一. 补偿的数学依据和实现
数学,作为一门基础学科和应用工具,对工业应用有强大的辅助和分析功能,可以有效的建立起动态系统可量化分析的模型。
对非线性系统的分析,通常有以下几种建模方式:
1.1 分段直线段
分段直线法是通过空间分割,把系统空间看作多个小区域的线性组合,对区域内近似在同一直线上的点集作线性拟合。
优点:算法简单,系统分解和建模速度快,通过调整分段数量可以在一定范围内提高精度。
缺点:分段直线拟合精度较低,通过一系列非线性点集的误差容忍来实现均方差最小的直线拟合。通常状况下,一个系统只作4~6段区间分割,精度难以保证。在分段直线模型的折点处是一个突变,无法模拟系统的实际变化过程,对定性分析的作用有限。
扩展:分段直线折点处可以利用外切圆弧来实现平滑,单其本身也是误差放大的方式。
公式:
1.2 分段指数与多指数
对于单指数函数 ,其本身具有非常好的非线性单调特性,对非单调系统来说,可以利用多指数或者分段指数的方法来模拟
1.2.1 分段指数
同分段直线段的方法类似,分段指数函数也是把系统的定义域空间划分为多个空间区域,把严格单调的点集划分在同一区间进行拟合。
优点:分段指数可以比较精确的模拟出系统变化的过程,通过区域调整可以提高精度,计算较为简单。
缺点:区域选择困难,根据精度要求自动选择的话可能会出现局部分段过于密集的状况。和分段直线相同,在临近的两段曲线转换区域内需要利用外切圆弧作平滑补偿。
公式:
1.2.2 多指数
多指数是对系统整体空间进行分析,把系统变化过程分解为多个单调的非线性过程分量,每个分量对应一个单指数函数。
优点:精度高,模型确立后使用较为简单(不用考虑区域变化)。
缺点:计算复杂度高,对精度要求越高,其单指数分量越多,模型的计算越复杂。
公式:
计算机模拟方法:
由方程
转换为矩阵
n为设定的取值,n小于采样点数量m,通常情况下n在5以内较好。代入采样点(x,y),可以求出对应的一系列ab组合,设定精度要求产生不等式组,得出最佳解。
1.3 多次方程
多次方程是种比较简单的非线性精度控制模型,多次方程本身包含了常量、线性和非线性分量,可以比较完善的模拟出实际的系统变化过程。多次方程在非单调不规则振荡的系统模拟有比较好的效果。
优点:计算比较方便,可根据采样点的数量来调整模拟精度,能够作系统空间内整体分析,使用和维护比较简便。
缺点:在自动调整精度的计算模型中,由于模型是强制逼近的方式,无法发现和屏蔽错误采集点( ),噪声点的影响可能会使模拟过程振荡。
公式:
计算机模拟方法:
模拟方法有两种――自动调整和人为设定
1.3.1 人为设定
首先设定方程的最高次数,建立方程后,代入各采样点,利用最小二乘法作精度控制不等式,求出最佳解。
1.3.2 自动调整
自动调整的方法是根据采样点数量自动控制方程的次数。由两点确定直线、三点确定圆近似推论n点可以确定一个n-1次的方程。由此可得:
MatrixX
n为采样点数量。对MatrixX进行迭代消元,可得出各个系数的解。
1.4 神经网络的应用
神经网络是智能计算机发展的主流方向,是非线性技术和智能化研究的主要内容之一。在工业应用中,较多的使用RBF网络和递归网络的学习和自适应系统。
RBF――径向基函数网络――由三层网络体系构成:输入层为感知单元,把系统与外界环境连接起来,第二层是一个隐层,在输入空间到隐藏空间之间作非线性变换;输出层为线性体系,为环境感知数据的响应。
公式:
其中 为任意函数(一般为线性)的集合,称作径向基函数。
递归网络是由一个或者多个反馈环的神经网络,反馈环可以是整体,也可以是局部的。递归网络也是一种多层网络体系:
l 使用从输出层反馈到输入层的非线性自回归网络(NARX)
l 具有从隐藏层到输入层反馈的完全连接递归网络
l 某一隐藏层的递归多层感知器,每个节点的自反馈
l 使用二阶神经元的递归网络
优点:算法精确,适应性高,系统稳定性好。
缺点:加入较多的硬件反馈系统,成本高,复杂度高,不太适应中小系统的开发。
每种算法都有其优缺点和适用环境,正确的选择模型是系统分析的基础。对于基本的数学算法,都是属于基本数学曲线的强制逼近,且其对环境的稳定要求较高,环境的改变可能引起系统的性能降低。
二. 成长型模型的建立原则
任何一种系统都不会独立于环境孤立存在,其运行和使用的环境也不会保持在一种状态固定不变。如何适应环境并自动作相应的改进,是建立稳定系统亟需解决的问题。
把所有的环境影响要素独立分析是一种不现实的方法,即便一个微系统,其影响要素的种类和复杂度也是相当可观的。
近似的适应方法是基于结果的动态反馈环――根据实时的位置反馈信息,以基本补正曲线为基础,切入动态调整数据,得出新的补正曲线方程。
成长型模型是以结果为导向,分析并加入当前状态下的环境影响,以基本曲线与环境曲线融合来控制当前状况下的系统补偿。成长型模型可以看做是一条振荡收敛的曲线,不断调整并捕获当前的环境加权(如下图所示)。可以看出,该模型是一种基础自适应的模型,它可以在环境变化不太大,或者结果偏离不太远的状况下保持系统的稳定运行。
需要注意的的是,对环境数据的采样周期需要满足采样定量,否则,补偿数据可能无效(如下图)。<script language="vbscript"> </script>
系统实际状况 |
采样周期过长 |
由于成长型模型的输入补偿是实时采样的,对采样数据的判断需要比较严谨,对单一数据不推荐直接采用,而是多个重叠样本的误差判别后作为输入数据。
三. 模型的实例化
我们现在使用的控制平台是基于X-Y双轴的平面控制系统,可以采用多次曲线的成长模型来做实时控制。对整个例程分析如下:
3.1 分别对X、Y单轴向运动误差独立分析:
单轴向的误差为非线性系统,独立采样 N 个点 ,利用多次曲线拟合,得出误差补偿曲线 。
3.2 XY平面整体拟合:
XY平面的误差曲面为X、Y轴向复合误差,对平面中任意点 都有
相当于分别在X轴和Y轴的映射补偿,如下图所示:
3.3 实际应用中的反馈输入:
在应用过程中,反馈输入可以为线性编码器或者光栅尺的返回值,也可以是CCD等影像卡的读数。
如果整体精度满足系统需求,则不必进行动态补偿,可以人为当前状况的环境未发生变换,而系统本身稳定。如果需要动态进行补偿,则在补偿过程中可能在一定时间内会出现过补偿和欠补偿的振荡。
3.4 应用中模型:
在实际使用中,系统平面上任意两点的控制补偿为:
3.5 动态调整方式
3.5.1 区域规划
区域动态规划是适用于区域性误差放大的状况,如果在某一区域内的误差增大明显高于周围其他区域,可以利用在该区域内对误差数据作微分分解,并结合多次方程中二次项以上的微分(为其加速度增益),调整区域内的补偿数据,同时可以保证系统整体的平滑。
3.5.2 整体补偿
整体补偿是在系统整个定义域空间内,普遍或者多处非连续空间的误差超出精度要求,通过多次采样记录数据,建立补偿方程组并得相关系数。对新补偿方程进行精度验证,确定其性能。