冯 颖,梁明威

(华南理工大学自动化科学与工程学院,广东广州 510640)

1 引言

形状记忆合金(shape memory alloy,SMA)是一类通过温度变化实现输出形变的智能材料,具有高功率密度比、噪声小、体积小及质量轻等优势,其超弹性的形变特性可作为类人肌肉驱动部件实现柔顺驱动,逐步应用在微型机器人、智能人工肌肉和微创手术机器人等[1-2]领域.

随着对SMA材料及其应用研究的深入,在作为柔性驱动部件使用时,驱动性能的提升主要受到材料和外载荷特性的限制.SMA在温度变化的激励过程中实现微观奥氏体相(Austenite)和马氏体相(Martensite)的相互转化,其热力学迟滞响应造成输入输出信号之间表现出强饱和的回滞非线性.此外,SMA驱动部件在加入外载荷后,载荷变化也对SMA的动力学特性带来影响,从而使得输出行为更为复杂.因此如何结合SMA的材料特性,通过控制策略改进驱动性能,成为SMA柔性驱动部件性能提升的关键[3-4].

与其他智能材料相比,SMA柔性驱动部件中非孪晶马氏体与奥氏体转换产生的超弹性特性表现出强饱和不对称的回滞特性.为了精确表征SMA材料的输入输出关系,国内外众多学者开展了相关建模研究.例如基于SMA材料的相变机理,提出的物理模型有Tanaka模型[5]、Liang-Rogers模型[6]和Brinson模型[7]等,但模型中的物理参数难以确定,并且模型参数对环境敏感,难以实现对回滞特性的精确表征.针对物理模型的局限性,唯象回滞模型得到了广泛研究,例如Preisach 模 型[8]、Krasnoselskii-Pokrovskii(KP)模型[9]、Duhem模型[10]及Prandtl-Ishlinskii(PI)模型[11]等.此外,还利用神……