一种基于区间分析的有界误差参数辨识方法来辨识 擦模型参数。 近年来，针对摩擦模型中存在的非线性参数，基于智能控制算法的系统辨识算法应用得越来越多。刘强等 , 摩擦模型的动、静态参数分两步进行辨识，在辨识的过程中均采用遗传算法 .。 作为优化工具，直接将待辨识的参数向量作为个体，从而得到系统的擦 模型参数。段海滨等基于 擦模型，提出了一种基于蚁群算法的摩擦模型参数辨识方法 。 基于参数摩擦模型，采用加速进化算法(识 台中存在的摩擦模型。 K. 研究了好几个摩擦模型，采用两步非线性优化策略辨识系统摩擦模型 :第一阶段用 法来获得一个大范围的参数空间，并确定全局或局部最小可能存在的区域 ； 第二阶段利用 化算法从第一阶段所确定的区域中确定全 局或局部极小值。 提出了一种 置跟踪系统低速摩擦模型的参数辨识方法 加速进化策略 (。 u 等 J 使用高斯神经网络设计出一个摩擦模型参数辨识器，这种辨识器对含摩擦力的低维动态系统的摩擦模型参数辨识效果很好。 (2)在线辨识 在线辨识则是利用实际系统运行过程中得到的某些数据来估计摩擦模型参数。用在线辨识时，系统的模型结构和阶数是事先确定好的。当获得一部分输入和输出数据后，马上用 最小二乘法、极大似然法或其他估计方法进行处理，得到模型参数的不太准确的估值 递推算法对原来的参数估值进行修正，得到参数的新估值。其优点在于能够实时跟踪系统中摩擦模型参数的动态变化。李书训等首先利用输入输出线性化方法将原系统模型转化为一种简单的线性模型，然后采用一种非线性摩擦观测器，在线估计系统中的库仑摩擦值 。 杨元恺等利用状态观测器，用伺服系统的输出电流和转速估计摩擦力矩 。 郑言海等提出了一种基于匹配追随算法的摩擦力自适应在线买文档就送您 纸全套， 01339828或 11970985 9 辨识方法，该方法不要求任何摩擦力模型的先验知识，根据系统 输入输出，以一定数的正交多项式为基底，在线对摩擦力非线性进行多项式逼近，多项式的更新在由基底构成的空间的各方向逐次进行。 S. 针对一高精度位置跟踪系统，通过记录系统运行速度和控制输入，用最小二乘算法在线辨识指数摩擦模型参数。 (3)离线辨识、在线辨识的优缺点 离线辨识的优点是参数估计的精度比较高，缺点是需要存储大量数据，要求计算机有较大的存储 t，辨识时运算 t 也比较大。 在线辨识的优点是所要求的计算机存储 t 较小，辨识计算时运算量较小，适合于进行实时控制，缺点是参数估计的精度差一些。为了实 现自适应控制，必须采用在线辨识，要求在很短的时间内把参数辨识出来，参数辨识所需时间只能占 1 个采样周期的一小部分。 综上所述，本文采用基于遗传算法的离线参数辨识方法来辨识系统摩擦模型参数，可以得到精度比较高的摩擦模型。 能算法研究进展 以模拟退火算法、神经网络算法、遗传算法为代表的智能算法，凭借其出众的解集生成与搜索能力，己逐步替代传统的牛顿迭代、最小二乘法等经典算法成为解决复杂优化、辨识问题新的手段，同时成为解决带有多参数、多极值的组合优化与系统辨识问题提供了更多的解决途径。同时，由于智能算法的算法 增益并不随迭代代数增加而收敛，所以对于具有明显非线性、时变性的复杂系统的优化与辨识拥有明显的优势。 (1)模拟退火算法 ( 1953 年提出模拟退火 (算法思想，之后被广泛应用于解决组合优化、系统辨识问题。该算法是以 代求解策略为理论基础，模拟固体降温变化过的随机优化算法。 法按一定规则设计邻域函数，由初始解依照邻域函数在邻域中随机产生下一个解，比较初始解与当前解择优作为当前最优解。同时， 法另行设计了一个强制 接受规则，使得 法在迭代过程中有一定概率接受较差的解，保证算法抑制局部最优的能力。在保证初始解准确度的条件下，可以证明 以 100%的概率到达全局最优。 买文档就送您 纸全套， 01339828或 11970985 10 (2)遗传算法 (遗传算法是密歇根大学的 J. 授受物种遗传、进化过程的启发，于 20 世纪 70 年代提出的一种并行迭代的仿生优化算法。遗传算法以物竞天择为择优标准，以交叉、变异操作模拟生物进化过程从而达到解集优化的目的，通过合适概率的交叉与变异，父代解集不断生成子代解集，由于每代只保留适应度最高的一定数 目解集，因此随着迭代的不断升入，解集的平均性能都在不停提高，从而最终在高性能的解集中获取全局最优解。 (3)神经网络优化算法 ( 神经网络算法以大脑神经分布结构为算法基础。基于多层结构的网状架构，合理的神经兀分布，加上良好的反馈策略，使得神经网络算法具有良好的自学习性，能够通过辨识结果与实际信号的差异对算法自身参数进行有效调整，它是一种拥有庞大处理能力的非线性智能优化算法，完全模仿人脑进行信息处理和思维思考，因此组合优化一与系统辨识能力出众。 (4)蚁群算 法 (蚂蚁食物搜索过程所提出的智能搜索算法。蚂蚁在找寻食物的过程中，能释放一种称为外激素的物质来标定食物的搜索路径，外激素的强度与该路径通向到食物的可能性正相关。蚁群算法是通过设置外激素这样一个算法参数，在算法迭代过程中选择该参数较高的迭代方向进行搜索，从而最终获取全局最优解的智能优化算法。 (1)粒子群优化算法 (粒子群优化算法是以鸟类捕食过程为参照提出的一种进化算法。与多数优化算法仅保留全局最优个体不 同，粒子群算法同时保留当代的最优个体，且子代的迭代方向由全局最优与当前最优个体共同决定，因此 法的搜索能力更为强大 ，既拥有良好的算法收敛速度，又具备出众的抑制局部最优能力。粒子群的搜索方向规则也决定该算法的解集可以隔代关联，从而使得解集搜索方向更为自由，解集生成能力更强。 文研究内容 综上所述，由于摩擦的存在，在很大程度上制约了伺服系统控制精度的提高。要想实现伺服系统的低速高精度控制，不可避免的要遇到位置跟踪时的买文档就送您 纸全套， 01339828或 11970985 11 “平顶”现象和速度跟踪时的“死区”现象，这也就引出对 系统存在的摩擦进行补偿的问题。基于摩擦模型的补偿方法更加具有针对性，如果能得到系统的比较准确的摩擦模型，一般都能得到很好的控制效果。本文研究的主要内容就是如何通过辨识方法获得系统的摩擦模型参数，内容安排如下 : 第一章 :分析了摩擦对伺服系统低速及反向性能的影响，以及如何消除这种不利影响 :综述了近年来国内外在摩擦模型建模、系统辨识、摩擦模型的参数辨识三个方面的研究进展情况，进而提出本文的研究内容。 第二章 :比较详细的分析了摩擦现象， 包括 :摩擦力的产生、摩擦的动态现象以及伺服系统中的摩擦现象 ， 分析 了几种比较常用的静态摩擦模型和动态摩擦模型。为辨识出比较准确的系统摩擦模型作好准备。 第三章 :介绍了 遗传算法 的数学基础、应用步骤、编码方法、适应度函数、选择算子、交叉算子、变异算子以及遗传算法的运行参数， 主要阐述了遗传算法的基本原理。 第四章 :介绍了遗传算法应用于系统辨识的基本方法 ;针对伺服系统中的摩擦现象，设计了一种基于遗传算法的摩擦模型参数辨识方法，并通过 最后，对本文的工作做一个总结，并对下一步的工作做了展望。 买文档就送您 纸全套， 01339828或 11970985 12 第二章 摩擦现象及摩擦模型分析 所有的机械系统中都存在摩擦力，如 :齿轮、传送带、液压气压泵、阀门、刹车及轮子等等。有很多物理现象会引起摩擦力，包括弹性、塑性形变、流体力学、波动现象以及材料科学等等。在传统的机械工程领域己经对摩擦力进行了广泛的研究。摩擦力在控制工程领域也很重要，例如在驱动系统设计、高精度伺服机械、机器人、液压和气动系统以及汽车的防抱死刹车等等。摩擦有着很高的非线性特性，它的存在可能导致稳态误差、极限环和较差的系统性能。因此对于控制工程师来说，理解摩擦现象并知道如何去处理 它们是很必要，也是很重要的。至今为止，国内外学者已经建立了三十多种摩擦模型。总的来说，经典的摩擦模型可以分为两大类 :静态摩擦模型和动态摩擦模型。 擦现象简介 擦力的产生 摩擦力是两接触面之间切向方向的反作用力 (阻力 )。摩擦力的大小与很多方面的因素有关，如 :接触面的几何形状和拓扑结构、接触物表面材料和体积特性、接触物间的位移和相对速度位移以及润滑情况等等。由于物体的表面不可能绝对平滑，实际上是摩擦表面突出的一些微小的点相接触，称之为“突点”，如图 图 体接触表面微观示意图 买文档就送您 纸全套， 01339828或 11970985 13 无润滑时 (干摩擦力 :平面运动接触面间的滑动摩擦力模型可以看成是接触面微观的弹性和塑性形变力 ； 转动接触面间的摩擦力是因为接触面上的压力分配不均衡而产生的 。 压力分配是由任一接触体的弹性滞后或接触面的局部滑行引起的，转动摩擦力的摩擦系数和法线负载成比例，比例系数0 . 2() 1 . 4 。摩擦力的弹性 性 特 性 可 以 用 滞 后 理 论(描述。 有润滑时 :低速情况下，润滑剂在物体表面形成一 层薄膜，摩擦力由剪切力决定 。 一般情况下，低速时固体润滑剂薄膜剪切力要比更高速时的相应液体薄膜产生的剪切力要大。通常润滑系统的摩擦系数会随着速度的增加而减小。当薄膜厚度足够大，能够把接触物体完全隔离开的时候，这时候液压效应起主要作用，摩擦力系数可能随着速度的增大而增大，这被称之为 应。对润滑摩擦力而言，薄膜厚度是一个十分重要的参数。含液态薄膜结构的机械包含动态特性，因此需要一个动态摩擦模型。接触面上的污染物也会导致摩擦力。 匀速运动时摩擦力是一个与速度有关的函数，这被称为 线 。特别地，低速时，摩擦力随着速度增大而减小，这被称为 应，见图 擦力一速度的关系图会随着材料特性、温度、磨损等条件的改变而改变。很多摩擦现象不会出现在匀速实验中。后面给出了一些对摩擦的动态现象的观测结果。 图 应示意图 擦的动态现象 1、静摩擦力和临界摩擦力 (买文档就送您 纸全套， 01339828或 11970985 14 粘滞时候的摩擦力称之为静摩擦力 (克服静摩擦从而使物体开始运动所需要的力称之为临界摩擦力 。 20 世纪 50 年代就已经有很多实验来研究静摩擦力和临界摩擦力的特性。 究了粘滞和滑行间的转换，他提出摩擦力为位移的函数。如图 示。 断出图 摩擦力的最大值即为临界摩擦力。这个最大摩擦力一般主要出现在起始点附近的一段小位移。实验发现临界摩擦力的大小取决于外力的增大速度，如图 示。 图 2. 3 摩擦力 图 2. 4 临界摩擦力 2、摩擦滞后 ( 图 擦力 图 摩擦滞后也称之为摩擦记忆现象。 了一个实验，物体单向变速运动时 (如 :速度逐渐增大或逐渐减小 )，速度按一定的斜率做周期变化，得到如图 示的摩擦力 由于速度的变化我们观测到了滞后现象。滞后环的大小随着法线负载、接触面的粘性以及速度变化的频率的增大而变大。 3、 应 买文档就送您 纸全套， 01339828或 11970985 15 图 应 过实验观察发现，由于接触金属突点的柔性可能大于整个宏观物体的柔性，在滑动前的弹性形变阶段，摩擦力并非总是位移的线性函数，当所加切向力超出线性范围后，撤掉外力会造成永久的位移，这被称为 应，如图 示。实线为加力时的结果，虚线为撤掉力时的结果