形状记忆合金自感知模型及执行器控制策略研究.pdfVIP

摘要

随着科技的发展与进步，传统的执行器由于体积重量较大等问题，无法

满足航空航天、生物医疗等高精尖领域的需求。形状记忆合金由于其形状记

忆以及超弹性特性，被广泛认为是一类具有智能特性的材料，在高精尖领域

展现出显著的应用潜力。形状记忆合金执行器利用形状记忆合金材料在特定

温度下的形状记忆功能，能够实现精确的驱动和控制。然而，形状记忆合金

执行器在空间受限的应用场景中，如移动机器人、可穿戴设备和摄像头云台

等，面临着无法使用位置传感器、控制不精准等问题，限制了其在这些领域

的应用。针对这一挑战，本文对形状记忆合金执行器建模及驱动控制策略方

面进行了深入研究，提出了一种基于自感知方法的机理模型以及基于神经网

络模型预测控制的驱动控制策略，并设计了一种应用于空间受限场景下的形

状记忆合金执行器驱动实验平台，使用仿真和实验验证了相关模型和驱动控

制策略的有效性。

本文首先对形状记忆合金执行器原理及特性进行了分析，然后依据实验

数据，对形状记忆合金材料的自感知方法进行了研究，建立了基于多项式的

自感知模型。将自感知方法作为机理模型的反馈环节，将热传递模型、机理

模型、相变模型、动力学模型作为前向环节，建立了基于自感知方法的机理

模型，使用仿真软件对机理模型进行了验证，为控制策略的开发奠定了基础。

在建立了机理模型后，需要开发一种能够适应形状记忆合金非线性滞后

特性的驱动控制策略，本文提出了一种基于长短时记忆的神经网络模型预测

控制。从原理角度分析其对形状记忆合金执行器的适用性，进行了长短时记

忆神经网络训练，并使用粒子群算法对系统进行滚动优化求解，最终得到模

型预测控制优化方向。使用仿真软件将其与传统PID控制进行了性能对比，

仿真结果发现，神经网络模型预测控制在提高控制精度、适应性和鲁棒性上

具有显著优势。

为了进一步验证机理模型和驱动控制策略的有效性，设计了一种线性单

丝偏动式驱动实验平台，对形状记忆合金合金材料、类型进行了研究，并针

对性设计了一种基于压控恒流源的功率驱动器，使其能够实现实时功率驱动

和连续电阻测量功能。设计了基于传感器和LabVIEW软件的数据采集与处

理单元，并对驱动平台进行了预热和调试，最终选择峰值为0.8A电流作为输

入电流。

最后，使用驱动实验平台进行了系统开环和闭环实验。开环实验结果表

明，形状记忆合金执行器表现出明显的非线性滞后特征。闭环实验结果表明，

神经网络模型预测控制能够实现设计系统最大超调量小于8%，稳态平均绝对

误差小于给定值的3%，施加冷却扰动位置振幅不超过20%时，调整时间小

于3s，施加机械扰动位置振幅不超过12.5%时，恢复最大位置波动小于3%。

关键词：形状记忆合金执行器；自感知；机理模型；神经网络模型预测控制；

长短时记忆网络

Abstract

Withthedevelopmentandprogressofscienceandtechnology,traditional

actuatorscannotmeettheneedsofaerospace,biomedicineandother

sophisticatedfieldsduetolargevolumeandweight.Shapememoryalloysare

widelyregardedasintelligentmaterialsduetotheirshapememoryand

superelasticproperties,whichshowsignificantapplicationpotentialin

advancedandsophisticatedfields.Shapememoryalloyactuatorsusetheshape

memoryfunctionofshapememoryalloymaterialsatspecifictemperaturesto

achieveprecisedriveandcontrol.However,shapememoryallo