现有摩擦模型不足的分析

摩擦是一种复杂的、非线性的、具有不确定性的自然现象。摩擦的存在降低了系统的性能，特别是对某些系统，如机械手、数控机床、转台以及坐标测量机而言，摩擦对这些系统性能的提高构成了严重的障碍。在工程实际中为了克服摩擦给机械系统带来的危害，人们从控制角度提出了一些补偿方法[1-8]。总的来说，分为以下两大类：如果已知摩擦模型，便可以在控制系统中施加一个控制作用，使之抵消每一瞬时的摩擦力，这样就可以消除摩擦对系统性能的影响，这就是基于摩擦模型的补偿。不依赖于模型的补偿主要是基于高增益PD控制器补偿方法。

基于摩擦模型的补偿是人们对摩擦的物理过程给出一种近似的数学模型，通过摩擦实验数据辨识其参数。这种基于摩擦模型的补偿技术主要问题是[9]：

1）由于摩擦的内在机理还在探索与研究中，人们提出的多种摩擦模型没有形成统一的描述形式，在实际应用中很难确定哪种摩擦模型更合适。

2）现有的摩擦模型只是对真实摩擦过程的一种近似描述，故在控制补偿时很难保证控制精度。

3）现有这些摩擦模型从形式上看比较复杂，很难进行控制系统的稳定性分析。

另外，不依赖于模型的高增益PD补偿的主要问题是只能在一定程度上减小摩擦的影响，且鲁棒性与稳定性较差。(www.xing528.com)

非线性系统的自适应模糊建模与控制的基本出发点是仿人的智能以实现对复杂不确定性系统进行有效的建模与控制，它具有从环境自学习、适应环境的能力[10-14]。从智能建模与控制角度出发，研究摩擦的智能建模与控制补偿技术应是提高含摩擦环节的机电系统性能的一条值得探索的途径。我们知道，摩擦实验可以产生大量的摩擦实验数据，而这些实验数据为用智能建模（神经网络或模糊系统）提供了数据基础。本章将采用如下思路研究摩擦的智能建模与控制补偿问题：

1）基于数据挖掘技术对摩擦实验数据进行模糊规则的挖掘。

2）基于此模糊规则库建立摩擦的基础模糊模型（静态模型）。

3）结合具体的对象与控制问题，从Lyapunov稳定性导出自适应参数，建立摩擦的自适应模糊模型（动态模型）并作为摩擦的控制补偿器。

4）进行仿真实验对比分析。