王璦琿，張 強，王東云，劉 萍

(中原工學院 電子信息學院，河南 鄭州451191)

0 引言

離子聚合物金屬材料(IPMC，Ionic -exchange Polymer Metal Composite)是一種離子型電致動聚合物，已經(jīng)被人們賦予人工肌肉的美名［1］． 在低電壓驅(qū)動下，能夠產(chǎn)生較大的位移變形，作為一種新型執(zhí)行器非常適用于仿生機器人的開發(fā)與應用［2-3］．為了精確控制IPMC 人工肌肉的位置，將傳統(tǒng)的PID 控制應用到高度復雜的非線性以及模型不確定性系統(tǒng)中，效果是不夠理想的，盡管傳統(tǒng)PID 控制器具有一定的魯棒性和適應性，但是對于強非線性、快速時變不確定性、強干擾等特性的對象，控制效果較差．由于變結(jié)構(gòu)控制能夠克服系統(tǒng)的不確定性，對干擾和未建模動態(tài)具有很強的魯棒性，且具有快速響應，無需系統(tǒng)辨識，物理實現(xiàn)簡單等優(yōu)點，尤其是對非線性系統(tǒng)的控制具有良好的控制效果，已經(jīng)廣泛應用于非線性系統(tǒng)的控制設計中［4-8］．因此，針對IPMC 復雜非線性模型以及模型不確定性，采用滑模變結(jié)構(gòu)對IPMC人工肌肉位置進行跟蹤控制，并采用指數(shù)趨近律方法來抑制滑模變結(jié)構(gòu)控制過程中產(chǎn)生的抖振現(xiàn)象，進而設計了基于神經(jīng)網(wǎng)絡的PI(Proportional-Integral)外環(huán)跟蹤控制器，實現(xiàn)了不確定性因素下參數(shù)的自整定，魯棒性較好．最后通過仿真結(jié)果驗證了所設計系統(tǒng)的有效性．

1 IPMC 動態(tài)模型

在IPMC 人工肌肉的精確位置控制中，主要存在線性和非線性兩種模型． 非線性模型相對線性模型而言能夠比較詳細地解釋了IPMC 人工肌肉的動作原理和工作機理． 一種IPMC 的非線性模型可以描述為［9］

式中:v 是狀態(tài)變量;u 是控制輸入電壓;y 是控制輸出曲率;Ra是限流電阻;Rc是電極電阻;Ke是介電常數(shù);Ye是等效模量;h 是IPMC 人工肌肉的厚度;Δ 是有界未知的模型不確定量;函數(shù)Γ(v)、C1(v)分別表述為式中:F 是法拉第常數(shù);R 是氣體常數(shù);T 是絕對溫度;C-1是負離子濃度． 將式(2)、(3)代入式(1)中并令x=av，可得到如下非線性模型:

2 滑模變結(jié)構(gòu)控制器設計

設計滑模變結(jié)構(gòu)控制器的基本步驟包括:①設計切換函數(shù)s(x)，使它所確定的滑動模態(tài)漸近穩(wěn)定且具有良好的動態(tài)品質(zhì)． ②設計滑動模態(tài)控制律u(x)，使到達條件得到滿足，從而在切換面上形成滑動模態(tài)區(qū)．

2．1 切換函數(shù)的設計

滑模函數(shù)設計為s(t)=ce(t)，其中，c ＞0 滿足Hurwitz 條件．誤差及其導數(shù)分別為

2．2 滑動模態(tài)控制律的設計

采用指數(shù)趨近律，不僅可以改善系統(tǒng)的動態(tài)品質(zhì)，還可以有效地抑制抖振，其形式為

從而保證s s·≤0． 即滿足滑模存在性和可達條件．選取Lyapunov 函數(shù):

對其求導有

根據(jù)上述分析，得

則證明基于指數(shù)趨近律的滑?？刂圃诶钛牌罩Z夫意義下是漸近穩(wěn)定的．

由動態(tài)方程狀態(tài)空間方程表達式

分別令A、B 為如下形式:

將辨識得到的模型參數(shù)以及A、B 代入式(12)得到等效關(guān)系式:

由式(7)和式(8)聯(lián)立，得

將式(16)代入，得

在實際系統(tǒng)中，假設存在外部干擾的情況下，控制器的設計如下:設d 為干擾，未知但有界． 設計滑?？刂坡蔀?/p>

dc為設計的與干擾d 的界相關(guān)的正實數(shù)． 將式(18)代入式(15)、(16)，得

通過選取dc來保證控制系統(tǒng)穩(wěn)定，即滿足滑模到達條件．假設dmin≤d≤dmax，dc選擇的原則為:

則可設計滿足上述兩個條件的控制器dc．dc=d2-d1sgn(s)． (23)

為了進而確保IPMC 的壽命，其控制電壓u要進行限幅Q(t)=θ(u(t))．其中umax=3v，umin= -3v，輸入受限約束條件如下所示:

滑模變結(jié)構(gòu)控制系統(tǒng)如圖1 所示． 采用滑模變結(jié)構(gòu)對含有不確定性的非線性對象IPMC 人工肌肉進行位置控制．為了能夠跟蹤給定輸入，設計了PI 外環(huán)控制器如圖2 所示．圖中的p～等效為框圖1 所示系統(tǒng)，此方法的可行性已在文獻［10］得到證明． 并采用BP 算法，應用最速下降法，按照減少目標輸出與實際輸出之間誤差的方向，從輸出層反向經(jīng)過各中間層回到輸入層，從而逐層修正各連接權(quán)值，對其參數(shù)進行自整定，實現(xiàn)跟蹤控制．BP 算法實現(xiàn)步驟包括初始化;輸入訓練樣本對，計算各層輸出;計算網(wǎng)絡輸出誤差;計算各層誤差信號;調(diào)整各層權(quán)值;檢查網(wǎng)絡總誤差是否達到精度要求;滿足則結(jié)束，否則繼續(xù)計算各層輸出．設計的PI 外環(huán)控制器表達式為

u(k)=u(k-1)+Kp(e(k)-e(k-1))+Kie(k)．(25)

圖1 滑模變結(jié)構(gòu)控制系統(tǒng)結(jié)構(gòu)圖Fig．1 Sliding mode variable structure control system

圖2 跟蹤控制系統(tǒng)結(jié)構(gòu)圖Fig．2 Tracking control system

3 仿真分析

3．1 仿真參數(shù)

辨識的模型參數(shù)如表1 所示．

滑模變結(jié)構(gòu)控制器3 個參數(shù)分別設置為ξ =10．802 6，k =11，c =26．601 6． BP 網(wǎng)絡設置時筆者采用4 ×5 ×2 網(wǎng)絡，即輸入層4 層，隱含層5層，輸出層2 層，學習速率η =0．2，慣性常數(shù)α =0．05，輸入層Oj=［r(k)，y(k)，e(k)，1］，輸出層Ol=［Kp，Ki］，初始權(quán)值wi和wo分別取為:

3．2 仿真結(jié)果

根據(jù)辨識的模型參數(shù)，采用滑模變結(jié)構(gòu)分別對含有模型不確定性和不含模型不確定性的非線性對象IPMC 人工肌肉進行仿真，期望的控制輸出曲率y 為1 m-1，如圖3 所示．在魯棒穩(wěn)定的基礎上，加入基于神經(jīng)網(wǎng)絡的PI 控制器，并將輸入電壓限幅在3 V 以內(nèi)，實現(xiàn)跟蹤控制，如圖4 所示．

圖3 魯棒穩(wěn)定特性仿真結(jié)果Fig．3 Robust stability result

圖4 跟蹤特性仿真結(jié)果Fig．4 Tracking result

在實際系統(tǒng)中，不僅有來自模型參數(shù)辨識產(chǎn)生的誤差，模型結(jié)構(gòu)的不確定性還有系統(tǒng)受到的外部干擾等不確定因素． 為了驗證基于神經(jīng)網(wǎng)絡的滑?？刂破鞯聂敯粜阅埽谕目刂戚敵銮蕿閥=0．5sin(0．25πt)+0．5，并在3 s ＜t ＜5 s 時給系統(tǒng)加上一個單位階躍信號的控制器輸出干擾，與傳統(tǒng)PID 控制進行了對比，如圖5 所示．可以看出，筆者提出的方法相比于傳統(tǒng)方法而言，能夠較好地跟蹤給定，魯棒性好．

圖5 魯棒性能比較Fig．5 Robust performance comparison

4 結(jié)論

針對高度復雜非線性IPMC 人工肌肉，建立其精確的數(shù)學模型非常困難． 采用傳統(tǒng)PID 控制在模型不確定性以及外部干擾影響下很難達到精確位置控制．本文將近似模型建立過程中產(chǎn)生的模型誤差等效為有界的不確定量，采用基于神經(jīng)網(wǎng)絡的PI 控制與滑模變結(jié)構(gòu)控制相結(jié)合對含有模型不確定性的IPMC 人工肌肉進行控制． 滑模變結(jié)構(gòu)控制用以實現(xiàn)魯棒穩(wěn)定，基于神經(jīng)網(wǎng)絡的PI 控制用以實現(xiàn)跟蹤，應用所提方法，不僅能夠?qū)ζ渚_跟蹤，而且抗干擾性能好，魯棒性強．通過仿真驗證了設計系統(tǒng)的可行性．

［1］ 郝麗娜，周軼然．IPMC 的制備研究［J］．東北大學學報:自然科學版，2009，30(12):1728 -1730．

［2］ 唐華平，姜永正． 人工肌肉IPMC 電致動響應特性及其模型［J］． 中南大學學報:自然科學版，2009，40(1):153 -158．

［3］ BHAT N，KIM W． Precision force and position control of ionic polymer mental composite［J］． Journal of System and Control Engineering， 2004， 218 (6):421-432．

［4］ 劉廣瑞，劉又午． 柔性臂關(guān)節(jié)位置滑模變結(jié)構(gòu)控制研究［J］． 鄭州大學學報:工學版，2003，35(4):58 -62．

［5］ 晁紅敏，胡躍明． 動態(tài)滑?？刂萍捌湓跈C器人輸出跟蹤中的應用［J］． 控制與決策，2001，16(5):565 -568．

［6］ LEVANT A． Chattering analysis［J］． IEEE Transactions on Automatic Control，2010，55(6):1380-1389．

［7］ 李春華，孫約，羅琦． 非線性系統(tǒng)的反演自適應動態(tài)滑?？刂疲跩］．計算機工程與設計，2009，30(1):185 -187．

［8］ FOUAD T，ALHAMMADI K，KARKI H． An optimized chattering free sliding mode controller to suppress torsional vibrations in drilling strings［J］． Conference and Exhibition，2011:573 -576．

［9］ WANG Ai-hui，DENG Ming-cong，WANG Dong-yun．Operator-based robust nonlinear control for ionic polymer metal composite with uncertainties and hysteresis［J］． Lecture Notes in Artificial Intelligence/Computer Science，2010，64(24):135 -146．

［10］DENG Ming-cong，INOUE A，ISHIKAWA K． Operator-based nonlinear feedback control design using robust right coprime factorization［J］． IEEE Transactions on Automatic Control，2006，51(4):645 -648．