中图分类号：TP381 论文编号：1028701 13-S143

学科分类号：080402

硕士学位论文

基于形状记忆合金的驱动控制研究

研究生姓名 王鹏军
学科、专业 测试计量技术及仪器
研究方向 智能材料与结构
指导教师 沈星 教授

南京航空航天大学
研究生院 航空宇航学院
二О一三年三月
  

Nanjing University of Aeronautics and Astronautics

The Graduate School
College of Aerospace Engineering

Research on the Drive Control Based on

Shape Memory Alloy
A Thesis in

Measurement and Testing Technology & Instruments

by

Pengjun Wang

Advised by

Prof. Xing Shen

Submitted in Partial Fulfillment

of the Requirements

for the Degree of

Master of Engineering

March, 2013
  

承诺书

本人声明所呈交的硕士学位论文是本人在导师指导下进
行的研究工作及取得的研究成果。除了文中特别加以标注和致
谢的地方外，论文中不包含其他人已经发表或撰写过的研究成
果，也不包含为获得南京航空航天大学或其他教育机构的学位
或证书而使用过的材料。

本人授权南京航空航天大学可以将学位论文的全部或部
分内容编入有关数据库进行检索，可以采用影印、缩印或扫描
等复制手段保存、汇编学位论文。
（保密的学位论文在解密后适用本承诺书）

作者签名：
日 期：
  

摘 要

形状记忆合金由于其受热会产生形变目前在很多领域中得到应用，但存在着一些缺点，特
别是根据其基本性能设计的驱动器驱动位移控制精度太低，难以满足实际需要。为促进形状记
忆合金驱动器的实用化，必须对其进行进一步研究。 
对形状记忆合金相变过程中表现的热力学性能进行测试，结合形状记忆合金本构方程，提
出了形状记忆合金的驱动控制研究方法，主要的研究内容有： 
1. 研究了 SMA 的基本概念和特性，测试了 SMA 的最大可恢复应变、相变临界温度、负热应
变、弹性模量、拉伸力等基本热力学性能参数，获得 SMA 的准静态实验特性参数值，为
下一步工作提供依据。
2. 采用形状记忆合金丝作为驱动元件，研究了各工艺参数对其性能的影响；针对 SMA 的驱
动特性，设计了带有滚珠直线导轨结构的差动式 SMA 驱动器，以及进行相应的驱动性能
理论分析。
3. 根据差动式 SMA 驱动器机构，设计了专用的齿轮机械结构的光电对管位移传感器；并设
计了完整的控制系统硬件，包括脉宽调制加热电路、数采卡与上位机通讯系统，搭建了完
整的实验平台。
4. 基于 LABVIEW-数采卡平台，编写了 PID 神经元网络控制算法程序，运用 PID 神经元网络
反向控制 PWM 占空比对形状记忆合金驱动器进行控制。实验结果证明，该控制系统可以
实现对差动式 SMA 驱动器精确控制，控制精度达到 0.05mm。

关键词：形状记忆合金，LABVIEW，驱动器，PID 神经元网络，脉冲宽度调制

本文得到国家自然科学基金的资助(资助号：50911140286）。
本文工作在机械结构力学及控制国家重点实验室完成。

I
 
  

ABSTRACT

The Shape memory alloy (SMA) due to its heat deformation is currently applied in many fields,
but there are also some disadvantages, especially in accordance with its basic performance design of
the driver drive displacement accuracy is too low, it is difficult to meet the actual need. For the
promotion of the practical use of the shape memory alloy drive, they must be further studies.
To test the performance of the thermodynamic properties of shape memory alloy phase change
process, the constitutive equation of the shape memory alloy and shape memory alloy drive key
technology research, the specific contents are as follows:
1．The basic concepts and features of the SMA, tests the maximum recoverable strain of the
SMA phase transition temperature, the negative thermal strain, elastic modulus, tensile force,
the basic thermodynamic performance parameters obtained quasi-static experimental
characteristic parameter of the SMA value, to provide the basis for further work;
2. Using shape memory alloy wire as a driving element, of various process parameters affect its
performance; differential SMA actuator with ball linear guide structure is designed for the
driving characteristics of the SMA, as well as the corresponding drive performance theory
analysis, and to build an experimental platform;
3. According to differential SMA actuator mechanism designed dedicated the gear mechanical
structure of the photoelectric tube displacement sensor; design a complete control system
hardware, including pulse width modulated heating circuit, data acquisition card and PC
communication systems, structure complete experimental platform.
4. Data acquisition card platform based on LABVIEW-PID neural network control algorithm, the
reverse using PID neural network to control the PWM duty cycle to control the shape
memory alloy drive. Experimental results show that the control system can achieve precise
control of differential SMA actuator, control accuracy of 0.05mm.
Keywords: Shape Memory Alloy, LABVIEW, Actuator, PIDNN, PWM
This paper is sponsored by National Natural Science Fundation of China（Fund No.:
50911140286、50802043).
The work in this thesis is done in the State Key Laboratory of Mechanics and Control of
Mechanical Structures.

II
 
  

目 录

第一章 绪论 .......................................................................................................................................... 1
1.1 引言 ........................................................................................................................................ 1
1.2 课题研究背景......................................................................................................................... 1
1.3 国内外进展和研究现状......................................................................................................... 3
1.4 本课题研究意义以及主要研究内容 ..................................................................................... 6
1.4.1 课题的研究意义........................................................................................................... 6
1.4.2 主要研究内容............................................................................................................... 7
第二章 形状记忆合金基本理论........................................................................................................... 8
2.1 形状记忆合金主要特性......................................................................................................... 8
2.1.1 SMA 的形状记忆效应 .................................................................................................. 8
2.1.2 电阻特性....................................................................................................................... 9
2.1.3 相变伪弹性和超弹性 ................................................................................................. 10
2.1.4 高阻尼特性................................................................................................................. 10
2.2 SMA 丝热处理方法 ............................................................................................................. 10
2.3 形状记忆合金的本构模型................................................................................................... 11
2.3.1 形状记忆合金本构模型综述 ..................................................................................... 11
2.3.2 形状记忆合金本构关系模型 ..................................................................................... 12
2.4 形状记忆合金响应时间的理论分析 ................................................................................... 13
2.5 本章小结 .............................................................................................................................. 16
第三章 SMA 基本性能测试及驱动器设计 ....................................................................................... 17
3.1 SMA 的最大可回复应变测试 ............................................................................................. 17
3.2 相变临界温度测试............................................................................................................... 18
3.3 负热应变测试....................................................................................................................... 19
3.4 弹性模量测试....................................................................................................................... 20
3.5 不同温度下拉伸力和回复力测试 ....................................................................................... 21
3.6 形状记忆合金驱动器工作原理 ........................................................................................... 23
3.6.1 形状记忆合金驱动器的驱动方式 ............................................................................. 23
3.6.2 差动式双程形状记忆合金驱动器 ............................................................................. 24
3.7 形状记忆合金驱动机构设计 ............................................................................................... 25
III
 
  

3.8 本章小结 .............................................................................................................................. 25

第四章 SMA 驱动器控制系统硬件总体设计 ................................................................................. 26
4.1 控制系统硬件总体设计 ........................................................................................................ 26
4.2 加热单元电路设计 ................................................................................................................ 27
4.3 数据采集硬件和软件 ............................................................................................................ 27
4.3.1 电信号采集硬件......................................................................................................... 27
5.3.2 电信号采集软件......................................................................................................... 30
4.4 传感器设计 ............................................................................................................................ 33
4.4.1 光电对管传感器......................................................................................................... 33
4.4.2 齿轮机械结构............................................................................................................. 33
4.5 本章小结 ................................................................................................................................ 35
第五章 SMA 驱动器控制系统软件设计 ........................................................................................... 36
5.1 人工神经网络基本理论 ........................................................................................................ 36
5.2 人工神经网络的模型 ............................................................................................................ 37
5.3 人工神经网络的训练 ............................................................................................................ 38
5.4 PID 神经元网络 ..................................................................................................................... 39
5.4 控制界面的设计 .................................................................................................................... 39
5.5 基于 LABVIEW 的 PIDNN 程序设计 ................................................................................. 39
5.5.1 PIDNN 的仿真程序框图和模块的划分..................................................................... 39
5.5.2 初始化模块................................................................................................................. 39
5.5.3 PIDNN 前向算法模块设计 ........................................................................................ 40
5.5.4 PIDNN 反传算法模块设计 ........................................................................................ 41
5.6 普通 PWM 控制程序设计 .................................................................................................... 41
5.7 本章小结 ................................................................................................................................ 47
第六章 SMA 驱动器控制实验研究 ................................................................................................... 48
6.1 实验总体平台系统 ................................................................................................................ 48
6.2 实验测试和分析 .................................................................................................................... 49
6.2.1 驱动电路中的电流调整 ............................................................................................. 49
6.2.2 PWM 直接控制实验 ................................................................................................... 50
6.2.3 基于 LABVIEW 的 PIDNN 实验研究 ...................................................................... 50
6.3 本章小结 ................................................................................................................................ 53
第七章 总结与展望 ............................................................................................................................ 54

IV
 
  

7.1 总结 ........................................................................................................................................ 54
7.2 展望 ........................................................................................................................................ 55
参考文献 .............................................................................................................................................. 56
致 谢 .................................................................................................................................................... 59
在硕士期间发表的学术论文............................................................................................................... 60

V
 
  

图表清单

图 1. 1 智能材料结构的动作流程图 .................................................................................................... 1
图 1. 2 飞机主要材料成分的基本构成 ................................................................................................ 2
图 1. 3 弦线产生弯曲的机翼 ................................................................................................................ 4
图 1. 4 铰链式 SMA 驱动机构 ............................................................................................................. 5
图 1. 5 形状记忆合金驱动的变体机翼 ................................................................................................ 5
图 2. 1 形状记忆合金丝的形状记忆效应 ............................................................................................ 8
图 2. 2 SMA 丝的形状记忆效应的分类 ............................................................................................... 9
图 2. 3 SMA 丝电阻特性曲线 ............................................................................................................... 9
图 3. 1 形状记忆合金参数测量装置 .................................................................................................. 17
图 3. 2 差示扫描量热仪 ...................................................................................................................... 19
图 3. 3 相变温度曲线图 ...................................................................................................................... 19
图 3. 4 应力-应变测试示意图 ............................................................................................................ 20
图 3. 5 T=7℃状态 σ-ε 曲线 ................................................................................................................ 21
图 3. 6 T 高于 70℃状态 σ-ε 曲线...................................................................................................... 21
图 3. 7 恒定应变回复力测试装置示意图 .......................................................................................... 21
图 3. 8 回复拉伸力测试曲线 .............................................................................................................. 22
图 3. 9 双程形状记忆合金驱动器 ...................................................................................................... 23
图 3. 10 差动式双程形状记忆合金驱动器工作机理 ........................................................................ 24
图 3. 11 差动式双程形状记忆合金驱动器设计图 ............................................................................ 25
图 4. 1 基于 LABVIEW 的形状记忆合金驱动器控制框图 .............................................................. 26
图 4. 2 PWM 脉宽调制电路 ................................................................................................................ 27
图 4. 3 数据采集卡管脚分布图 .......................................................................................................... 28
图 4. 4 单端 RSE .................................................................................................................................. 28
图 4. 5 非参考单端 NRSE ................................................................................................................... 28
图 4. 6 差分 DIFF ................................................................................................................................ 29
图 4. 7 数据采集卡差分测试系统 ...................................................................................................... 29
图 4. 8 滤波电路原理图 ...................................................................................................................... 30
图 4. 9 数据采集卡非参考单端测试系统 .......................................................................................... 30
图 4. 10 LABVIEW 平台的数据采集系统 ....................................................................................... 31

VI
 
  

图 4. 11 采集程序的框图 .................................................................................................................... 32
图 4. 12 程序前面板 ............................................................................................................................ 32
图 4. 13 后面板中控制程序 ................................................................................................................ 33
图 4. 14 齿轮机构侧视图 .................................................................................................................... 34
图 4. 15 齿轮机构正视图 .................................................................................................................... 34
图 4. 16 光电对管传感器实际应用 .................................................................................................... 34
图 5. 1 人工神经元模型 ...................................................................................................................... 37
图 5. 2 前向网络结构 .......................................................................................................................... 38
图 5. 3 反馈网络结构 .......................................................................................................................... 38
图 5. 4 SPIDNN 控制系统结构图 ....................................................................................................... 39
图 5. 5 PIDNN 在 LABVIEW 中的控制算法模块图 .................................................................... 40
图 5. 6 前向算法模块设计 ................................................................................................................ 40
图 5. 7 反传算法模块设计 ................................................................................................................ 41
图 6. 1 系统整体实验平台 ................................................................................................................ 48
图 6. 2 加热电路板 ............................................................................................................................. 48
图 6. 3 验证实验装置图 ...................................................................................................................... 49
图 6. 4 形状记忆合金驱动器的行程距离图 ...................................................................................... 51
图 6. 5 第一次设定值所得结果 .......................................................................................................... 52
图 6. 6 形状记忆合金驱动器的控制效果图 ...................................................................................... 53
图 6. 7 形状记忆合金驱动器位移 1mm 的控制效果图 .................................................................... 53
表 3. 1 SMA 基本参数表 .................................................................................................................... 17
表 3. 2 最大可回复应变测试结果 ...................................................................................................... 18
表 3. 3 Ni-Ti 形状记忆合金相变温度点 ............................................................................................. 19
表 3. 4 自由状态下应变-温度测试数据 ............................................................................................ 20
表 3. 5 最大拉伸力测量值 .................................................................................................................. 22
表 3. 6 传感器载荷与电压输出关系 .................................................................................................. 22
表 3. 7 输出拉力最大值 ...................................................................................................................... 23
表 6. 1 PWM 的占空比 q(%)与实际电流大小 I(A)关系 ................................................................... 49
表 6. 2 实验数据 .................................................................................................................................. 50

VII
 
  

注释表

 热弹性系数 Ω 相变系数
S 合金丝横截面积 T 温度
EA 奥氏体弹性模量 EM 马氏体弹性模量
 形状记忆合金的应力  形状记忆合金的应变
L 形状记忆合金的最大残余应变  马氏体体积百分数
AS 加热时马氏体逆转变的开始温度 MS 冷却时马氏体转变的开始温度
Af 马氏体逆转变的终了温度 Mf 马氏体转变的终了温度
K 形状记忆合金弹簧刚度系数 F 形状记忆合金弹簧变形力
CA 奥氏体应力与温度的等效转换系数 CM 马氏体应力与温度的等效转换系数
A fm 应力存在时奥氏体相变结束温度  合金丝的位移量

VIII
 
  

缩略词

缩略词 英文全称
SMA Shape Memory Alloy
PIDNN PID Neural Networks
PWM Pulse Width Modulation
ADC Analog-to-Digital Converter

IX
 
  

第一章 绪论

1.1 引言
随着信息、传感等现代科技的发展，在航空飞行器结构的研究领域中，飞机机翼根据飞行条件要求能
够自主弯曲形变，巡航效率得到最佳的保持；某类通过翼面形状变化的飞行器，从而实现从亚声速飞行提
高到更高速飞行的转变。因此，越来越高的对重量轻、体积小的这类高效率、大的功率重量比以对及直线
驱动器拥有位移的控制提出要求。功率重量比较低的一般是传统的位移驱动器，目前需要减速装置对移驱
动器高速运转后进行变速，致使结构累赘、传动系统复杂。科技发展的需求传统技术已不能满足，所以，
智能材料被越来越多的用做驱动元件。目前，在智能结构应用最广泛的驱动元件为SMA，其优点为集驱动
位移较大以及大的功率重量比，特别是今天越来越重视空间，重量，噪音和成本等重要因素，使得它应用
前景在智能材料应用领域非常的好。在这种需求背景以及在国家自然科学基金的支持下，本课题对形状记
忆合金驱动器关键技术进行研究。

 
图 1. 1 智能材料结构的动作流程图
形状记忆合金被发现以后，众多学者从性能、理论及应用等方面进行大量的研究和探索。主要包括以
下几个方面：内部组织变化的机理、影响形状记忆性能的因素及如何提高其性能等。随着研究工作的不断
深入，对其性能的研究也从定性向定量方面发展，其中控制系统的研究是该领域一个重要分支。
从工程角度来讲，目前应用最广泛的还是 Liang、Brinson 的本构关系，但是这两种关系公式也较为复
杂，所以现在很多学者还在对这种本构关系的简化应用进行着研究。本构模型和本构方程的不断完善使其
更能准确地描述形状记忆合金的相变行为和力学行为，为形状记忆合金驱动器控制系统的设计和应用提供
了强有力的理论支持。

1.2 课题研究背景
材料技术直接影响着人类的文明。当今军事、商业、医学、交通、电子等领域对材料、信息、生物工
程三方面提出了迫切的需求，为此，科技界提出先进材料技术、信息技术和生物技术为当今世界的三大技

1
 
  

术。其中先进材料技术又是三大技术的基础。科技的发展要求人们探索新材料以及与之相关的新技术。
复合材料的普遍使用，迫切要求解决它的强度诊断和刚度变化等问题，使得驱动件和传感件很容易融
合进入材料，组成整体，从而具有期望的多样用途，于是诞生了智能材料。智能结构中最先应用的一种驱
动元件就是形状记忆合金（Shape Memory Alloys，简称 SMA）。
在航空航天领域，与智能材料相关的重点研究内容包括智能表皮、翼面的气动弹性设计、精确控制、
航天器天线设计及航天飞机和空间站的对接等方面，SMA 丝在智能材料及航空航天领域产生非常特别的
[1]
应用前景 。
SMA 丝高温相变产生大于低温无相变时的力，但与此同时，对非线性滞回性能的准确控制有一定的
[2]
困难，使之历来作为“开关”驱动器 。若想利用其长度变化量，让 SMA 丝摆脱仅限于布尔逻辑的局限，
利用控制电流准确控制伸长量，使其作为精密驱动器可靠地运用于机电一体化中，需要获得其滞回曲线，
并且运用合适的控制手段。于是便产生了基于神经网络的适用于 SMA 定位应用的非线性控制方法。由于
神经网络能够通过自身的学习过程了解系统的结构、参数、不确定性和非线性，并给出系统所需的控制规
律，因此由神经网络构成的控制器具有很好的调节能力和鲁棒性，使其在设计 SMA 驱动器的研究中，获
得良好的效果。
由两种或两种以上的单一材料组成的是复合材料，这种固体材料是用化学或物理的方法经人工合成
的。它既可以使组分材料的大部分优点得以保留，又可以减少或克服组分材料中的一些不好的缺点，还可
使一些优异性能在组分材料中产生。科学技术的不断发展，研究人员发现，将 SMA 混杂或嵌入到某些基
体中形成的复合材料，呈现出许多别的材料所不能比拟的优势。随着应用范围逐渐扩大的复合材料，在众
多领域中，复合材料的整体性能的提高也是必要条件，这也给 SMA 这种增强型复合材料的广泛应用提供
[3-5]
了诱人的应用前景和非常好的契机 。
随着近几十年来航空技术的飞速发展，以及复合材料逐渐成熟的先进技术，使其低成本和性能最优成
为可能，这二者促使在飞机制造上使用复合材料的应用部位和用量成为先进性这个指标在衡量飞机结构时
[6]
起重要作用 。飞机上广泛应用的复合材料，当前很大程度上集中在民用客机上，其中以空客飞机、波音
787 以及 A350 的表现非常引人注目，这些由复合材料构成绝大部分的飞机结构，与以往的结构相比，效
果更加优良，质量也更轻了。

图 1. 2 飞机主要材料成分的基本构成
2
 
  

液压管作为连接器自 1971 年在 F-14 战斗机上使用作以来，大家不断寻求使用 SMA 的伪弹性和形状

记忆效应等特性来解决航空领域所遇到的一些问题。随着 SMA 驱动器及 SMA 性能研究的逐渐加深和成熟，
SMA 在飞机变体机翼上的应用已成为当前的热点。
基于以上背景，本文将复合材料和 SMA 集成起来，研究复合材料中 SMA 中基本的驱动性能，所获得
的相关实验参数和结果是基于以上基础的，为提高和促进未来航空技术的不断发展起到十分重要的作用，
也为以后为设计飞行器变体机翼提供重要的参考。

1.3 国内外研究现状及进展
1932 年, 在金镉合金中材料的“记忆”效应由瑞典人奥兰德首次观察到，即通过加热到一定的跃变
温度时，在某种合金材料的外形被改变后，这种材料神奇地变回到原来的样子，人们把拥有这类特别能力
的合金称为形状记忆合金。迄今不过 20 余年的记忆合金开发，由于其在许多领域的特别使用，正很大程
[2]
度上为大家所注意，大家用“神奇的功能材料”来称呼它 。
1963 年，比勒在美国海军军械研究所做研究时发现，将一种名为镍-钛的合金丝加热成弹簧的形状在
某种高于正常温度较多的温度范围内，之后将它在冷水中铸造成各种形状，再重新放入高于 40 ℃的热水
中，该合金丝竟然恢复成为原来弹簧的样子。在以后的实验中陆续表明，有些别的金属合金也具此类相同
的功能。这一类的合金通常被称之为 SMA。每种以一定元素按一定重量比组成的 SMA 都有一个转变温度；
在这一温度以上将该合金加工成一定的形状，然后将其冷却到转变温度以下，人为地改变其形状后再加热
[7]
到转变温度以上，该合金便会自动地恢复到原先在转变温度以上加工成的形状 。
[8]
1969 年，首次在工业上应用镍--钛合金的“形状记忆效应” 。人们采用了一种独特的管道接头装置。
为了将两根需要对接的金属管连接起来，选用转变温度低于使用的某种 SMA，在比大于其转变温度时，
做成的对接管子内径比待外接管内径稍小一些的短管(作接头用)，然后在比其转变温度低的情况下将其内
径略微扩张到该接头的形状转变温度时，这种接头就受温度变化收缩然后扣紧了被接通道，使之连接紧密
牢固。在使用了这种镍-钦合金接头的美国某喷气式战斗机的油压系统中，从未有过漏油、脱落或损坏的
[9]
情况发生 。
1969 年 7 月，首次在月球上留下人类脚印的美国宇航员乘坐的“阿波罗”11 号登月舱，使用一个直
径达到几米的半球形天线将信息从月球传输到地球。这个巨大的天线就是使用了一种名为 SMA 的材料，
首先将其在形变温度以上按需要的形状做好，然后通过降低温度的办法将它挤压成团状，以此装入登月舱
中一同到宇宙中去。在其到达月球表面后，由于阳光的照耀，表面温度升高，达到该合金的形变温度，天
[10]
线“记”起了自己的本身的模样，最终夸大伸展成原来的形状 。
科学家在镍-钛合金中添加其他元素，进一步研究开发了钦镍铜、钛镍铁、钛镍铬等新的镍钛系形状
记忆合金；除此以外还有其他种类的形状记忆合金，如:铜镍系合金、铜铝系合金、铜锌系合金、铁系合
[11]
金(Fe-Mn-Si, Fe-Pd)等 。
对形状记忆合金控制系统的研究主要分两方面：一方面是如何消除滞后性对控制精度的影响，另一方
面是反馈方式的研究。其中基于神经网络对 PI 控制产生的迟滞进行补偿，Asua E 等人利用神经网络的非
线性控制法获得对形状记忆合金驱动器位移的微小控制。方案中采用动态逆补偿和消除形状记忆合金滞后
3
 
  

性和非线性的影响，实验表明将神经网络引入 PI 控制环，其控制精度可达 2-3μm，并具有一定的可靠性和

生命周期。加拿大沃特卢大学的 Gorbet R B 针对形状记忆合金非线性滞后性的困扰，提出了基于 Preisach
模型的中间状态法通过对初始输入扰动筛选，使输出与输入唯一对应，并在形状记忆合金差动驱动器上进
行了试验验证。但由于 Preisach 模型的数学复杂性，在滞后环识别过程非常耗时，且要获得大量的实验数
据是其不足之处。美国休斯顿大学的 Song G 与 Ma N 两人利用处理非线性动力特性和不确定性的滑移模态
设计了鲁棒控制器以期实现对形状记忆合金驱动后缘的实时控制，并对控制器在不同条件下的鲁棒性能做
了研究。将该控制系统用于开敞性好的小型形状记忆合金驱动机构中可以发挥其积极作用。
智能材料应用在机翼上的研究国内外也逐渐增多: Laagoudas 和 Strelec 研究了 SMA 在涵盖展弦比变
化、大规模翼型变化、翼面积变化方面的运用； 2000 年 NASA 用全翼展缩比 UCAV30%的模型，通过 SMA
驱动器完成了机翼的后、前缘连续变形。美国空军和美国国家航空航天局（NASA）是新型智能材料形变
技术快速提高的积极推进者，他们主持开展了一系列的智能形变技术验证试验，其中包括主动柔性机翼技
术和滑动蒙皮变形技术等。
美国 Beauchamps C H 等人在上世纪 90 年代初曾提出用 SMA 丝来实现整个弦线弯曲机翼，该方案采
用上下两组 SMA 丝实现对翼型弯曲度的控制从而获得不同的气动性能[12]。机翼翼盒变形部分由中心弹簧
骨架、上下两组 SMA 丝、刚性翼肋及柔性蒙皮组成（图 1.3）。分别对上、下 SMA 丝通电激励，在 SMA
回复力的作用下，可实现翼型的上下弯曲变形。

图 1. 3 弦线产生弯曲的机翼
弗吉尼亚大学 Sofla A Y N 等人提出了一种基于撷抗原理的 SMA 驱动机构[13-15]。研究中设计了铰链的
骨架结构，如图 1.4 所示。该结构灵活性好，且在驱动过程中不存在应变能。该 SMA 驱动机构用于变体
机翼不仅可使翼型产生弯曲且能够承受飞行条件下气动载荷，另外在减轻重量方面也具有明显优势，图 1.5
为利用该驱动机构驱动的变体机翼模型。
对于将智能材料结构应用在机翼上，国内在这方面开展的研究比较晚，主要集中在南京航空航天大学，
西北工业大学，清华大学以及北京航空航天大学。如在西工大教授叶正寅带领下，其课题组在充气飞机等
相关领域开展研究[16]，在一架航模飞机上使用充气机翼，并根据试飞的情况确认了充气机翼的可行性。杨
智春教授和他的学生[17-18]根据 DLR（德国宇航研究院）自适应的可变后缘概念，设计并制造了该自适应机
翼—柔性翼肋作为基本构建，分析模型的关键参数，将单个输入驱动情况时翼肋形变的运动学规律推导出
来，通过模型实验和仿真对比，验证了其受控运动规律是正确的。此外还研究了扑翼飞行器，他们根据固
定翼飞机机翼的设计经验和动物的扑翼飞行实例，设计并改进了一个可以通过直流电机提供动力源的扑翼

4
 
  

飞机[19]。

图 1. 4 铰链式SMA驱动机构 图 1. 5 形状记忆合金驱动的变体机翼
南京航空航天大学的智能材料与结构研究所进行了实现自适应机翼 SMA 扭力驱动器的研究[20]。南航
的徐志伟老师等人将后缘翼肋设计为由 4 段关节组成的柔性结构，利用多组 SMA 丝以撷抗的方式实现了
后缘的自由转动[21]，并对该设计方案的可行性从理论和实验两方面进行了论证。北京航空航天大学的黎军
等人利用形状记忆合金作为驱动元件制备了简化的智能后缘襟翼模型，重点研究了常规和智能两种后缘襟
翼模型的气动效应[22]。清华大学的刘烜等人[23]设计了一种机翼形状可以变化的机翼，通过曲柄滑块驱动机
构紧凑高效的带动机翼蒙皮，达到使整个机翼变形的目的；接着对一般翼型和机翼可变性进行了风洞对比
试验和仿真，微型飞行器在低雷诺数下稳定性差且机动能力不足的问题得到了解决。中国科技大学的杨杰
教授也在直线驱动器结构原理等方面进行了相应的科研实验，实现了直线位移累加和大的功重比；上海交
通大学在 Ni-Ti 合金丝的电阻特性、热机特性及形状记忆合金混杂复合材料梁弯曲方面以及机器人方面取
得了一定的成果。
而在控制系统方面，对 SMA 驱动的变体机翼控制系统研究的目的是实现对 SMA 驱动机构位移变化的
快速、准确控制，并提高其稳定性。然而由于 SMA 合金的回复力和回复应变的非线性及滞后性，很难对
其进行准确的建模分析，进而影响控制算法的选取。为此许多科研人员主要研究重点在 SMA 的本构关系、
动态分析及控制领域，以期能够克服 SMA 的不利影响。
在对 SMA 驱动机构控制系统研究中，如何消除滞后性对控制精度的影响是科研工作者关注的重点。
西班牙国立巴斯克大学 Asua E 等人利用神经网络的非线性控制法获得对 SMA 驱动器位移的微小控制[7]。
方案中采用动态逆补偿和消除 SMA 滞后性和非线性的影响，实验表明将神经网络引入 PI 控制环，具有良
好的控制精度，并具有一定的可靠性和生命周期。加拿大沃特卢大学的 Gorbet R B 针对 SMA 非线性滞后
性的困扰，提出了基于 Preisach 模型的中间状态法通过对初始输入扰动筛选，使输出与输入唯一对应，并
在 SMA 差动驱动器上进行了试验验证[24]。但由于 Preisach 模型的数学复杂性，在滞后环识别过程非常耗
时，且要获得大量的实验数据是其不足之处。美国休斯顿大学的 Song G 与 Ma N 两人利用处理非线性动力
特性和不确定性的滑移模态设计了鲁棒控制器以期实现对 SMA 驱动后缘的实时控制，并对控制器在不同
条件下的鲁棒性能做了研究[25]。将该控制系统用于开敞性好的小型 SMA 驱动机构中可以发挥其积极作用。
对反馈方式的研究是 SMA 控制系统的另一重点。巴西利亚大学的 Da Silva E P 采用位移反馈方式获得
对 SMA 驱动梁挠度的控制，探讨了不同输入波形和频率对控制误差的影响[26]。但用位移作为反馈使得整

5
 
  

个控制系统的体积庞大，而机翼的翼盒空间非常有限，限制了其在工程中的应用。休斯顿大学的 Ma N 等
人则基于电阻反馈的方法，并利用 PD 控制器实现对 SMA 驱动器的位置控制[27]。利用电阻反馈可以消除
位移反馈带来的成本高和体积大的缺点，且在相变过程中电阻与应变的关系比较稳定。而采用 PD 控制可
以减少系统的稳态误差，提高系统的动态响应速度，但比例系数过大会使动态质量变坏，引起闭环系统不
稳定。韩国科学技术院的 Yang S M 等人基于一阶模态模拟 SMA 复合材料板的位移响应，比较了前馈控制
和 PID 反馈控制两种方式的效果，结果表明采用 PID 反馈控制可以明显提高 SMA 驱动机构的控制特性[28]。
美国阿克伦大学的 Song G 等人采用 PID 控制器与电流前馈的方式，对 SMA 蜂窝层板的位移变化实现实时
控制[29]。利用比例积分控制可以消除系统的稳态误差，但系统的动态过程变慢；而微分控制有助于减少超
调，使系统趋于稳定，不足之处在于放大了噪声信号。
国内沈阳建筑大学的刘畅等人针对 SMA 性能特点，利用位移作为反馈信号并结合模糊逻辑算法对
SMA 驱动器位移进行控制，并做了仿真分析和实验验证[30]。研究中主要对模糊控制器设计过程及数值分
析进行了详细探讨，但没给出控制系统原理图。哈尔滨工业大学的任秉银等人针对形状记忆合金材料的非
线性迟滞特性,结合 PID 控制和模糊控制各自的优点,设计了一种模糊增益自调整 PID 复合控制系统,并对偏
动式形状记忆合金驱动器的响应特性进行了仿真[31]。其研究成果为解决 SMA 驱动机构的非线性、迟滞、
实现对位移的精确控制问题奠定了理论基础。

1.4 本课题研究意义以及主要研究内容
1.4.1 课题的研究意义

随着人们对 SMA 的研究逐渐深入，形状记忆合金研究也慢慢成为一个独立的学科分支。针对 SMA 的

特殊性能，我们将之做成驱动器，这样就可以通过它的驱动功能来实现结构的自我调节功能。因此，对于
形状记忆合金的研究具有深刻的意义，我们可以依托前人的研究，进行不断深入的探究，使该学科内容日
趋丰富。
形状记忆合金驱动器与电机相比有以下几个优点:
（1）驱动器的结构形式较为简单:在形状记忆合金的相变过程中使形状记忆合金驱动器直接输出位移
和力，不需要任何减速机构。
（2）功重比大: 优势明显的原因是驱动器的质量小。
（3）传感功能:利用形状记忆合金电阻参数会改变的特性，温度的变化就可以检测到。形状记忆合金
驱动器实现反馈控制可以在没有外加传感器时完成。
（4）无噪音和污染:由于形状记忆合金驱动器不需要外加齿轮减速这样的方式，使驱动器可以在不产
生噪音和磨屑的状态下工作。[32]
近年来 SMA 作为一种新型智能材料，以独特的形状记忆效应和超弹性效应，以及优良的理化性能和
生物相容性，在工程、控制、医疗、能源与机械等领域应用日趋广泛。由于形状记合金具有很好的耐腐蚀
性，使得形状记忆合金驱动器可用于机器人，使之工作在特殊环境下，例如在具有高腐蚀性的海水中，能
够获得非常好的应用效果。这方面日本己经投入应用的水下机器人就是形状记忆合金驱动的。此外，在如

6
 
  

爬行、步行机器人、医用机器人、微型机器人等方面根据形状记忆合金驱动器简单的结构形式，都说明其
[33]
具有非常好的开发应用前景。综上所述，形状记忆合金驱动器在研究方面具有很大的价值和意义 。

1.4.2 主要研究内容

根据过去的研究成果，现有的往往是形状记忆合金处在变形为零和最大变形这两种极端位置下形状记
忆合金驱动器的工作，即将其作为一种开关装置。但是对控制技术在形状记忆合金驱动器中的研究非常少。
然而运动位置控制问题正是影响这种形状记忆合金驱动器拓展应用范围重要问题之一。着重提高形状记忆
合金驱动器控制精度，以加速形状记忆合金驱动器实用化推广。
本课题是在国家自然科学基金《形状记忆合金在智能机构中的应用》的资助下开展研究的。首先给出
了形状记忆合金的形状记忆效应，然后通过热处理制备了形状记忆合金丝，并从热处理工艺、性能影响因
素以及驱动性能等方面进行了理论和实验研究。最后根据以上形状记忆合金丝的特性本文创造性的运用了
基于 LABVIEW 平台的 PID 神经元网络控制算法对其进行驱动精度控制，并对此算法进行了理论研究和实
验分析。为最终形状记忆合金驱动器的应用提供了许多有益的理论指导和实验数据。具体研究内容如下：
l) 研究形状记忆合金基本概念和特性，分析了形状记忆效应及超弹性和伪弹性，结合形状记忆合金
本构模型对这些特性做理论上的解释；
2) 根据设计和使用要求，制定了合适的工艺，并对热处理方式进行讨论，探索最佳的制备工艺；
3) 测试并分析形状记忆合金驱动元件的力学性能参数，并以此为基础，设计一种差动式 SMA 驱动
器；
4) 根据差动式 SMA 驱动器结构特点，设计基于 LABVIEW-数采卡的控制系统；
5) 选取合适的控制算法，编写 LABVIEW 控制程序，并通过具体实验，提高形状记忆合金驱动器的
控制精度。
随着形状记忆合金驱动器的深入研究，它在未来航空航天等领域将获得越来越广泛的使用。本文研究
的形状记忆合金驱动器控制精度的提高将大大促进其实用化发展。

7
 
  

第二章 形状记忆合金本构模型的基本理论

2.1 形状记忆合金主要特性
形状记忆合金是一种兼具感知和驱动功能的智能材料，该合金经过较大变形以后，可以通过自发(超
弹性)或加热(SME)恢复其原始形状，所以在某种程度上来说其具有自适应、自感知和自诊断的能力。形
状记忆效应 (Shape Memory Effect，简称 SME)是它最为显著的特性，即在高温定形后 SMA 材料，经过冷
却到达低温状态，施加形变并留下残余形变，如果通过再次加热，升温到某个明确的温度时，就能使它恢
复到形变前的状态。以上过程可以反复出现，就像合金记住了它在高温时的状态一样。此外，除了其拥有
的如高阻尼特性、超弹性、形状记忆效应等基本特性，并且具有特别的弹性模量随温度变化的特性及电阻
温度特性。

2.1.1 SMA 的形状记忆效应

SMA 能成为驱动器的真正原因是其具有形状记忆效应（SME，shape memory effect）。在外力作用下

普通的金属材料，一开始会发生弹性变形，当所受应力大于弹性极限时，将应力卸载后，会产生永久变形，
用不会回到原来的形状。而在发生塑性变形后的具有形状记忆性的金属，通过升温到某个温度值以上时，
能够回到变形以前的状态。其基本原理是增加应力在降低温度的情况下，相变发生在母相奥氏体中，应力
诱发马氏体或形成低温马氏体；通过减少应力或加热的方法，应力或低温马氏体可以使马氏体产生逆相变
恢复到母相奥氏体状态，而回到本来的状态（如图 2.1 所示为 SMA 丝的形状记忆效应）。这种现象我们称
[1]
之为形状记忆效应 (Shape Memory Effect，简称 SME) 。

（a）普通金属材料 （b）形状记忆合金
图 2.1 SMA 丝的形状记忆效应
在 SMA 中，马氏体相变不仅由温度引起，也可以由应力引起，这种由应力引起的马氏体相变叫

8
 
  

做应力诱发马氏体相变，且相变温度同应力呈线性关系。通过观察其自动回复在低温时是否出现，可
将 SME 分成以下三种情况：
（1）全程记忆效应 (All Round Shape Memory Effect)
在适当处理 Ni-Ti 合金后，全程形状记忆效应就会出现，即在低温和高温时记忆的形状正好是完全的
逆转形状。
（2）单程形状记忆效应（One Way Shape Memory Effect）
通常我们所说的形状记忆效应就是单程形状记忆效应，如图所示。马氏体在低温状态下，使 SMA 产
生很大的塑性形变，加热产生的逆相变时，SMA 重新回复到高温奥氏体的状态。当降低温度到马氏体相
时，其形状不会产生变化。本文 SMA 驱动器就是利用 SMA 的单程记忆效应，当通过加热 SMA 使其恢复
到初始形状时产生驱动力，是驱动器运动。
（3）双程形状记忆效应（Two Way Shape Memory Effect）
双程形状记忆效应不仅可以记住样品奥氏体状态下的形状，并且还能记忆马氏体状态下的样品式样，
即当降低温度到马氏体相变温度时，自动产生形变，恢复到马氏体状态时的样子，如图。

（a）单程记忆效应  （b）双程记忆效应 

图 2.1 形状记忆合金丝的 SME 分类

2.1.2 电阻特性

形状记忆合金的电阻是反映合金内部组织结构变化的敏感物理量，常常被用来研究 SMA 的相变过程。

从图 2. 2 中可以看出，SMA 电阻率分别在完全马氏体状态、完全奥氏体状态、马氏体和奥氏体两相共同
存在的状态下伴随着室温的变化而大体上呈线性的变化。伴随着温度的升高，当逐渐升高的温度达到马氏
体产生逆变的温度 As(奥氏体产生相变温度)时，会有一个突然地变化在电阻率上产生；但是随着温度的降
低，逐渐到达马氏体产生相变的起始温度 Ms 时，电阻率又会产生突然地改变，这就是 SMA 的电阻突变
性。这

图 2. 2 SMA 丝电阻特性曲线

9
 
  

种特性我们可以在工程上加以利用以实现对 SMA 的主动控制和实时监测。

2.1.3 相变伪弹性和超弹性

Af
形状记忆合金在具有热弹性马氏体相变时，在比马氏体逆相变结束温度 高时，合金经过了形变并
Af
产生马氏体相变是由应力诱发的，由于在 以上温度产生的马氏体相不稳定，逆相变发生在应力去除后，
随之消失的是在应力作用所产生的宏观形变，传统材料与之比较产生了更大的可回复形变，我们将这种现
象我们叫做超弹性(Super-elasticity，简称 SE)，由于相变与该性能有非常密切关联，因此又称其为相变伪
超弹性(Psuedo-ealsticity，简称 PE)。

2.1.4 高阻尼特性

内耗现象在热弹性马氏体相变的 SMA 中引起其较高的阻尼性。在相变过程中的马氏体热弹性，各种

材料内部的界面(变体界面、孪晶面、相界面)的滞弹性迁移需要吸收大量的能量，从而导致了 SMA 在高
温或低温下都具有优良的阻尼性能。

2.2 SMA 丝热处理方法

在本文中采用的 SMA 为 Ni-Ti 合金，为了获得单向形状记忆效应的这种合金进行热处理的方法一般有
[34]
三种：时效处理、中温处理和低温处理 。
在 800-1000ºC 温度下固溶处理后进行淬火我们称之为时效处理，然后将温度降低到 400ºC 左右的温
度，进行数小时退火处理，这样仅对高于 50.5at%Ni 含量的富 Ni 合金有效。通过采用这种热处理方法可以
得到以下中温处理相同的效果较好的形状恢复特性，但具有成本高且工艺较复杂的缺点。
中温处理是一种在拉丝或轧制加工后，通过充分加工使之硬化为合金的给定形状，保留其成形状态，
保温几分钟到几小时在 400-500ºC 温度下，使其记忆原有形状的办法。由于要在高温下的回复力大所以采
用 400ºC 下处理的材料，而屈服应力非常低在 500ºC 下处理的材料在接近 Ms 点的低温处理时。所以，只
需在单独增加作用力的情况下，在 400ºC 附近的温度下处理即可，在 500ºC 附近较高的温度下处理的就是
而差动式或偏动式元件那样需要加大高温和低温时的力的差距时采用。但值得注意的是，当中温处理时，
回复应变量随处理温度变高而变大，但循环寿命在处理温度越低时越长。本文采用的 SMA 只需要提高恢
复力，因此本文选用 400ºC 中温处理的 SMA 丝进行形状记忆的预处理。
低温处理是一种在比 800ºC 的温度高的情况下保温后进行快冷处理，这样使退火状态组织在合金材料
中，之后形成已经给定状态，形状记忆处理在 200-300ºC 的低温下进行的方法。由于加工成形是在完全退
火的软状态下进行的，所以便于使合金记住曲率很小或复杂形状的状态。但低温处理材料的疲劳寿命这种
形状记忆特性不如中温处理过的材料。
为了保持 SMA 良好的形状记忆特性，在使用过程中，有必要设定一个值，使得形变的应变量不超过
这个值。合适的应变量取决于载荷、热处理、元件的形状和尺寸、循环使用次数等多种因素，不能同一而
论，大概的标准[1]是，当少量的循环使用次数时，Cu-Zn-Al 合金约为 2%混合约为 6%的 Ti-Ni 合金，当循

10
 
  

环较多的使用时分别低于 0.5%和 2%就可以了。通过测量的结果，本文中采用最大可回复应变约为 6.8%的

Ni-Ti 形状记忆合金，由于实验中对循环次数要求不多，选用最大可回复应变 6.5%在试验中的即可。需要
注意的问题[2]：避免过热，因为长时间置于高温下的合金，会产生该温度下不能完全记住形状的现象，就
会出现不能回到正确的初始状态，即记忆力减退；避免过载，当材料本身的屈服应力小于相变引起的形状
恢复应力时，合金的形状记忆特性就会变差。将 Ti-Ni 合金长时间放在 250ºC 以上高温时，无论载荷大小
是怎样的，也都会产生不好的影响。因此，在使用 Ni-Ti 形状记忆合金作为驱动器时，合金的温度一定要
控制在 250ºC 以下。

2.3 形状记忆合金丝本构模型
2.3.1 形状记忆合金本构模型综述

SMA 因其复杂而特殊而力学性能，描述其本构关系的具有很大难度。多少年来，为了得到 SMA 材料

[39]
的本构关系，各国的学者做了大量的研究，多种模型被相继提出。综合一下，大致分为 5 类 ：
（1）细观
力学本构模型以能量耗散理论和细观理论为依据建立的；
（2）基于热动力学热、热力学和相变动力学的唯
象理论本构模型；
（3）基于热动力学理论，根据自由能推导建立的单晶理论本构模型；
（4）带有塑性理论
特点的具有内变量的塑性流动本构模型；（5）从相界运动的动力学出发推导建立的数学型本构模型。Falk
等人从形状记忆合金的 Helmholtz 自由能的构成出发，根据 Landau 理论，建立了 SMA 的单晶理论本构模
型，并详细讨论了模型所能描述材料的热力学行为和机械性能。但单晶体材料是该模型唯一研究的，所以
[35]
没有多晶体时的本构行为进行研究，因此实际工程中应用很难 。Chein、Abeyaratne 和 Knowles 等人从
Ericksen 的纯力学模型的应力诱发固-固相变出发，将一个准静态的热力学过程等同于相界面运动，然后采
[36]
用 Helmholtz 自由能及热动力学理论结合热动力学棒理论，提出了许多关于 SMA 的本构关系 。但由于
对温度的讨论该模型没有涉及，而且没有考虑应力诱发马氏体变体在非比例加载下的重定向问题，因此也
不适合于应用到实际工程中。Pattor 和 Tanaka 等从微观角度出发，探究了本构行为中的形状记忆合金并采
用平均方法，宏观描述就此得到，但学者们的工作很难推广到非比例加载与逆相变过程，由于他们仅限于
应力诱导的相变；Sun 和 Hwang 等引入平均相变应变作为附加内变量参与对相变过程中材料微结构改变的
描述，比较好的地解释了 SMA 在 SME 下的伪弹性和及其微观机理任意非比例加载，但该模型的缺点是比
较复杂，在大多数运用时存在很大的困难。根据热力学第一和第二定律 Tanaka 等人研究一维 SMA 试件，并
为马氏体打分、应变和温度成为形状的变化量，推导出了 SMA 增率形式，这种本构方程在唯象理论中；
Liang 等的应力表达式是将积分得到增率方程的最终增量的形式，并 Tanka 指数模型在马氏体生长中修改
为余弦模型；Brindon 通过引入温度诱发的马氏体及应力诱发的马氏体来反映马氏体逆相变和相变的过程
中马氏体形态的不同，并对相变运动发展方程进行重新讨论。Tanaka-Liang-Brinson 模型简单明了，可在一
定程度上描述 SMA 的形状记忆特性和超弹性，但其难以揭示形状记忆特性和超弹性的物理本质。Graesser
和 Cozzarelli 在 Ozdemir 模型的基础上，通过改进背应力，建立了一种 SMA 本构模型，这种模型带有塑性
[37]
理论特点 。该模型一方面比较适用且形式相对简单，在振动控制的土木工程结构研究中得到了很大的应
用；但另一方面该模型仅对小应变情况下 SMA 特性进行了描述，在 SMA 马氏体的硬化特性这类大应变情

11
 
  

况下没有得到描述。

2.3.2 形状记忆合金的本构关系模型

SMA 材料在奥氏体和马氏体的情况下具有不同的弹性模量，因此马氏体含量的函数是弹性模量 E，设

下列关系与 E(ε)符合
E A  EM
E ( )  (cos   1)  EM (2.1)
2
式中 E M 弹性模量在马氏体状态下； E A 弹性模量在奥氏体状态下。
根据式 2.1 建立本构关系是 SMA 材料的：
E    d a  d a  d  dT (2.2)
这里形状记忆合金为丝材，试件轴线方向和它的轴线方向重合。令
 m ，  m ——复合材料基体的应变、应力；
Em ， am ——复合材料基体的热膨胀系数和弹性模量；
 ，  ——埋入基体材料中 SMA 的试件的总体应变和总体应力。
Va ， Vm ——基体材料与 SMA 的关于体积的百分比。
对于复合材料中埋入 SMA 丝，我们能够得到基体沿 SMA 丝的轴向应变和 SMA 丝轴线方向的应变是
相等的，即

d m  d a  d (2.3)

根据力平衡的关系得到

d  Va d a  Vm d m (2.4)

本构关系在一维热弹性中的基体材料中可表示为

d m
d m   a m dT （2.5）
Em

根据以上两个式子可以得到

d  Va d a 
d m   a m dT (2.6)
EmVm

 
d  d a  dT (2.7)
 a T
式 2.7 可以变换为

1       
d a   1    d a       dT 
E ( )   a   T  
(2.8)

利用式 2.2，2.5，2.7 可得到本构关系是埋入 SMA 的复合材料的，它的微分形式，如公式 2.8

12
 
  

   
1   1   
 Vm Em     a  
 E ( )  1    d  d   Em amVm      dT
a

 Va   a  Va  Va T 
 

(2.9)

其中
 ，
 可以根据式 2.5，2.6 得到。
 a T
从马氏体转变为奥氏体时

 
  M b A sina A T  As   b A a  (2.10)
 a 2

 
  M a A sina A T  As   b A a  (2.11)
T 2
从奥氏体转变为马氏体时

 1A
 a

2

bM sin a M T  M f   bM  a  (2.12)

 1A
T

2

a M sin a M T  M f   bM  a  (2.13)

而  ，  可以说明
a

1
a    Vm E m   a m T  T0  (2.14)
Va
T0 为开始温度。若
式中
dT  0 ，式 2-8 则是微分方程表示  和  。埋入 SMA 的复合材料通过数值积分可以求出恒温下的应
力应变关系；
d  0,  初值也为 0，式 2.8 表示应变  与温度 T 的关系在没有外力作用下，即埋入 SMA 的复合材

料自由回复，不受约束，  (T ) 曲线可以通过对式子 2.12 积分获得；

d  0 ，式 2.14 表示完全被约束情况下埋入 SMA 的复合材料，应变量的  和 T 的关系恒定保持。

2.4 形状记忆合金响应时间的理论分析
形状记忆合金围绕相变温度对其进行冷却-加热来实现其驱动原理，所以可以依据冷却与加热方式，调
整排除或给予合金的热量来达到对其响应速度进行控制的目的。我们首先根据理论上的响应速度来分析驱
动元件，接着在从定性的角度讨论其响应速度提高的方法。
SMA 相变速度的快慢程度决定了 Ni-Ti 形状记忆合金驱动器响应速度的快慢，SMA 的降温时间 t C 和
升温时间 t H 主要决定了形状记忆合金的相变时间。设定的 t H 是开始通电到最大位移在驱动器中产生时所

13
 
  

需时间，并假设当相变完成温度 A f 驱动器达到时，同时达到最大值的位移。设定的 t C 为从最终断电到驱

动器降温到 M f 时所需的时间。合金丝大概的响应速度就可以通过理论计算得出。
SMA 在从奥氏体到马氏体和马氏体到奥氏体的相变过程中，随之变化的是其体内材料的组织成分，
以至于某些参数在合金材料中的变化，例如 SMA 的比热容 c 和电阻率 p 在相变中并不是一个常数，但在
完全奥氏体和完全马氏体的状态时，温度的变化不能使比热容随之变化。为了便于计算，经常使用这些变
量的平均值作为计算值运用到工程领域中。
假设 SMA 丝长度为 l，直径为 d（l 远大于 d）。由能量守恒，控制体自身在单位时间内所释放的能量 E g
加上单位时间内进入控制体的能量 E i ，肯定等于控制体内储存能量的变化 E s 与单位时间内离开控制体的
能量 E o 之和，即：

E i  E g  E o  E s （2.15）

加热形状记忆合金丝时的热平衡方程为：

dT
hA (T  Tf )  cm  I2R （2.16）
dt

 
上式中的 hA T  T f 部分是牛顿的冷却公式；h 为对流换热系数，它的意思是：当壁面与流体之间的

温差在 1℃时，壁面面积每平米和每秒钟所能传递的热量；流体直接接触的壁面面积为 A；壁面温度为 T ；

流体温度为 Tf ；材料比热容为 c，材料质量为 m，材料单位时间的温度增量为 dT 。

dt
由以上解微分方程 2.15 得：

I 2R
hAt
 C1
T  Tf   e cm （2.17）
hA

我们将初始条件 t=0 时的 T= T0 带入式 2.16

Aht
I2R I 2 R  cm
T  Tf   (T0  Tf  )e （2.18）
hA hA

同理，对形状记忆合金丝冷却时所采用的热平衡方程为：
dT
hA(T  Tf )  cm （2.19）
dt
解得：
Aht

T  Tf  (T0  Tf )e cm
（2.20）

由式 2.19 可得形状记忆合金丝升温时间所用的计算公式如下：
I2R
T  Tf 
cm hA
tH   ln （2.21）
Ah I2R
(T0  Tf  )
hA
我们根据式 2.20 可以推导出关于冷却时间的计算公式

14
 
  

cm T  Tf
tc  ln （2.22）
Ah T0  Tf

d 2
将 A  dl ， m  V   l 代入公式 2.21 和公式 2.22 得到：
4
cd T  T0
tH   ln(  1) （2.23）
4h I2R
T0  Tf 
hA
cd T  Tf
tc  ln （2.24）
4h T0  Tf

根据公式 2.24 可以知道，合金丝直径增大而降温时间随之增大，但是随热交换系数的增大降温时间在

减小。因此若要提高响应频率，减少冷却时间，应尽量使丝的直径减少，热交换系数增大。上式中的热交
换系数 h 的大小取决于很多其他因素，如大小与布置、换热表面的形状以及环境介质的物性等。这些影响
因素由所采用的热交换方式决定，不同的热交换方式，就有不同的热交换系数。在自然冷却的时候，热交
换系数依赖于元件的周围环境和表面温度，但在强制冷却的时候，热交换系数为确定值。自然冷却是一种
热散失速率慢且被动的形式，除非温度梯度很大或试件表面积很大，相比之下强制冷却则能大大缩短冷却
时间，从而加速试件的冷却。
因为形状记忆合金元件的驱动是根据相变温度的冷却-加热的循环实现的，所以驱动元件的响应速度由
冷却、加热速度的快慢决定。而形状记忆合金元件温度升高的速度，一方面可以通过如通过减少SMA电阻
这种材料本身的特性进行调整；另一方面也可如通过增加电流强度由通电量进行调整来提高通电量的大
小。但在降温的时候，形状记忆合金驱动元件无法快速降温，因此，形状记忆合金驱动元件冷却速度控制
其响应速度，提高冷却速度就可以提高响应速度。大多情况下只有表面热传导影响冷却速度，因此为了提
高冷却速度可以采用下面一些措施。
从材料本身来看，提高形状记忆合金的马氏体相变温度可以采用适当的方法，加大冷却速度改变通过
其与环境的温度梯度改变。在所需驱动力也不大的情况下，且结构对其响应速度要求不高的情况下一般采
用空气降温法。可以通过体积对增加形状记忆合金元件表面积的比率(如采用丝带、SMA薄膜等)用以提高
冷却速度，但降低输出功率是这种方法的缺点。在所需驱动力较大且结构对其响应速度要求较高的情况下，
必须采用强制冷却的方法。大多数强制冷却的方法包括比较传统的水冷、风冷，也可以通过加上诸如硅酮
脂膏这类吸热材料来提高冷却速度。最近有日本的学者研究利用珀耳贴效应，仅仅控制电流即使用半导体，
就能做到时而冷却时而加热的目的，利用这种方法来对SMA的温度进行控制。
以上进行了理论分析了如何提高形状记忆合金元件的响应速度，并简单介绍了若干常用的冷却方法。
但总的来说，目前所采用的各种方法都适用范围有限且存在各自的利弊，没有一种可以称为非常理想的方
案，为了达到可控制的理想状态，今后还要进一步研究对SMA元件响应速度的控制。

15
 
  

2.5 本章小结
本章首先对形状记忆合金的基本特性和概念进行探究，主要针对形状记忆效应、相变伪弹性和超弹性
等，分析各自的优缺点，根据设计和使用要求，制定了合适的工艺，成功制备了形状记忆合金丝。并对热
处理方式进行了讨论，探索出了最佳制备工艺；然后引用形状记忆合金的本构关系，构建了复合材料集成
之后和形状记忆合金的本构关系模型，并利用其模型，对形状记忆合金的响应速度进行理论分析，提出了
改善响应速度的方法和建议。

16
 
  

第三章 SMA 基本性能测试及驱动器设计

当 SMA 丝作为课题中自适应结构的驱动元件，对其基本性能的测试就要满足设计结构的需要。因此，
作为机构的驱动元件，SMA 相变过程中表现的热力学性能成为本章主要测试对象。
SMA 在以往的研究中主要偏重于对记忆合金在相变过程中晶体结构、金相组织的变化进行测试。据
此，驱动性能研究在 SMA 自适应结构中可以设定在其温度、应变、应力等变量相互之间的关系之上。
合金成分、热处理及加工工艺的不同会导致 Ni-Ti 形状记忆合金相变的行为各异，将其作为驱动元件
应用在主动变形结构中时，应该对其热学、力学和电学性能在相变过程中进行综合测试，构成温度、应力、
应变三者之间的非线性关系，这样可以有助于更深入的了解其驱动原理，为控制和监测其驱动行为打下好
的基础，同时也为结构设计提供参考依据[38]。在确定形状记忆合金 σ-ε-T 之间关系的实验中，一般需要使
三个参数中的某一个保持为常数，测量另外两个的变化规律。通过分阶段确定不同的变量组合，获得较为
完整的材料性能参数[39]。
本章需要测试的数据有五组：最大可回复应变、相变临界温度、负热应变、弹性模量和不同温度下拉
伸力/回复力测试。这里使用的 SMA 为记忆型的镍钛合金，其基本参数如下表：
表 3.1 SMA 基本参数表

名称 类型 成分 熔点 规格
记忆型 NI-Ti 合金 丝 镍含量 50.1% 1310℃  0.5 mm
为了满足参数测量需要和预拉伸的 SMA，作者借用了测量参数的装置，装置是由师兄设计并制造完
成如下图：

图 3. 1SMA 测量参数装置
上图中从 1 到 5 分别是：固定夹具、直尺、可移动夹具、直线位移导轨、底座。将游标卡尺、拉力传
感器等工具与该装置组合使用，可以进行 SMA 丝的回复量以及拉伸和拉力测量等相关测试。

3.1 SMA 的最大可回复应变测试

形状记忆合金丝的最大拉伸缩短的变形程度是由最大可回复应变决定的，是衡量形状记忆效应强弱的
重要指标之一，通常指在一定温度下（常为室温），加载试件，使合金丝产生预变形，然后再将其卸载至
零，此时试件出现塑性变形；对试件加温，将应力设置为零，由于试件的记忆效应，恢复塑性变形；反复
试验，逐步加大记忆合金的预应变，直至其不能完全恢复预应变，就算出了可回复应变的最大值。
17
 
  

在应用 SMA 丝时，为了使 SME 保持良好，变形应变量应该使之低于明确的值。我们能够得到 SMA

丝的最大可回复应变  L 在此实验中，给 SMA 丝施加的最大应变量根据此值来确定制作试件，以至于更好
使材料的 SME 得到发挥。如下的测试方案：
（1）首先冷热循环多次，将 SMA 丝在冷水和热水中消除加工预应力，使 SMA 丝性能稳定；
（2）剪若干长度为 L=500mm 的 SMA，标记合金丝，选取距离首端 2.5mm 和末端 2.5mm 的两个刻度；
（3）拉伸 SMA，初始应变  为 4%，并以增量为 1%递增；
（4）完全卸载，残余预应变为
0 ；
Af
（5）保持 SMA 的自由状态，加热到 （70 度左右）以上；
（6）加热后测量该形状记忆合金的长度，不完全回复一出现时，就停止拉伸。最近一次对应的预应
变即为最大可回复应变。
测试结果：下表为  0.5mmNi-Ti 丝在不同初始应变下的回复情况：
表 3.2 最大可回复应变测试结果

初始长度 L（mm） 500 500 500 500 500 500 500

初始应变  （%） 4% 5% 6% 7% 8% 9% 10%
卸载后总长度
516 521 527 531 534 538 断裂
L 0 （mm）
残余预应变  0 （%） 3.2% 4.2% 5.4% 6.2% 6.8% 7.6%
相变后长度（mm） 500 500 500 500 500 505

如上表数据，SMA 丝的最大可回复应变为 6.8%，在下面的试件制备和驱动试验中，预拉伸 SMA 丝

使其预应变为 6.5%。

3.2 相变临界温度测试
作为形状记忆合金的指标，相变临界温度无疑是非常重要的性能指标。该项指标决定了马氏体相变的
过程，在马氏体与奥氏体两相的性能中形状记忆合金有很大的差异，形状记忆合金的相变临界温度可以方
便了解其相变状态。形状记忆合金相变临界温度包括： A f ：母相由马氏体转变而来的最终温度； M s ：
开始马氏体相变的温度； As ：马氏体可转换成母相的温度； M f ：结束马氏体相变的温度。测试相变温
度的方法有：应用负载法、电阻法，热分析法，变温 X 射线法，膨胀法[40]。差示扫描量热法(DSC)是本文
用来测量[41]合金的相变温度临界值的，此款差示扫描量热仪是由 Mettler-Toledo 公司提供的 TA-4000 系统，
如下图 3.2。
测试方案：SMA 在相变过程中会产生热量的变化，这是 DSC 测量方法原理。记录形状记忆合金热流
随温度的改变情况。对其(一般只需几十毫克的试样)进行程控冷却和加热。逆相变是吸热过程中 SMA 受热
时产生的，放热过程是马氏体相变发生在冷却过程中，因此在图中可以观察到，即放热峰和吸热峰，相变
[42]
温度通过明确其终点和起始点很容易得到 。

18
 
  

图 3. 2 DSC 仪器
测试过程：截约长 3mm 的下 Ni-Ti 合金丝作为 DSC 马上要使用的试样，对该试样以 5℃／min 的速度
从-10℃迅速增温到 100℃，在快速下降到-10℃，记录整个热流变化，反复测试 50 次，即可得到典型曲线，
如下图：

图 3. 3 相变与温度关系曲线图
根据曲线形状，如图，可以确定近似相变临界温度：
表 3.3 Ni-Ti 形状记忆合金产生相变的温度点

马氏体相变结束温 马氏体相变的起始温 奥氏体相变的起始温 奥氏体相变的终了温

相变温度
度M f 度Ms 度 As 度 Af
数值（℃） 7 42 62 69

3.3 负热应变测试
测试方案：应变-温度在自由状态下的测试，将固定一端的 SMA 丝，其另一端连接到测试仪上的游标
卡尺。相变在加热 SMA 后，根据游标卡尺读出 SMA 收缩量，温度数据由 HEATCON 热电偶温度仪读出。

19
 
  

具体如下过程：
（1）消除加工预应力，多次冷热循环 SMA，使 SMA 丝性能稳定；
（2）剪取 L=550mm 的 SMA 丝一根，标记距离首端 2.5mm 和末端 2.5mm 的地方；
（3) 拉伸 SMA 至最大应变 8%，完全卸载，得到 6.8%预应变值；
（4) 保持自由状态的 SMA，加热从 T 为 20℃开始直至 A f 以上；
（5) 测出 SMA 加热后的长度，读取此时相应的温度。
测试结果：截取的 SMA 总长度为 550mm，500mm 为其有效的伸长量，表 3.4 为测量恢复量和温度值：
表 3.4 应变-温度在自由状态下的测试数据

温度（℃） 20 25 30 35 40 45 50 55 60
读取的游标卡尺量（mm） 0 0 0 0.5 0.5 0.5 0.8 0.8 1.1
应变（%） 0 0 0 -0.1 -0.1 -0.1 -0.16 -0.16 -0.22
温度（℃） 65 70 75 80 85 90 95 100
读取的游标卡尺值（mm） 11.3 33.0 33.0 33.4 33.4 33.4 33.4 33.4
应变（%） -2.2 -6.6 -6.7 -6.7 -6.7 -6.7 -6.7 -6.7

从表 3.4 可以看出，加热后 SMA 产生为负值的应变，在达到开始相变的奥氏体温度时，最大可恢复

应变快速达到，相变发生。此参考数据为将为 SMA 控制的变化趋势。

3.4 弹性模量测试
对于常规金属材料，σ-ε 曲线是衡量材料力学性能的最基本和最常见的参数。同样，σ-ε 曲线是 SMA
最基本的参数关系，它要求明确和严格的进行实验的温度，即使是 3~5℃的温差也会引起 σ-ε 曲线特征的
显著变化。为了使 SMA 的弹性模量从该曲线中获得，为了确定此实验的环境温度，可以参考 SMA 的相变
[43]
临界温度，最终得到 E A （奥氏体弹性模量）和 EM （马氏体弹性模量）的值 。
Ti-Ni 形状记忆合金的应力-应变曲线测试，是在本校力学中心的微机控制电子万能试验机上进行的，
如图 3.4。

图 3. 4 应力-应变测试示意图
为了测量 EM 和 E A ，方便实验，将在铝材料的金属条上固定 SMA 丝，SMA 丝外面粘绝缘的纤维材

20
 
  

料，这样既可以实现给 SMA 丝通电，使其温度高于 70℃，处于奥氏体完全状态，同时又方便实验机的夹

持。试件长度为 200mm，标距为 150mm。测速为 2mm/min。
测试结果：由图 3.5 和图 3.6 可以计算得到， EM = 11.5GPa， E A =31.7GPa。
160

140

120

100

载荷 (N)
80
试样 #
60 1

40

20

-20
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
位移 (mm)

图 3. 5 T=7℃状态σ-ε曲线

图 3. 6 T 高于 70℃状态σ-ε曲线

3.5 不同温度下拉伸力和回复力测试
恒定应变下回复力测试，应力形状记忆合金的回复中的改变情况，用来明确结束的温度、恢复应力的
大小和恢复开始。本文分为两个部分测试：一般温度下的拉伸展力测试和奥氏体下的恢复力测试。装置用
来测试如图 3.7 所示。
仪器有：①50Kg 拉压力学传感器，②测试台，数据采集卡为 PCIe-7841,③电源，④变送器，⑤数据
采集显示系统。
测试时，SMA 一端固定，拉力传感器与另一端相连，在通电升温后通过数据采集卡传输到上位机中
算出输出拉力。

电源  PC 数据处理 

SMA 丝  拉伸  力传感器  数据采集卡 

图 3. 7 应变回复力恒定情况下的测试装置示意图
1、拉伸力测试在常温下进行
21
 
  

实验具体步骤：
（1) 为了消除加工中产生的预应力，通过数加热-降温循环 SMA，，使 SMA 丝性能稳定；
（根据  L ,保证  L 大于残余
（2）常温下，拉伸 SMA，产生的应变可以分：2%，3％，4%，5%，6%，
应变）；
对不同应变时所需拉力进行测量，经过数据采集卡采集传至上位机算出需要的力如表 3.5：
表 3.5 拉伸力最大测量值

拉伸应变（%） 2 3 4 5 6

拉伸力最大值（N） 33．075 36.75 39.2 46.06 53.9

2、回复力在奥氏体下的测量
具体步骤如下：
（1) 在冷-热水中进行多次 SMA 热冷循环，将加工预应力消除，使 SMA 丝趋于稳定的性能；
（2）常温下，拉伸 SMA，产生相应应变是：2%，3％，4%，5%，6%，7%，（根据  L 定,  L 大于
保证残余应变）；
（3）卸载后，约束试件，将残余应变保留，加热直到 150℃的温度时，测回复力在不同应变下的情况。
电压输出与传感器载荷的相对关系由下表可知：
表 3.6 电压输出与传感器载荷相对关系

载荷（Kg） 0 10 20 30 40 50
输出电压显示（V） 2.5 3 3.5 4 4.5 5

最终结果由下图曲线表达：

3.4

3.3

3.2

3.1
电 压 / V

3.0

2.9 2%
3%
2.8 4%
5%
2.7 6%
7%
2.6

0 100 200 300 400 500

时 间 / ms

图 3. 8 恢复拉伸力测试曲线
根据上面的曲线可以知道，通电后，迅速增大的是拉力，大约 300ms 后开始慢慢平稳。预应变的增加在
SMA 丝的最大回复力增大时产生。

22
 
  

表 3.7 输出拉力最大值

应变 2% 3% 4% 5% 6% 7%
最大输出拉力（N） 98 98 117.6 137.2 156.8 156.8

3.6 形状记忆合金驱动器工作原理
3.6.1 形状记忆合金驱动器的驱动方式

SMA 的驱动机理因其特殊的机械性能以及利用了它的形状记忆效应。在马氏体常温时，它的屈服应
力很小，但当随着温度的升高，屈服应力也一同变大，屈服应力达到最大状态时其完全处于奥氏体相。利
用形状记忆合金这种高温奥氏体相时强硬、常温马氏体相时柔弱的特性，即 SMA 的马氏体刚度小于奥氏
[44]
体刚度，使之在高温时能产生较大的回复力，高温相变过程中能输出较大的驱动力 。本文的 SMA 驱动
器是利用这种对外做功的特殊的机械特性制造的智能机构装置。
根据驱动元件的不同，形状记忆合金驱动器可分为：SMA 薄膜驱动器、SMA 丝驱动器、SMA 弹簧驱
动器等[45-47]，而 SMA 弹簧和 SMA 丝驱动器应用的比较多。
SMA 丝和 SMA 弹簧驱动器两者的区别很简单，同理若驱动元件是 SMA 丝绕制成的弹簧时即为 SMA
弹簧驱动器若是以 SMA 丝作为驱动元件的驱动器便是 SMA 丝驱动器，本文基于双程形状记忆合金驱动器
如图 3.9。根据上文对形状记忆效应的研究可知，当整体长度尺寸相同的 SMA 螺旋弹簧和 SMA 丝驱动器，
SMA 丝产生的位移比 SMA 螺旋弹簧驱动器小的得多。

图 3.9 双程形状记忆合金驱动器
单程形状记忆合金驱动器和双程形状记忆合金驱动器相比需要外力作用，所以双程机构本身就可自动
实现往复运动。基本原理就是利用 SMA 丝的双程形状记忆效应，这种方法的优点是驱动器易于微小型化
和简单化，但是在应用中却存在很多问题。例如双程形状记忆效应是通过既耗时又复杂的很多次重复训练
得到的，很难准确确定输出位移，也不能确定每次都是在相同的高温或低温两方面的形状。
实际上常用的双程形状记忆合金驱动器是基于其单程形状记忆效应，而提供偏动力的偏动元件，导致
SMA 元件产生预变形，当加热 SMA 元器件后，SMA 能够通过克服偏动力的方式对外做功实现。

23
 
  

3.6.2 差动式双程形状记忆合金驱动器

差动式双程驱动器的工作机理有很多地方与偏动式相似，只是将偏动式中弹簧元件变成了 SMA 弹簧，

如图 3.10 所示，主动弹簧是左侧的 SMA 弹簧，偏置弹簧在右侧。Kb，Fb，kb， fb 分别表示主动 SMA
弹簧在室温和高温时的刚度系数和作用力，Ka，Fa，ka， fa 分别表示偏动 SMA 弹簧在室温和高温时的刚
度系数和作用力。
A 状态是两 SMA 弹簧没有连接时的自由状态，点 Oa、Ob 分别是偏动和主动 SMA 弹簧的零变形点。
B 状态是零载荷下两 SMA 弹簧连接后，当未加热主动 SMA 弹簧，而偏动 SMA 弹簧加热时达到平衡
的状态，即图中交点 l 的状态。al 是偏动 SMA 弹簧变形量，b1 是主动 SMA 弹簧变形量为。
C 状态是没有载荷下，当主动 SMA 弹簧加热且偏动 SMA 弹簧在室温状态下达到的状态平衡，即为图
中交点 3 时的状态。此时 a2 是偏动 SMA 弹簧变形量，b2 是主动 SMA 弹簧的变形量。
D 和 E 状态则描述的是形状记忆合金驱动器在对外界做功时的工作过程。D 状态是对应 l 点时没有加
载荷的初始状态，E 状态是对应交点 2 加载后到达状态平衡。由于加载导致 SMA 弹簧不能恢复到 3 点状
态，只能到达 2 点。此时，b1 与 b3 的差值 s 为加载时驱动器的位移量，b3 是主动 SMA 弹簧变形量。如
果驱动器在点 2 处将载荷卸掉，处于室温状态的未加热主动 SMA 弹簧，加热状态偏动 SMA 弹簧，这样就
实现了驱动器的往返运动，从 A 点到 F 点就是一个运动周期。

图 3.10 差动式双程形状记忆合金驱动器工作机理
经过对上面的驱动器的说明可知：室温状态时差动式驱动器中的偏动式中普通弹簧较偏置 SMA 弹簧
的刚度系数要大；而对于高温状态时普通弹簧的刚度系数比偏置 SMA 弹簧的刚度系数要小，所以在同样
工作条件下，偏动式驱动器的工作行程大于差动式的。对于偏动式驱动器，由于偏置弹簧是瞬时动作元件，
在一个运动周期中，占用时间很少，故其一个运动周期即为 SMA 弹簧冷却和加热时间的和。对于差动式
驱动器，因一根 SMA 弹簧加热时，一个运动周期内，另外的那根可以同时冷却，在对工作频率要求不是
很高的场合，一根 SMA 弹簧加热和冷却时间之和基本也是该驱动器一个运动周期所需要的时间。

24
 
  

3.7 形状记忆合金驱动机构介绍
根据以往的实验研究，选定了差动式驱动器，由于其工作行程大，运动周期时间正常，故本文中就选
用了差动式双程形状记忆合金驱动器。本文只是用 SMA 丝替换了 SMA 弹簧。其示意图如图 3.11 所示。

图 3.11 差动式双程形状记忆合金驱动器设计图
在设计相关驱动器时，本文采用了两根 SMA 丝相互关联，根据 SMA 的单程记忆效应，主要通过外力
诱发马氏体弹性模量小于奥氏体的弹性模量的特性，马氏体转变通过施加外力得到，用冷却的方式替代使
奥氏体向马氏体转变，而该外力则由另外一根丝通过加热发生马氏体向奥氏体转变产生的回复力提供。该
驱动器由需驱动的可移动部件、底座、滑轮组件、SMA 丝 1（长丝）、SMA 丝 2（短丝）及固定螺钉组成。
为了使摩擦减少，将滑块安装在滚珠直线导轨上；同时在右边设置了一个导向滑轮为了增加驱动行程，固
定在滑块的右侧这样一根 SMA 丝绕过滑轮，另外左侧将短的 SMA 丝一端固定，这样可以 40%使以前只
有一半的行程得以增加。
处于马氏体状态 SMA 丝 1、 SMA 丝 2 在安装前对根据需要进行相应的预拉伸应变，应变不大于最大
可恢复应变的 1/2。该驱动器过程可以说为：首先对 SMA 丝 1 进行通电加热，使其发生奥氏体相变，产生
收缩变形，实现对部件向一个方向的平移驱动。由于奥氏体的弹性模量大于马氏体的弹性模量，及两根丝
相互关联，对处于马氏体状态的 SMA 丝 2 施加外力同时 SMA 丝 1 发生收缩，使其应变持续增大，因开始
应变均没超过最大可回复应变的一半，所以 SMA 丝 2 被拉伸也在最大可回复应变的范围内产生的最大应
变。当通电加热 SMA 丝 2 时，则马氏体向奥氏体转变在丝 2 中发生，产生收缩形变，使这些元件向相反
方向平移，同时对 SMA 丝 1 施加外力，实现奥氏体转变为马氏体，同时产生拉伸形变。反复上面的过程，
就可以实现对部件的平移驱动。

3.8 本章小结
形状记忆合金具有十分复杂的热力学特性，其温度、应力、应变、马氏体含量四者之间的关系是高度
非线性的，本文把形状记忆合金丝作为驱动元件，首先明确了随温度不断变化形状记忆合金丝的力学参数
的变化情况。本章对形状记忆合金各项性能参数进行了测试分析，如最大可回复应变、相变温度、弹性模
量、负热应变、及不同温度下的拉伸力和回复力等，通过实验得到形状记忆合金丝的各项参数；根据这些
性能参数，设计了带有滚珠直线导轨结构的差动式 SMA 驱动器，并进行相应的驱动性能理论分析。

25
 
  

第四章 SMA 驱动器控制系统硬件设计

根据上文的研究，SMA 的应变-应力曲线图是非线性的，并且其力学特性在不同温度下变化非常大，
这既是我们应用 SMA 作为驱动元件的原因，又是我们为了实现驱动控制的精确性难点所在。为了实现对
该差动式 SMA 直线驱动器运动位移的精确控制，准确控制 SMA 的温度成为重点，即调整加热驱动功率。

4.1 控制系统硬件总体设计
为了实现对已有机构的准确控制，本文对基于 LABVIEW 控制平台中所需硬件进行了详细的设计。针
对已有机构的特点，并结合 LABVIEW 平台的特点构建了给 SMA 丝加热的控制电路以及反馈信号采集电
路，该系统是由基于 LABVIEW 平台的神经网络、加热控制电路、反馈信号调理电路组成，与已有驱动器
组合在一起构成了一个完整的控制和执行系统。该系统的整体设计框图如图 4.1 所示。 

 
图 4.1 基于 LABVIEW 的形状记忆合金驱动器控制框图
本论文控制系统的基本原理：
首先把设置好的目标位移输入 LABVIEW 中，LABVIEW 控制系统根据已设定的位移量通过通电加热
模块对 SMA 驱动器进行通电加热，通过新加入的传感器与数采卡相连得到数值输入上位机的 LABVIEW
中，与设定值比较会有一个差值，通过神经网络算法，控制 PWM 模块的电压信号，经加热驱动电路控制
SMA 丝的加热，经过多次反复之后，有神经网络算法算出通电加热时间与 SMA 驱动器位移变化量的关系，
时时调整 PWM 的占空比，进而控制加热驱动 SMA 丝的功率，很大程度上消除误差，完成控制。

4.2 加热单元电路设计
根据上文所述，硬件控制电路须对 SMA 元件控制输入热量。本文采用 PWM 方式通电加热，并对 SMA
丝采用强风冷却以提高其冷却速率。故设计以下硬件控制电路图（图 4.2）。

26
 
  

 
图 4.2 PWM 脉宽调制电路 

此电路采用大功率 P 型 MOSFET 加热形状记忆合金，由于加热属于电流驱动行为，电路只需输出导

通与高阻两个状态即可。为了使 MOSFET 导通时的导通电阻尽量小，以获得尽量高的加热效率与精确的
加热电压，需提供足够高的栅源极压差。本电路中采用小功率三极管驱动 MOSFET 的方法，实现控制电
平的转换，从而达到获得足够高的栅源极压差的目的。
如图 4.2 所示，当输入控制电平为高时，三极管导通，MOSFET 的栅极电压接近 0V。此时
VGS≈-VCC；VCC 为加热电压，一般在 7V 以上，因此可以实现较低的导通电阻。当输入控制电平为低时，
三极管截止，集电极输出高阻态，于是 MOSFET 的栅极电压被 470Ω 电阻上拉至接近 VCC。此时 VGS≈0，
MOSFET 截止，漏极输出高阻态。在加热时，将形状记忆合金的一端接地，另一端接 MOSFET 的漏极即
可实现加热通断。由于采用电流控制，故图中采用电流型控制器件，S8050 与 TIP42C 为三级管，用做开
关使用。

4.3 数据采集硬件和软件
在考虑到采集的多通道问题时，为了实现数据的收集功能和保存功能，本文的实验运用基于 LABVIEW
软件的数据采集和存储系统开发环境。信号的存储收集可以分为硬件和软件两部分，中间硬件由美国 NI 公
司的 7841R 输入输出一体数据采集卡组成，软件由 LABVIEW 直接编写程序得到。 

4.3.1 采集电信号硬件

本文用于信号采集的硬件是数据采集卡（Data acquisition），由National Instrument（NI）公司开发，

型号为NI PCIe-7841。PCIe-7841是插槽式数据采集卡，能够便于的安装在PC 机上。 8路模拟输入, 200 kHz
独立采样率, 16位分辨率, ±10 V 8路模拟输出, 1 MHz独立更新率, 16位分辨率, ±10 V，96条可配置的数
字线, 具有40 MHz输入、输出、计时器或自定义逻辑， Virtex-5 LX30 FPGA, 可通过LABVIEW FPGA模
块对其编程 ，与NI-9151相连, 用于I/O扩展和低价位信号调理 ，3路直接存储器访问 (DMA)通道, 用于

27
 
  

高速硬盘数据读写 ，具体的管脚分布如图4.3所示。

图 4.3 数据采集卡管脚分布图

图 4.3 的模拟信号采集通道按连接方式可分为单端 RSE（referenced single-ended）、非参考单端 NRSE

（nonreferenced single-ended）和差分 DIFF（differential）[49]，其接线方式如图 4.4-4.6 所示。

图 4.4 单端 RSE 图 4.5 非参考单端 NRSE

28
 
  

图 4.6 差分 DIFF
差分测试系统在图 4.7 中所示， 其中有两个分别与信号的正负极相连的通道， 在一般情况下，我们
所采用的测试系统都用这种方式进行采集，采用这种方式的优点是可以抑制共模干扰，很大程度上减少环
境噪声之类外界因素的影响。

图 4.7 数据采集卡差分测试系统

数据采集卡的差分测试系统的优点是具有抑制共模干扰，但是这样也使测试系统的通道数减少了一
半，当测试的环境没有噪声时，可以对数据测试和采集采取共用一个参考点的方式进行，在一般的情况下
我们使公共参考端接地(图 4.8)。

29
 
  

图 4.8 数据采集卡公共参考端接地

可以使用的输入信号端在全部接地的情况下，只能采取非参考单端测试系统。图 4.9 所示为一个非参

考单端测试系统图。 

4.3.2 电信号采集软件

LABVIEW 是NI公司（美国国家仪器公司）研发的，与BASIC和 C开发环境相类似，不同点在于它偏

[49]
向于图形化编程环境的开发平台 。
实际上 LABVIEW 具有一个庞大的函数库，也可以称为一个通用的编程系统，它拥有完成数学运算与
分 

图 4.9 数据采集卡非参考单端测试系统

析、工程分析和计算、逻辑运算、输入与输出等功能，但是它利用图形和连线来代替其他的编程系统中编
写的多行文本，借助更为直观的流程图，理解和维护代码，简化了编写大量程序的烦恼，很大程度上提高
了效率。其中数据采集、数据显示、分析与存储、GPIB（General Purpose Interface Bus 通用接口总线）和

30
 
  

串口仪器控制，组成了它的库函数。
在LABVIEW 环境下开发的程序我们称之为虚拟仪器VI（Virtual Instruments），该程序主要由前面板
（front panel)和程序框图(block digram)组成。它的前面板实现信号输入和信号输出，相当于是一个可以输
入输出的显示器，由显示件元素和控制元素构成，显示件代表程序的输出值，控制件代表程序的输入参数。
LABVIEW根据显示件和控制件所代表不同数据类型，用各种与仪器相似的常用显示件和控制件的图形来
表达，包括旋钮、按钮、图形显示等。这样，最终生成的用户面板由于相似与仪器的面，又称为前面板。
[49]
又由于流程图相似于仪器面板后面的电路板，它由连线和图标代码构成，实现逻辑和数学运算 。
一般意义上的数据采集包括模拟输入和输出两部分，它们一般使用共同的系统。LABVIEW 平台的数
据采集系统如图4.10所示。

图4.10 LABVIEW 平台的数据采集系统

在本实验中的主要目的是通过多通道的采集方式采集驱动器的位移量随通电加热时间的变化，所以需
要1个输入通道，1个输出通道，但是由于反应迅速，对采集卡的传输数据的时间要求很高，其基本流程如
图4.11所示，LABVIEW中的软件程序的读取数据方式可以分为循环缓存技术与简单缓存技术。采用循环缓
存技术，当数据采集量很大，缓存区里无法一次性把数据装满时。它的重点思路是在一块进入缓存区的数
据能够从缓存区中提取数据，这类往复的方式是有一定要求的，例如放入缓存区数字信号的速度应当慢于
读取缓存区数据速度，避免读取数据等待，数据提取速度也不能太慢，为了免于溢出在数据中产生，同时
提高系统的运行速度。本实验用的采集通道为1，数据不大，但是要在规定时间内必须快速完成，因此采
用的是循环缓存技术。简单缓存技术指的是首先在建立一个缓存区在计算机内，然后通过A/D 转换器转换
将模拟信号转为数字信号放入缓存区，最后再从缓存区中提取。

31
 
  

图4.11 采集程序的框图
本文中为了实现对位移信号的实时掌握，程序的前面板采用了波形图表形式，以及采用示波器式的循
环缓存方式和刷新模式，图4.12 是某次实验测试时的前面板，并设计了前面板程序。

图 4.12 程序前面板

32
 
  

图 4.13 后面板中控制程序

4.4 传感器设计
4.4.1 光电对管传感器

光电对管传感器，也叫光电开关，其实内部结构就是一个发光二极管和一个三极管为光敏的，
分为反射式和直射的，都是通过集聚光线来控制光敏三极管的导通与截止。 无论如何，原理都是
光电的转化。
光电开关工作原理：反射式光电开关的工作原理。由振荡回路产生调制脉冲后经过反射的电路
后，发光管 GL 产生光脉冲。当被测物体出现在受光器作用范围时，被反射回来的光脉冲光敏三极
管 DU 收到。在接收电路中电脉冲信号在光脉冲信号中解调，之后通过同步选通整形和放大器放大，
然后使光电开关在数字积分中或排除干扰采用 RC 积分方式，终了光电开关控制信号通过延时（或
不延时）触发驱动器的输出。
良好的回差特性是光电开关大多拥有的，所以即使在小范围内晃动的被检测物体也不会对驱动
器的输出状态产生影响，以至于在稳定工作区可使其得到保持。在此情况下，受光状态和稳定工作
区可以在自诊断系统中显示，以对光电开关的工作进行时时监视。

4.4.2 齿轮机械结构

课题中由于被测对象的形变较小，一般设定在 3mm，所以在差动式双程 SMA 驱动器中增加数据测量

机构。
本课题采用光电对管，增加四级齿轮放大，将 36 齿转轮传动到 10 齿，传动 4 次，每级传动都是从 36

33
 
  

齿传动到 10 齿，即得到线位移放大 167.96 倍，即传动比为 3.6 的 4 次方。如图 4.14-4.16 所示。

图 4.14 齿轮机构侧视图

图 4.15 齿轮机构正视图

图 4.16 光电对管传感器实际应用

34
 
  

4.5 本章小结
本章首先设计了 PWM 加热电路，使用软件制作电路实物图，根据电路图自行搭建 PWM 加热电路；
然后根据需要，通过 Proe 软件设计了齿轮机械结构，经过加工，得到线位移放大 167.96 倍的机械结构，
以此结构结合光电对管传感器解决了形状记忆合金驱动器驱动位移不易测量的技术难题；最后采用数据采
集卡采集光电对管传感器传输的数据，并传至上位机，通过 LABVIEW 软件接收并处理这些数据。

35
 
  

第五章 SMA 驱动器控制系统软件设计

在控制系统中，选择一种适合的控制方法至关重要，在根据前人的研究和发展中，本文采用基于
LABVIEW 平台的 PID 神经元网络控制系统。

5.1 人工神经网络基本理论
人工神经网络（Artificial Neural Networks，简写为 ANNs）简称为神经网络（NNs）或叫做连接模型
（Connection Model），是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神
经系统对真实世界物体所做出的交互反应。它是一个非线性动力学系统，其特色在于信息的分布式存储
和并行处理。虽然单个神经元的结构极其简单，功能有限，然而网络系统由大量神经元构成，其能够实现
[50]
极其丰富多彩的行为 。
以下四个特征是神经网络所具有的最基本特征：
（1）非凸性：演化方向在某个系统中，某个特定的状态函数由一定条件决定。例如能量函数，它的
极值相应于系统比较稳定的状态。非凸性是指这种函数有多个极值，故系统具有多个较稳定的平衡态，这
将导致系统演化的多样性
（2）非线性：自然界的普遍特性之一是非线性关系。非线性现象包括大脑的智慧。抑制或激活是人
工神经元处于的两种不同的状态，在数学上表现为一种非线性关系就是这种行为。神经元构成的网络在具
有阈值的情况下拥有较好的性能，容错性和存储容量得到提高。
（3）非定常性：自适应、自组织、自学习是人工神经网络所拥有的能力。处理的信息神经网络不但
可以有多种改变，并且在信息处理的时候，不断变化也存在于非线性动力系统本身。动力系统是怎样演化
的，我们经常采用迭代的方法描写。
（4）非局限性：许多神经元大量相连成为单独神经网络。单个神经元的特征不仅是一个系统的整体
行为，并且可能主要根据单元之间的互相作用和连接。大脑的非局限性仿真以单元连接的方式进行。联想
[33]
记忆是非局限性的典型例子。 。
人工神经网络主要特点与优越性表现在以下三个方面：
第一，具备自学习功能。当进行图像识别时，只需先把每一图像样板和相对应的结果输入人工神经网
络，该系统就会逐渐学会并识别类似的图像，这便是自学习功能。对于人类社会的经济预测、市场预测、
效益预测等预测活动，自学习功能在人工神经网络计算机中意义深远，前途远大。
第二，拥有联系想像这类储存功能。实现这种联想通过人工神经网络的反馈网络就可以得到。
第三，拥有优化解被快速找到的能力。某些困难问题的优化解的搜寻，运算量往往很大，反馈型人工
神经网络针对某个问题而设计，快速运算能力得到充分发挥，优化解很快就能找到。
与此同时，神经网络的局限性有以下几个方面：
（1）神经网络研究受到脑科学研究成果的限制。

36
 
  

（2）神经网络缺少一个完整、成熟的理论体系。
（3）神经网络研究带有浓厚的策略和经验色彩。
[51]
（4）神经网络与传统技术的接口不成熟 。
神经网络的研究可以分为理论研究和应用研究两大方面。理论研究分为两类。一是利用神经生理与认
知科学研究人类思维以及智能机理。二是用神经基础理论的研究成果，用数理方法探索功能更加完善、性
能更加优越的神经网络模型，深入研究网络算法和性能，如：稳定性、收敛性、容错性、鲁棒性等；开发
新的网络数理理论，如：神经网络动力学、非线性神经场等。应用研究可分为以下两类。一是神经网络的
软件模拟和硬件实现的研究。二是神经网络在各个领域中应用的研究。这些领域主要包括：模式识别、信
号处理、知识工程、专家系统、优化组合、机器人控制等。随着神经网络理论本身以及相关理论、相关
技术的不断发展，神经网络的应用定将更加深入。

5.2 神经网络的模型
人工神经元需要有模拟生物神经元一阶特性，即输入信号加权和的功能。对于每一个神经元，它可以
接受一组来自系统中其他神经元的输入信号，每个输入对应一个权值，所有的输入加权和决定该神经元的
[50]
激活状态 。模型如下图：

图 5.1 人工神经元模型
m
输入与输出具有如下关系： y  f (  wi xi   )
i 1

其中 x＝（x1，…，xm）T 为输入向量，y 为输出，wi 是权系数，θ 为阈值。f（x）是激活函数，它可

以是线性函数，也可以是非线性函数。
人工神经网络模型主要以神经元的特征、有关网络连接的拓扑结构、学习规则等为研究对象。目前，
已有将近四十种神经网络模型，其中包括 Hopfield 网络、自组织映射、BP 网络、波耳兹曼机、适应谐振
理论、感知器等。神经元网络和统计方法在本质上有很多差别，神经网络的参数相对巨大。正因为参数如
此之多，所以可以通过各种类型组合影响输出结果。这便是基本无法对一个神经网络模型做出直观的解释
的原因。
根据连接的拓扑结构，有以下几种形式的神经网络模型：
（1）前向网络：大致以一个从有到没有的环形线路图表示，神经元在网络中一级一级向下输出，没

37
 
  

有反馈。以上这类的网络具有简单结构，易于实现的特点，通过多次复合简单非线性函数进行信息处理，
使得已有信号从输入端向输出端转换。典型的前向网络 BP 网络就是其中之一。

图 5.2 前向网络结构

（2）反馈网络：网络内神经元相互之间有反馈，用一个没有方向的完备图表达，
。这种神经网络的系
统的稳定性与联想记忆功能关系密不可分，表现为状态的变换，可以用动力学系统理论进行信息处理。波
[52]
耳兹曼机均、Hopfield 网络均属于该种类型 。

图 5.3 反馈网络结构

5.3 神经网络的训练
神经网络的训练是一个重要研究方向，只有通过训练才能实现神经网络的适应性。根据环境的变化，
对权值进行调整，改善系统的行为。由 Hebb 提出的 Hebb 规则为神经网络的训练算法奠定了基础。Hebb
规则认为，训练过程发生的最终部位在神经元之间的突触部分，突触的联系随着其前后神经元的活动强度
变化而变化。之后，人们在此基础上又提出了多种规则和算法，以适应各种网络模型的需要。信息存储和
处理体现在神经网络的连接过程中，有效的算法，才能使得神经网络能够通过调整连接权值，形成信息处
理的特色方法构造客观世界的内在表示。
根据训练环境不同，训练方式在神经网络中可分为非监督训练与监督训练。在监督训练中，在网络输
入端加载训练样本的数据，然后将相对应的期望与网络输出相比较，误差信号随之得到。以此调整权值连
接强度，收敛到一个大致确定的权值在多次训练调整之后。在样本产生变化时，经训练可以权值修改用来
响应新的数据。感知器、反传网络等都是使用训练监督的神经网络模型。非监督训练时，先不定义标准样
本，直接将网络置于实际环境之中，训练阶段与工作阶段同时进行。此时，训练规律的变化服从连接权值

38
 
  

的演变方程。Hebb规则是非监督训练最简单的例证。竞争规则是一个更复杂的非监督训练的举例，它是根
[51]
据已建立的聚类进行权值调整。适应谐振理论网络、自组织映射等都是与竞争训练有关的典型模型 。

5.4 PID神经元网络
将 PID 神经元放入多层前向网络，就构成 PIDNN。PIDNN 是动态的多层前向网络，它的动态
特性不是通过网络连接方式或反馈方式实现的，而是通过它内部的 PID 神经元实现的。
PIDNN 的基本组成包括：输入层的两个神经元、隐含层的三个经元、输出层的一个神经元，
称 PIDNN 的基本形式为单输出 PIDNN (Single output PIDNN)，简称 SPIDNN，SPIDNN 可以完成单
变量的输入输出，但输入—单输出系统的控制任务。SPIDNN 的控制系统结构如图 5.4 所示。

图 5.4 SPIDNN 控制系统结构图

SPIDNN 输入层采用比例神经元，这两个神经元接受外部输入消息：其一接受被控变量值；另
一个接受单变量控制系统的目标值或给定值。连接权重在输入层神经元的输出中，到达隐含层后开
始综合处理。三个神经元在隐含层分别为微分元、比例元和积分元，它们各自对输入的信号进行微
分、比例和积分。通过连接权隐含层输出，之后来到输出层，神经元在输出层通过采用采用比例元
的方法综合和输出了完成整个网络控制的规律。

5.5 基于 LABVIEW 的 PIDNN 程序设计

5.5.1 PIDNN 的仿真程序框图和模块的划分

根据 PIDNN 控制算法功能的划分，在软件设计中编制如下几个模块，如图 5.5 所示：

5.5.2 初始化模块

初始化模块遵循 PID 控制规律选取连接权重初值，用于确定神经元网络系统的输入—输出变量

的个数，并以此为基础构建 PIDNN。
从输入层到隐含层所含权值的初始条件满足（r,y） e 映射的要求：

39
 
  

r 隐层 w s1j (0)=+1
y 隐层 w s2j (0)=-1

图 5.5 PIDNN 在 LABVIEW 中的控制算法模块图

先验经验在没有的条件下，权重初值在隐含层至输出层可以设置为较小的正数，现取 w s1j =0.1。

在保证系统无静差调节的情况下，权重值在含层积分单元应满足（r,y） e 的没有畸变性，输出层
到隐含层积分单元的两个值符号相等，方向相反。

5.5.3 PIDNN 前向算法模块设计

这里根据系统给定值 r 和被控对象输出值 y 设计前向算法模块，计算网络输出层和隐含层各值

的大小。
输出函数在隐含层各不相同，分为微分、比例、积分函数。以为是在实际的控制系统中，控
制器只能输出有限值的能量，所以此处使用了进行了上下限幅处理的网络输出；对积分单元也进行
了限幅处理，目的防止过饱和。具体如图 5.6 所示：

图 5.6 前向算法模块设计

40
 
  

5.5.4 PIDNN 反传算法模块设计

反传算法模块是每步训练中 n 个采样点每次前向算法所计算的网络输出层和隐含层各值的记
录，根据公式，计算得到训练后的系统将会输出的误差平方均值 J。当误差允许值小于 J 时，调整
网络权重值根据公式的计算。具体如图 5.7 所示：

图 5.7 反传算法模块设计

5.6 普通 PWM 控制实验程序设计

为了对比新设计的控制系统的控制精度有无提高，设计了普通 PWM 控制实验程序。
PWM 波控制 C++程序如下，主要工作分为设置 PWM 频率、PWM 波占空比调整、按键触发控制及
[53-55]
加热电路四个部分 。程序的主要原理是，通过面板按键可分别控制 PWM 波占空比（每次按键增加 1%）
、
加热时间（1 至 7 秒，不设置更长的加热时间，否则占空比大时，SMA 丝收缩量过大，超出测量装置运动
极限），调整对 SMA 丝的加热热量，在准备就绪后，按下开始按键，开始加热。设计倒计时程序，在加热
时倒计时，以便在加热结束后准确记录 SMA 变化量，减小误差。

#include "LPC11xx.h"

#include "type.h"

#include "gpio.h"

#include "timer32.h"

#include "LCD128_SPI.h"

#include "function.h"

#include "systick.h"

extern volatile uint32_t timer32_0_counter ;

41
 
  

extern volatile uint32_t timer32_1_counter ;

u8 HeatPWM=0;

u32 HeatTime=1000; //单位：ms

/*

cycle:周期（ms）

PWM 控制 CT32B0_MAT1 P1_7

*/

void HeatInit(u16 cycle)

u16 freq;

freq=1000/cycle;

Control_Init();

LPC_IOCON->PIO1_7 &=~0x1f;

LPC_IOCON->PIO1_7 |=0x8; //设为下拉，GPIO

GPIOSetValue(1,7,0); //不加热

init_timer32(0,100); //P1_0 工作于 PWM 模式

LPC_TMR32B0->PR=480000/freq-1; //PCLK 为 48MHZ，PWM 周期为 100 个 CTI.预分频

PR=PCLK/(100*freq)-1 --->1Mhz 1us

LPC_TMR32B0->PWMC |=(0x01<<1); //MR1 使能 PWM

LPC_TMR32B0->MCR |=0x02; //MR0 匹配时定时器复位

LPC_TMR32B0->MR0=100;

PWMSet(0);

enable_timer32(0);

/*

更新电机控制占空比

PWM=0~100;PWM 表示高电平宽度（周期为 100）

*/

void PWMSet(u8 Pwm)

42
 
  

timer32_0_counter = 0;

if(Pwm>100) Pwm=100;

LPC_TMR32B0->MR1=100-Pwm;

/*

三个输入：

触发加热： 2---P2.7

PWM 占空比增加： 5---P2.8

加热时间增加： 8---P2.9

*/

void Control_Init()

GPIOSetDir(2,7,0); //输入

GPIOSetDir(2,8,0);

GPIOSetDir(2,9,0);

void PWMAdd()

HeatPWM+=1;

if(HeatPWM>100) HeatPWM=0;

LCD128ShowUint(48,0,HeatPWM,3);

/*

加热时间：1s-7s

没按一次增加 0.5s

*/

void HeatTimeAdd()

HeatTime+=500;

if(HeatTime>7000)

HeatTime=1000;

43
 
  

LPC_TMR32B1->MR0=HeatTime*10;

LCD128ShowUint(48,2,HeatTime,4);

/*

开始加热：

1.通过更新 PWM 触发开始加热

2.开始计时，到 HeatTime 后 CT32B1 中断会将 PWM 清 0 以停止加热

*/

void StartHeat()

PWMSet(HeatPWM);

STDelay_10ms(HeatTime/10);

PWMSet(0);

/***********************

主程序功能：热电阻加热

PWM 输出：CT32B0_MAT2 P0_1

设置周期：CT32B0_MR0:

加热定时：CT32B1_MR0

三个输入：

触发加热： 2---P2.7

PWM 占空比增加： 5---P2.8

加热时间增加： 8---P2.9

没按下时为高，按下后为低。

**************************/

#include "LPC11xx.h"

#include "type.h"

#include "gpio.h"

#include "systick.h"

44
 
  

#include "LCD128_SPI.h"

#include "function.h"

#include "voltage.h"

void Delay_ms(u16 time)

u16 i;

for(;time>0;time--)

for(i=10000;i>0;i--); //i=10000 时约 1ms

int main()

u8 i;

SystemInit();

GPIOInit();

LCD128SPI_Init();

LCD128ShowString(0,0, "PWM: 0 %");

LCD128ShowString(0,2,"Time: 1000ms");

LCD128ShowString(0,4,"DaoJiShi: ms");

HeatInit(10); //10ms 周期

Voltage_Init();

while(1)

if(!(LPC_GPIO2->DATA & 0x80))//P2.7(2)按下

i=5;

while(i)

45
 
  

Delay_ms(15);

if(LPC_GPIO2->DATA & 0x80)//没按下

break;

i--;

if(i==0)//确认按下

StartHeat(); //按下 2，开始加热

if(!(LPC_GPIO2->DATA & 0x100))//P2.8(5)按下

i=5;

while(i)

Delay_ms(15);

if(LPC_GPIO2->DATA & 0x100)//没按下

break;

i--;

if(i==0)//确认按下

PWMAdd();

if(!(LPC_GPIO2->DATA & 0x200))//P2.9(8)按下

i=5;

while(i)

Delay_ms(15);

if(LPC_GPIO2->DATA & 0x200)//没按下

break;

i--;

46
 
  

if(i==0)//确认按下

HeatTimeAdd();

5.7 本章小结
本章首先对神经网络的基本理论进行了探讨，围绕差动式双程形状记忆合金驱动器的测控系统原理，
对神经元网络软件流程进行设计，通过采用 LABVIEW 平台上直接 PIDNN 编程的方法，对控制系统各个
模块进行编程设计以及上位机控制界面的设计，详细描述了 PIDNN 前向控制模块、反向控制模块的控制
方式，借鉴相应的控制理论，通过 C 语言直接编程，设计了直接 PWM 控制程序，进一步验证了 PWM 加
热电路的可靠性，并为后面实验所采用的 PIDNN 控制方法提供对比依据。

47
 
  

第六章 SMA 驱动器的控制实验研究

由前文知，SMA 材料的应力一应变曲线是非线性的，而且不同温度下形状记忆合金的力学特性变化
很大。这一点是应用SMA作驱动元件的基础，但也是实现SMA驱动器控制的难题所在。由于实验设备局限，
对于SMA丝温度的测量并不能达到良好的效果，故在实验中，延长冷却时间，尽量使每次实验数据记录后，
SMA丝的状态回到记录前，减小实验误差。

6.1 实验总体平台系统
该系统整体实验平台如图 6.1，加热电路板如图 6.2，验证实验整体图 6.3

图 6.1 系统整体实验平台

图 6.2 加热电路板
48
 
  

图 6.3 验证实验装置图

整体实验平台有以下实验设备构成：
１． 齿轮结构加光电对管传感器，用以测量输入到上位机的反馈信号即驱动器位移；
２． 测控实验加热电路板一块，包括加热驱动电路；
３． 数据采集卡一块，由于是插槽式的，已装如电脑中，用于将采集到的模拟信号传输到上位机，
实现时时在线传输的功能，串口通信线一根，实现与上位机的通信,电源一台，负责提供电信
号；
４． 微型计算机一台，运行 LABVIEW2012 开发平台，实现监测调试和运行 PIDNN 控制程序运行；
５． 差动式双程形状记忆合金驱动器机构。

6.2 实验的测试和分析
6.2.1 驱动电路中的电流调整

由于形状记忆合金的驱动是由输入电流并依靠其自身的电阻加热来实现的，而通电时间及电流大小是
可以控制的，所以通过控制流经形状记忆合金丝的通电时间和电流大小来实现最终驱动器位移控制。
PWM 信号是低电平 0V 和高电平 3.3V 的电压脉冲信号，不同占空比的 PWM 信号经过驱动电路的转
换之后，最终输出不同大小的电流。PWM 信号的占空比 q(%)与电流大小 I(A)关系如表 6.1 所示。
表 6. 1 PWM 的占空比 q(%)与实际电流大小 I(A)关系

q 5 10 15 20 25 30 35 40 45
I 0.2 0.29 0.39 0.5 0.62 0.71 0.81 0.91 1

49
 
  

6.2.2 PWM 直接控制实验

如图 6.3 接好实验电路，用以验证该驱动系统是否可行，首先对该驱动器进行无载荷加热控制实验，
观察该驱动器最大行程范围，以及能否可控。实验方法步骤如下：
1.滑轨长度为 500mm，调整滑块到滑轨约 3/4 处，这样长丝与短丝都有较好的拉伸性能，调整长丝和
短丝的初始预应变为 4%，这样滑块可以在 SMA 丝 0-8%应变范围之内滑动，以滑块位置标定零点。
2.打开控制电路的电源，为各个芯片以及相应的模块提供相应的工作电压或者电流，经测试合适收缩
量，将加热 SMA 丝的电压源调整为 15V。
3.确保各项准备工作完成没有异常后，打开控制电路电源。
4.按上文第四章所述，调整 PWM 波占空比，由 10%变化到 70%，步长为 5%，设置加热时间为 7s，
开始实验，并在加热时倒计结束时，记录数据。多次实验，取平均值。得到控制精度在 6%~7%.
经过两轮实验得到的结果：
表 6.2 实验数据

PWM 占空比 收缩量 1（mm） 应变 1 收缩量 2（mm） 应变 2 平均应变

10% 0.3 0.0006 0.2 0.0004 0.0005
15% 0.5 0.001 0.3 0.0006 0.0008
20% 0.9 0.0018 0.8 0.0016 0.0017
25% 1.2 0.0024 1.2 0.0024 0.0024
30% 2.2 0.0044 2 0.004 0.0042
35% 3 0.006 3 0.006 0.006
40% 3.8 0.0076 5 0.01 0.0088
45% 6.6 0.0132 6.9 0.138 0.0135
50% 9.7 0.0194 8.2 0.0164 0.0179
55% 11 0.022 9 0.018 0.02
60% 11.5 0.023 11 0.022 0.0225
65% 12 0.024 11.5 0.023 0.0235
70% 13 0.026 12.5 0.025 0.0255

6.2.3 基于 LABVIEW 的 PIDNN 实验研究

根据前文对 SMA 丝基本性能的测试，得到目前使用的 SMA 丝的最大拉伸长度为 10mm，所以

在上位机 LABVIEW 实验平台上输入的目标位移应小于等于 10mm。
上文中的对比验证实验已说明该驱动系统的是可行的，将该驱动器连入 LABVIEW 实验平台，通过输
入目标值，观察该驱动器行程，确认控制精度。实验方法步骤如下：
1) 固定驱动器机构及光电对管传感器，保证驱动器SMA丝产生的位移与齿轮机构传输位移成正比，且将

50
 
  

此时位置设为传感器的零点；
2) 连接光电对管传感器、加热驱动控制电路、数据采集卡、SMA 驱动器以及电源，将稳压电源调至14V
和正负5V分别给驱动模块和采集模块芯片供电，加热电路中提供给SMA 丝的电压调至5V（驱动器中
单根SMA长丝电阻约为3 Ω）；
3) 开启LABVIEW程序，设定目标位移值，待驱动器机构稳定（即不发生移动）时运行程序，进行控制
过程。
首先在程序中设置的位移值远大于预拉伸时的应变量，这样便于观察该驱动器的最大行程，其位移效
果图如下图所示，该驱动器的行程距离是：10mm(即-5～+5mm)。

图 6. 4 形状记忆合金驱动器的行程距离图
基于LABVIEW平台中PIDNN控制实验，并结合光电对管传感器控制测试。
由于该系统是建立在 LABVIEW 平台上的 PIDNN，具有自适应，自学习的能力，其自动选取相应的
PID 系数的很大程度上提高了效率，以达到满意的控制效果。
为了验证形状记忆合金驱动器控制系统的精确度，下面分别设置了多种不同的位移量，来检测其效果
是否有效可靠。
在 LABVIEW 程序中设定位移量为-1mm，运行控制程序，实时采集其位移值，将最终得到的控制效
果在 MATLAB 中显示如图 6.5 所示。
由结果可知该驱动器在 3s 后达到稳定状态，即响应时间是 3s，稳定值为-1.04mm，与设定值相差
0.04mm，相对误差是 4%。

51
 
  

图 6.5 第一次设定值所得结果
之后对该驱动器全行程范围内控制，左右移动的效果图如下图所示。

图 6. 6 形状记忆合金驱动器的控制效果图
在 LABVIEW 程序中设定位移量为 1mm，运行控制程序，实时采集其位移值，得到的控制效果如图
6.7 所示。
52
 
  

图 6. 7 形状记忆合金驱动器位移 1.3mm 的控制效果图

由结果可知该驱动器在 5s 后达到稳定状态，即响应时间是 5s，稳定值为 1.35mm，与设定值相差
0.05mm，相对误差是 4%。在与前文 6%~7%的误差相比，使控制精度提高了 1%~2%。达到设计时的要求。

6.3 本章小结
本章对形状记忆合金驱动器以及控制系统进行了实验研究，首先准备好了实验所用的仪器设备，然后
采用 C 语言编程直接对 PWM 加热电路进行控制，得到了形变 6%~7%的实验数据；之后根据设计，搭建
好了整体测试系统的平台，针对目标位移量进行控制实验，获得了响应速度以及控制精度，通过对比实验
结果，证明了该驱动控制系统控制精度达到 0.05mm。该实验结果也验证了所设计的形状记忆合金驱动器
及其测控系统的合理性和可控性，为以后进一步研究指出了方向。

53
 
  

第七章 总结与展望

7.1 总结
形状记忆合金驱动器是未来驱动器的发展趋势，作为一种新型驱动器，将驱动元件、信息处理和控制
系统以及计算机技术等融为一体，在各个高科技领域，特别是航空航天工业中，展示了广阔的应用前景。
但目前，形状记忆合金驱动器通常采用位移和角度等外部传感器进行测量研究，虽然能够满足基础研究需
要，但在实际工程应用中，因结构中存在外部传感器，占用空间较大，导致其应用受到一定的限制。因此
开发和研究综合性能优良的形状记忆合金驱动器对推进形状记忆合金驱动器发展具有重要的现实意义。
单一脉宽调制加热目前已广泛用于形状记忆合金驱动器中，但存在一些缺点，尤其是驱动位移精度太
小，常常不能满足实际需要，有待进一步的研究和开发。与传统的脉宽调制加热电路相比，基于 LABVIEW
的 PIDNN 控制算法具有较少的驱动时间，较大的驱动精度，而且工作稳定，可操作性强。这些优点使其
很适合在形状记忆合金驱动器控制系统中使用。但由于基于 LABVIEW 的 PIDNN 出现时间不长，而且编
程较为复杂，可靠性能测试手段又不多，因此人们对这种方法的认识还不够，在基础理论和实际应用方面
都需要进行系统的研究。
本文选择了基于形状记忆合金驱动器的驱动控制作为研究课题。首先对 Ni-Ti 合金进行静态实验研究，
获得 SMA 丝的主要特性参数，分析了 SMA 材料的应力、应变、温度之间的关系，以此为理论基础，设计
了形状记忆合金驱动器。并基于 LABVIEW 平台与形状记忆合金驱动器的集成进行了探索性的研究。具体
研究内容如下：
1. 研究了形状记忆合金基本概念和特性：即形状记忆效应，电阻特性等。采用 Liang-Rogers 本构模型，
系统分析了形状记忆合金的本构关系，详细阐述了形状记忆合金本构关系与其基本特性之间的关系；
采用热力学方法对其进行了基本性能参数测试，获得 SMA 的准静态实验特性参数值，为下一步工作
奠定基础。
2. 针对 SMA 的驱动特性，采用热处理方法制备了实验中需要使用的形状记忆合金丝；同时对驱动器动
力学仿真的基础理论进行探讨，通过理论分析并建立了相应的驱动器模型，设计了带有滚珠直线导轨
结构的差动式形状记忆合金驱动器，并加工完成了本文的直线驱动器。实验验证了所设计的 SMA 直
线驱动器的驱动性能是可行的。
3. 采用在上位机中搭建 LABVIEW 测试系统平台，并结合平台设计了形状记忆合金驱动器专用位移测试
系统：设计 PWM 模块外围的大电流驱动控制电路，并搭建电路板；通过 ProE 软件设计了与光电对管
传感器相结合的齿轮机械结构，有效的增大线位移的倍数，提高了采集数据的准确性，由数据采集卡
将采集到的点信号传至上位机中。
4. 采用基于 LABVIWE 的 PID 神经元网络控制算法，
并在 LABVIEW 中直接进行控制算法的设计和改进，
并与直接通过 C 语言编程得到的控制算法做了对比。结果表明基于 LABVIEW 的 PIDNN 控制算法收
敛速度快，在控制精度方面达到 0.05mm。这主要是由于比例元、积分元和微分元的存在，使 PIDNN
54
 
  

控制系统具有响应快、超调小、无静差的特点。

7.2 展望
本文主要从理论和实验的角度研究分析了形状记忆合金驱动特性，并结合所设计的基于 LABVIEW 平
台的 PID 神经元网络控制系统验证整体系统的驱动和控制效果。虽然目前我们在该课题中取得了一些实验
的研究成果，但是还有待于更深入的研究许多问题，未来可以通过以下方式进行：
1. SMA 的性能参数测试。SMA 驱动器的设计中性能参数起到非常重要的作用，但由于 SMA 的温度与
性能关系十分紧密，同时样品的可加工性差，导致无法准确进行参数测试。除引用必要的设备仪器外，
需要对测试方法进行相应的探索研究，为其坚实的基础在工程上的推广上得到应用。
2. SMA 回复力的精确计算。一般来说，SMA 因相变产生恢复现象，但相变过程是热力学中比较复杂的，
有很多影响因素，为此对 SMA 的机理及本构关系研究很重要，提出了许多的理论模型，也有巨大进
展的取得。因这些理论所需要的性能参数过多，在工程应用中，它们的测试还相对不易，影响广泛应
用其本构关系。另外本构方程的应用都有其相应的条件，有好有坏，到目前为止，还没有一种本构方
程能够在工程应用中的具有明显的优势或成为通用模型。
3. SMA 的固定安装方式和加工方式。根据 SMA 的性能的特殊性，很难进行机械加工，就没有能力满足
工程应用的需要，此外电阻热是通常对 SMA 驱动的加热方式，这就在固定时要求，既要绝热绝缘，
且 SMA 本身具有非常好的弹性，又要保证在工具装夹时的可靠，满足合金不被损伤的要求。这些因
素都直接限制了 SMA 的应用范围。
4. 怎样准确快速的实现对 SMA 驱动器的控制。因为存在热滞后在 SMA 回复过程中，为了使其响应速度
得到提高可通过过热的方法，响应速度越快就需要加热量越大。但在增加过热量的时候，又导致精确
控制无法在它身上实现，两者互相矛盾。目前，很多科研院所对这方面进行研究。
5. 本测控系统的驱动器结构方面，每次使用的 SMA 丝由于加工的环境不同，以及在每次安装到驱动器
时，丝的松紧状态有区别的影响，在装载好后要进行相应的校正和调试，这个需要在后面的工作中改
善。

55
 
  

参考文献

[1] 陶宝淇. 智能材料结构. [M].北京：国防工业出版社, 2003,12.

[2] 杨大智,张连生,王凤庭.形状记忆合金[M].大连:大连理工大学出版社,1998:1-4.
[3]  Hung-Wen Chen, Huai-Ku Sun, Tien-Chih Liu. Autofrettage analysis of a fibre-reinforced composite tube
structure incorporated with a SMA[J]. Composite Structures, Volume 89, Issue 4, August 2009, Pages
497-508
[4] K. Yang, C.L. Gu. Modelling, simulation and experiments of novel planar bending embedded SMA
actuators[J]. Mechatronics, Volume 18, Issue 7, September 2008, Pages 323-329
[5]  薛嗣创，王戊，吴殿震，翟启杰，郑红星.形状记忆合金的研究进展[J].材料导报.2011.11:478-481
[6] 蔡闻峰，薛小平. 先进复合材料结构飞机机械连接技术现状及发展方向[J]. 航空精密制造技术，
2010（2）：I0022~I0024.
[7] Asua E, Etxebarria V, García-Arribas A. Neural net-work-based micropositioning control of smart shape
memory alloy actuators [J]. Engineering Applications of Artificial Intelligence, 2008, 21(5): 796-804.
[8] 王宏,姚熊亮,一种基于 SMA 的摆动式驱动器驱动原理及实验[J].哈尔滨工程大学,2006 年第 25 卷第
10 期.
[9] 于会涛,基于 SMA 驱动的刚/柔耦合的轮式微型机器人[D].上海交通大学博士学位论文,2006.
[10] 徐祖耀.形状记忆材料[M].上海:上海交通大学出版社,2000.
[11] 李宏男,李忠献,祁凯等.结构振动与控制[M].北京:中国建筑工业出版社,2005.
[12] Beauchamps C H, Nadolink R H, Dickinson S C, et al. Shape memory alloy adjustable chamber (SMAAC)
control surfaces[C]. First European Conference on Smart Structures and Materials, Glasgow, Scotland, 1992. 
[13] Sofla A Y N, Elzey D M, Wadley H N G. Cyclic degra-dation of antagonistic shape memory actuated
struc-tures [J]. Smart Materials and Structures, 2008, 17(2): 025014.
[14] Sofla A Y N, Elzey D M, Wadley H N G. Two-way antagonistic shape actuation based on the one-way shape
memory effect [J]. Journal of Intelligent Material Systems and Structures, 2008, 19(9): 1017-1027.
[15] Suzuki, Kenji. A multiple SMA hybrid actuator to generate expressions on the face[J]. Proceedings - IEEE
International Conference on Robotics and Automation, p 2203-2208, 2010
[16] 吕强, 叶正寅, 李栋. 充气结构机翼的设计和试验研究[J].飞行力学, 2007, 25（4）
：77~80.
[17] 杨智春, 解江. 柔性后缘自适应机翼的概念设计[J].航空学报, 2009, 30(6)：1028~1034.
[18] 黄杰，葛文杰. 自适应机翼的发展现状及其关键技术研究[J].航空兵器.2010(2):8-13
[19] 杨智春, 李思政等. 一种柔性微型扑翼设计及其气动力特性的试验研究. 机械科学与技术，2006,
25(1)：12~14.
[20] 叶宁, 王军, 郦正能等. SMA 丝复合材料层板大变形分析计算. 复合材料学报, 2001, 18(2)：114~117.
56
 
  

[21] 杨媛, 徐志伟. 基于 SMA 的飞行器变体机翼驱动结构研究[J]. 兵器材料科学与工程, 2010, 33(1):

25-30.
[22] 黎军, 秦燕华, 白涛等. 采用智能材料的变弯扭机翼实验研究[J]. 空气动力学学报, 2009, 27(5):
505-508.
[23] 刘烜, 朱荣等. 用于微型飞行器的可变机翼设计及其特性[J].清华大学学报（自然科学版）, 2008, 48(5)：
789~791.
[24] Gorbet R B. Influence of Initial state on position regu-lation of hysteretic actuators [J]. Journal of Intelligent
Material Systems and Structures, 2008, 19(12):1399-1410.
[25] Song G, Ma N. Robust control of a shape memory alloy wire actuated flap [J]. Smart Material and Structure,
2007, 16(6): 51-57.
[26] Da Silva E P. Beam shape feedback control by means of a shape memory actuator [J]. Materials and Design,
2007, 28(5): 1592-1596.
[27] Dominik, Ireneusz. Advanced controlling of the prototype of SMA linear actuator[J]. Diffusion and Defect
Data Pt.B: Solid State Phenomena, July 27, 2011:93-101
[28] Yang S M, Roh J H, Han J H, et al. Experimental studies on active shape control of composite structures
using SMA actuators [J]. Journal of Intelligent Material Sys-tems and Structures, 2006, 17(8-9): 767-777.
[29] Elahinia, Mohammad H.Stiffness control of a SMA actuator[J]. Proceedings of the ASME Conference on
Smart Materials, Adaptive Structures and Intelligent Systems 2009, p 589-594, 2009
[30] 刘畅, 阎石, 王伟. 形状记忆合金位置控制系统数值分析与研究[J]. 华中科技大学学报（城市科学版）,
2008, 25 (4): 305~308.
[31] 任秉银, 陈本清. 偏动式形状记忆合金驱动器系统建模与仿真[J]. 哈尔滨工业大学学报, 2009, 41(1):
58~61.
[32] C. Megnin, J. Barth, M. Kohl. A bistable SMA microvalve for 3/2-way control[J]. Sensors and Actuators A:
Physical, Volume 188, December 2012, Pages 285-291
[33] 李爱华,内嵌式 SMA 电机驱动控制系统研究[J].华中科技大学硕士学位论文,2005.
[34] 莫露,万发荣,龙 毅,黄绍松, 高进,陈东 升.低温形 状记忆 合金 的相变 温度 变化 [J].有 色金属 工
程.2012.1:58-62
[35] 王平团, 基于 SMA 的多关节摆动式驱动器的研究, [D], 哈尔滨: 哈尔滨工程大学, 2007.
[36] Qianping Ran, Min Qiao, Jiaping Liu, Changwen Miao. SMA-g-MPEG comb-like polymer as a dispersant
for Al2O3 suspensions[J]. Applied Surface Science, Volume 258, Issue 7, 15 January 2012, Pages 2447-2453
[37] 何勇,张红钢,刘雪峰,谢建新. NiTi 合金高温变形本构关系的神经网络模型[J]. 稀有金属材料与工
程. 2008(01)
[38] Yoshinori Taka, Yoshihisa Kagawa, Osamu Fujiwara. Transfer impedance and effectiveness of SMA
receptacle for wideband measurement of discharge current due to human ESD[J]. Journal of Electrostatics,

57
 
  

Volume 68, Issue 2, April 2010, Pages 107-110

[39] 曾攀,杜泓飞. NiTi 形状记忆合金的本构关系及有限元模拟研究进展[J].锻压技术.2011(1):1-6
[40] Yulong Wang, Limin Zhou, Zhenqing Wang, Haitao Huang, Lin Ye，Analysis of internal stresses induced by
strain recovery in a single SMA fiber–matrix composite[J]. Engineering, Volume 42, Issue 5, July 2011,
Pages 1135-1143
[41] Chetan S. Jarali, S. Raja, A.R. Upadhya. Micro-mechanical behaviors of SMA composite materials under
hygro-thermo-elastic strain fields[J]. International Journal of Solids and Structures, Volume 45, Issue 9, 1
May 2008, Pages 2399-2419
[42] O.J. Arthurs, U. Mehta, P.A.K. Set. Nutcracker and SMA syndromes: What is the normal SMA angle in
children[J]. European Journal of Radiology, Volume 81, Issue 8, August 2012, Pages e854-e861
[43] 胡自力，熊克，王鑫伟. Ti-Ni 形状记忆合金的性能测试与表征. [J]. 材料工程，2003,8 期：28~32.
[44] 金江等. Ni-Ti 记忆合金的性能测试. [J].南通工学院学报：自然科学版 ，2002 年 1 期.
[45] 甄睿. 形状记忆合金相变温度的常用测量方法. 南京工程学院学报：自然科学版, 2006 年 1 期 .
[46] 谢致薇，白晓军，王国庆等. Ti-Ni 形状记忆合金加热相变过程的 DSC 研究[J]. 金属热处理，2005，
30（10）：46.
[47] 罗洪艳等. 形状记忆合金相变温度常用测量方法的比较研究. [J] 材料导报: 2009 年 18 期.
[48] 王晓宏,张博明,杜善义,于东. 不同初始组织结构的形状记忆合金性能及参数的研究. [J] 材料开发
与应用,2009 年 1 期.
[49] 石博强，赵德永，李畅等. LabVIEW6.1编程技术实用教程[M]. 北京：中国铁道出版社，2002：1-15.
[50] 舒怀林.PID 神经元网络及其控制系统[M].北京：国防工业出版社,2006.
[51] 蒋宗礼.人工神经网络导论[M].北京：高等教育出版社,2001.8.
[52] 任文杰; 李宏男; 王利强. 基于神经网络的超弹性形状记忆合金循环本构模型[J]. 稀有金属材料与
工程.2012(9)
[53] 徐昕,李涛,伯小晨,MATLAB 工具箱应用指南—控制工程篇[M].北京:电子工业出版社,2000.
[54] 张德丰.MATLAB 神经网络应用设计[M].北京:机械工业出版社,2009.1.
[55] 闻新,周露,王丹力等.MATLAB 神经网络应用设计[M].北京:科学出版社,2008.1.

58
 
  

致 谢

时间飞快，转眼间即将结束我的研究生生活，在回忆过去的点滴的同时，最想表达的还是我的感激之
情。在这学习的几年时间里，受到众多老师和同学的关心与帮助，是我求学生涯中又一段美好的时光！
在本论文完成之际，首先对我的导师沈星教授的热情关怀、帮助和指导表示衷心的感谢！导师一丝不
苟、认真负责的治学态度和雷厉风行、忘我投入的工作的精神使我颇受教益。他不仅传授给我知识，教会
了我从事科学研究工作的方法，培养我分析和解决问题的能力，更重要的是教导了我为人处事的方法等等，
这些都将使我终生受益。
感谢机械结构力学及控制国家重点实验室的全体老师，这几年来对我的关怀和指导。他们严谨治学的
作风、实事求是的科学态度以及关心爱护帮助学生的高尚品质使我受益匪浅。
感谢智能所所有的同门们，在我这几年的学习和生活期间，他们都给予我很多的帮助和支持，同欢乐，
共学习，特别是：邱子辉、朱文艳、于建明、朱楚为、牛静、孙子文、冷坤、涂凡凡、陈晶晶、雷文彬等。
最后，我要感谢我的父母。感谢他们对我默默无私的付出和支持！

王鹏军
2012 年 12 月 16 日

59
 
  

在硕士期间发表的学术论文

[1] 王鹏军, 沈星, 涂凡凡. 人工神经网络在形状记忆合金驱动技术中的应用研究.江苏航空，2012，130 期：

96-99.
[2] 于建明, 沈星, 王鹏军. 基于 DSP 的 SMA 直线驱动器控制系统的研究. 江苏航空, 2011, 125 期:
139-142.

60