用于压电执行器的全球线性化稀疏预测与自适应死区补偿技术 薛琦（Xue Qi）、 赵美婷（Meiting Zhao）、 张丽娜（Lina Zhang）、 范磊（Lei Fan）、 刘志辉（Zhihui Liu）、 徐鹏英（Pengying Xu） 以及 谭秋林（Qiulin Tan）

《Micromachines》：Global Linearized Sparse Prediction and Adaptive Dead Zone Compensation for a Piezoelectric Actuator Xue Qi, Meiting Zhao, Lina Zhang, Lei Fan, Zhihui Liu, Pengying Xu and Qiulin Tan

　　

摘要

压电执行器（PEA）是高精度运动系统的基本组成部分，但其性能受到速度死区和迟滞等固有非线性的严重限制。为了克服这些限制以及相关的时变动态问题，本研究提出了一种针对双模驻波PEA的新型控制框架。该框架结合了全局线性化稀疏预测（GLSP）模型和基于自适应卡尔曼观测器的模型预测控制（AKOBMPC）策略，专门用于速度死区补偿。GLSP模型利用Koopman算子理论将复杂的非线性机电和接触动态问题转化为线性不变子空间。通过结合基于深度学习的结构化剪枝机制，该模型在预测精度和计算效率之间实现了有效平衡，从而便于实时应用。利用这一高保真模型，AKOBMPC算法能够估计不可测量的干扰并优化控制序列，以实现精确的速度跟踪。实验结果表明，GLSP模型能够准确预测系统在不同负载和激励频率下的行为。所提出的控制器有效抑制了速度死区，对于40.00 mm/s的梯形参考信号，跟踪误差控制在±0.35 mm/s以内；对于正弦波跟踪，跟踪误差控制在±0.50 mm/s以内。这些结果证明了AKOBMPC方案相较于传统方法的优越性能，为PEA系统的高精度速度调节提供了可靠的解决方案，并推动了下一代精密执行器的发展。