针对传统微动平台难以满足微/纳米定位的要求,该文结合液压放大原理,提出一种基于液压放大的两自由度压电微动平台,并对其进行了结构设计。采用正交设计方法对其进行有限元双向流固耦合分析,优化了其结构参数。研制了实物样机并进行试验研究。开环控制试验结果表明,当压电驱动器输入为90μm时,压电微动平台最大输出位移为603.0μm,放大倍数约为6.7;闭环控制试验结果表明,采用分段微分、积分、比例(PID)算法能降低超调量,且响应时间、稳态时间均减小,稳态误差降低(为±0.2μm),实现了微动平台的大范围输出精密定位。

四面固支加筋壁板结构中存在的模型难以确定等多种不确定因素，影响了闭环结构的振动控制性能。针对这一问题设计了一种不依赖结构数学模型的加速度传感信号反馈和二阶线性自抗扰复合振动主动控制策略，并在理论上分析其稳定性和优越性。首先，采用二阶线性自抗扰控制器实时估计对象模型变化及其外扰组成的广义干扰，并将估计值作为补偿信号前馈到控制信号中消除广义干扰对系统的影响；然后，设计加速度传感信号和线性状态误差反馈的自抗扰复合振动控制器；最后，基于dSPACE实时仿真系统，建立了四面固支加筋壁板结构的主动振动试验平台。利用加速度传感器和压电片驱动器抑制加筋壁板结构振动，并对提出的控制方法进行对比试验。几种外界干扰激励的试验结果表明，该方法不仅能有效抑制由于正弦激励和外界冲击引起的振荡...

为提高压电陶瓷驱动的微定位工作台的模型精度，提出了一种基于动态递归神经网络的建模方法。压电陶瓷具有极高的位移分辨率，但存在着迟滞非线性。分析了压电陶瓷驱动器的结构和特性，利用动态神经网络的自反馈结构和自学习能力，建立起工作台的网络模型，通过在线调整模型结构和参数，减小了工作台的建模误差。测量工作台的定位数据对网络模型进行了训练，实验结果表明，当工作台最大行程为80μm时，平均定位误差0．07μm，最大误差0．09μm，比采用静态网络模型有了一定的提高。

阐述了差式微位移放大机构的基本设计原理，分析了机构中位移损失的原因。研制的放大机构具有较好的放大效果，而且机构的位移输出线性特性也较好。采用片状柔性铰链成功地解决了由于机构中的位移干涉造成的机构内部反力太大的问题。

微驱动器是微机电系统运行的关键,压电驱动器作为新的驱动元件在这一领域迅速发展起来.它具有很高的位移分辨率以及抗干扰能力,并且控制方法简单.本文介绍了微机电系统、压电驱动器的概念,并对国外微机电系统中压电驱动器的发展及应用情况进行了详细、全面的介绍,同时指出了压电驱动器研究领域需深入探讨的关键技术.

介绍了高速压电倾斜镜的结构和工作原理,根据拉格朗日方程建立了高速压电倾斜镜转动的运动微分方程,推导了其固有频率的解析式,并以有限元模型与实测结果作了比较,证明所推导的理论模型是可信的,它对高速压电倾斜镜的结构设计具有指导意义.

为改善惯性压电驱动器的输出性能,提高驱动器的稳定性,本文提出了一种利用压电惯性驱动与磁流变液控制共同作用,将固体-固体摩擦转换为固体-液体/固体-类固体摩擦形成定向运动的新型磁流变液控制式惯性压电旋转驱动器。分析了压电旋转驱动器的工作机理,设计制作了试验样机,搭建了试验系统并与机械控制式压电惯性驱动器进行了回退率、线性度、重复性对比试验测试。结果显示在1 Hz,15 V方波信号激励下,驱动器平均角位移为0.46 mrad;磁流变液控制式驱动器回退率为5.6%,机械控制式驱动器回退率为72.2%;磁流变液控制式十步位移线性度决定系数为0.998,残差平方和为15.359;机械控制式决定系数为0.985,残差平方和为20.872;磁流变液控制式和机械控制式重复标准差分别为0.136,0.475。试验结果表明,磁流变液控制式惯性压电旋转驱动器回退性能、线性度、重复性...

文章主要对压电驱动器的Maxwell滑动模型进行改进,并利用改进后的Maxwell滑动模型对压电陶瓷驱动器固有的非对称型迟滞现象进行研究。利用传统Maxwell滑动模型在不同方向的速度差异,通过一个可修改的速度阈值参数,建立不同的弹簧滑块结构来描述对应的曲线,将传统的并联结构简化为串联结构,避免了在求解过程中的参数耦合问题,并且让模型有了可以描述非对称迟滞曲线的能力,同时使用该串联结构将模型参数的求解过程变为一个参数的最优化问题,简化了系统的求解过程。实验结果表明,改进型Maxwell滑动模型的输出曲线可以有效模拟压电陶瓷驱动器的响应曲线。

首先对水压伺服阀的智能驱动器压电驱动器作了介绍,建立压电驱动器的数学模型,并在Simulink中建立仿真模型,分析其动态响应性能;然后设计一种压电式水压伺服阀,在AMESim中建立其模型,并进行了仿真分析。

由于压电型电液伺服阀的阀芯是采用两个对顶压电驱动器驱动，且压电驱动器固有的迟滞非线性，使两压电驱动器的输出具有很强的耦合作用，不能同步；从而使阀芯的运动速度、精度和平稳性降低。采用单纯的PID控制，可以在一定程度上实现解耦控制，但其控制精度比较低，同步性很差。所以，又提出了基于神经网络的参数自整定PID智能控制器，来进行解耦同步控制。实验结果表明BPNN整定的PID和RBFNN整定的PID智能控制器都可以很好地实现解耦同步控制，但后者的实时性要比前者好些，所以后者更适合该压电型电液伺服阀阀芯的控制。