神经网络分数阶PI~μD~λ在压电叠堆控制中的应用

为了克服压电叠堆的迟滞特性,实现压电叠堆的精确控制,建立了压电叠堆控制系统,研究了该系统所用到的神经网络、分数阶微积分等算法。首先,搭建了采集压电叠堆位移数据的硬件系统,并对含有噪声的位移数据进行了滤波处理;利用径向基函数(RBF)神经网络对压电叠堆建模,得到了模型参数。然后,利用RBF神经网络建模得到的Jacobain信息来整定分数阶PI~μD~λ控制器中的参数对压电叠堆进行控制。最后,与RBF整数阶PID对压电叠堆的控制效果进行了对比。结果显示:RBF建模误差仅为位移实测数据的0.22%,RBF神经网络分数阶PIμDλ控制系统输出稳定,很好地跟随了给定。得到的结果表明RBF神经网络分数阶PI~μD~λ控制器控制性能良好,在压电叠堆的控制中比RBF整数阶PID控制器表现得更加稳定、精确。     

互质圆形阵列DOA估计方法

针对传统均匀圆形阵列孔径受限的问题,设计了一种互质圆形阵列,并在此基础上,研究了一种基于相位模式激励的二维波达方向估计方法.首先利用两个均匀圆形子阵列进行堆叠形成互质圆形阵列结构.然后,基于相位模式变换算法将元素空间问题转化到波束空间,将互质圆形阵列合成类似于ULA的范德蒙结构且中心埃尔米特对称的阵列流型,减小谱峰搜索...