基于LSTM神经网络的压电执行器位移迟滞建模

该文搭建迟滞测量实验平台,测量一种用于LED晶圆检测压电执行器的迟滞效应,设计了一种基于长短期记忆(LSTM)神经网络的压电迟滞模型,使用时间序列预测法对压电执行器位移迟滞效应建模。将该模型与传统的Prandtl-Ishlinskii(PI)模型进行对比。实验结果表明,神经网络模型具有较好、较广泛的迟滞建模效果,对于正弦波,位移预测精度保证小于2%;对于衰减正弦波,位移预测精度可保证小于3%。较高的模型预测精度为使用压电执行器进行LED晶圆检测提供了依据。     

基于改进RBF神经网络的电力负荷预测

为了提高电力系统负荷预测的精度与速度的需求,提出使用交替梯度算法改进径向基函数(RBF)神经网络,对天津市电网进行负荷预测。改进的算法与传统梯度下降算法相比,具有更快的收敛速度和更高的预测精度。仿真结果表明该算法具有可行性。     

压电叠堆执行器迟滞建模与前馈补偿研究

针对压电叠堆执行器输入电压与输出位移的动态迟滞特性,结合非对称静态Bouc-Wen迟滞模型,建立了压电叠堆执行器动态迟滞模型,并采用粒子群算法辨识出6个模型参数。为提高压电叠堆执行器动态位移输出精度,进一步推导出压电叠堆执行器迟滞逆模型,最终在此基础上对压电叠堆执行器进行前馈补偿研究。仿真与实验结果对比表明,在0~120V峰值电压与0~500Hz激励频率内,所建立的动态迟滞模型能够较好地描述与预测压电叠堆执行器的动态输出位移。前馈补偿实验研究结果表明,利用所建的迟滞逆模型补偿后,压电叠堆执行器的滞环减小,输出位移非线性度下降约3%。     

RBF神经网络在视频业务建模及预测中的应用

ＡＴＭ技术在关键在于业务控制,能否有效地实施业务控制则取决于对业务特征的了解和预测能力。传统的解析方法对视频业务进行预测的局限性较为明显。本文采用径向基函数神经网络对视频业务进行建模和预测,并提出了分别采用ＬＢＧ算法和Ｈｅｓｔｅｎｅｓ奇异值解进行隐含层神经元中心选择和输出神经腱权值计算的改进方法。     

压电叠堆执行器迟滞非线性建模与分析

压电叠堆执行器输出位移具有迟滞非线性特性,在高精度控制和电静液作动器等应用领域,为实现进一步研究和控制,需要针对该特性进行建模。该文首先针对压电叠堆执行器的静态特性,采用改进的非对称BoucWen模型建立压电叠堆执行器的准静态模型;其次,为描述其动态位移输出特性,将执行器输出力分为线性模块和滞后模块,根据系统动力学方程建立压电叠堆执行器迟滞非线性动态模型,进行参数辨识、模型仿真与实验研究。结果表明,在400Hz频率范围内,所建立的模型能够准确描述与预测压电叠堆执行器输出位移的迟滞非线性。     

压电执行器非线性控制方法研究进展

压电执行器在微驱动和微定位领域应用广泛,但压电执行器在输入电压和输出位移间存在着迟滞非线性。非线性的存在使压电执行器定位精度降低,动态响应速度变慢,是其工程上进一步应用的主要障碍。减小和消除迟滞非线性成为实现高精度控制的关键。总结了近年来国内外在减小和消除压电执行器迟滞非线性方面上的研究工作,并指出当今研究的热点及未来研究的方向。     

最小二乘算法在RBF神经网络中的应用

RBF神经网络构造的关键问题是网络中心的选取，最小二乘算法采用正交化方法，独立计算回归算子对输出的贡献，可以使中心的选择步骤简单有效。文章给出了最小二乘算法及其应用函数逼近的实例，结果证明，由于计算过程中应用了这一算法的正交化性质，所以网络调整时对已有模式的扰动达到最小。这说明最小二乘算法不仅简单有效，而且性能优越，并有较强的实用性，在许多领域有广泛应用。     

迟滞非线性系统的神经网络建模

提出了一种利用神经网络对迟滞非线性系统的建模方法。网络分三层结构,隐层神经元的激励函数采用两个移位的Sigmoid函数组成的迟滞环构成,根据非线性系统的特点,给出了网络结构的确定方法。网络的学习算法采用传统的梯度下降学习算法。利用该网络对压电陶瓷迟滞特性进行了建模实验,实验结果证明了该方法的有效性。     

压电驱动器的率相关迟滞特性建模与测试

该文提出了一种与速率相关的Prandtl-Ishlinskii(P-I)模型来表征压电驱动器的速率相关迟滞非线性。该模型基于双边Play算子的经典P-I模型,引入多项式修正其中心对称性。在此基础上将驱动电压升降速率引入模型参数中,用以描述其率相关性。测试压电驱动器的率相关迟滞特性,采用最小二乘算法对模型参数进行辨识。结果表明,在速率为0.12～6 V/ms内最大误差为0.076～0.190μm,均方根误差为0.044～0.077μm,相对误差为1.2%～3.2%,验证了所建模型的准确性。     

RBF神经网络在表面粗糙度光纤传感器中的应用

本文提出了以径向基函数（RBF）神经网络处理表面粗糙度光纤传感器输出信号的方法,将传感器的输出信号及作为光源的激光强信号同时加在RBF神经网络的输入端,利用RBF神经网络能够以任意精度逼近非线函数地能力的优点,同时实现对传感器的非线性补偿及减轻激光器输出光强变化带来的影响,采用这种方法的表面粗糙度光纤传感器,降低了对激光器输出功率稳定性的要求,具有测量范围大,精度高的特点。     

压电驱动器迟滞特性的Preisach模型研究

压电驱动器的迟滞特性是影响其位移输出精度的主要因素。该文采用改进的Preisach模型对压电驱动器的迟滞特性进行建模，并进行了相应的实验研究。实验结果表明该模型可以很好地预测压电驱动器在经过一定的控制电压序列以后的位移输出值．能够有效地降低迟滞特性对压电驱动器位移输出精度的影响。     

压电陶瓷微位移器件迟滞模型的研究

在通过统计物理学角度分析压电陶瓷迟滞规律的基础上，结合数学建模方法，提出了一种简单实用的压电陶瓷迟滞数学模型。并设计了压电陶瓷实验控制系统，对迟滞数学模型进行了验证，实验结果表明，此模型可以有效减小压电陶瓷的迟滞非线性误差，提高压电陶瓷微位移的控制精度，本研究有助于实现基于压电陶瓷的高精度开环微位移控制。     

基于H-like模型的压电陶瓷作动器内模控制

针对压电陶瓷作动器的率相关特性降低应用端控制精度的问题,该文研究了基于Hammerstein-like模型的内模控制策略。其中非线性部分由最小二乘支持向量机模型表示,动态线性部分由自回归历遍模型表示。在此基础上构建了系统逆模型,设计了内模控制器以实现对压电陶瓷作动器的跟踪控制,最后通过实验平台进行了验证。实验结果表明,实时跟踪100 Hz内的期望信号相对误差均小于10%,证明了所设计内模控制方案的有效性。     

基于区间二型T S模糊系统的压电迟滞特性建模

为了辨识压电驱动器中固有的迟滞特性,提出了一种基于区间二型Takagi Sugeno(T S)模糊系统的建模方案。首先,引用垂直距离公式替换传统的误差计算公式,使聚类算法与所辨识的超平面结果直接相关联,并提出了改进的区间二型模糊C回归模型(FCRM)聚类算法用于模糊空间的划分,提高了区间划分精度。其次,针对超球型高斯隶属度函数与超平面型聚类算法结构不匹配的问题,引入了与超平面相匹配的超平面隶属度函数完成模糊前件参数的辨识,并利用最小二乘法完成模糊后件参数的辨识。最后,利用上述方案完成了压电驱动器迟滞特性的建模。实验结果证明该方案是有效的。     

双压电叠堆驱动执行器率相关迟滞建模与分析

提出一种双压电叠堆驱动执行器设计方案,即执行器由2根不同尺寸的压电叠堆驱动,中间由套筒连接。为描述执行器在不同频率下的迟滞特性,利用准静态下的非对称Maxwell模型、系统动力学方程及一阶惯性环节等建立数学模型,并进行参数辨识、模型仿真与实验研究。仿真与实验结果表明,在140 V、600 Hz激励电压信号同时驱动2个长度不超过20 mm压电叠堆时,输出位移可达37.1μm,相较于140 V、1 Hz时的位移仅衰减7.1%,与其他执行器位移放大机构相比,具有较好的高频性能。所建立的执行器率相关迟滞模型在600 Hz内幅值最大误差不超过1.71μm,均方根误差最大为1.34μm,可较准确地描述执行器位移输出特性,为执行器高精度控制提供了基础。     

基于压电陶瓷神经网络模型的模型抑振研究

为达到在脉动气流激励下抑制风洞模型振动的目的,该文提出了基于压电陶瓷作动器神经网络模型的风洞模型主动振动控制方法,并进行了实验研究。首先,分析了风洞模型系统振动特性,建立了内嵌式压电陶瓷作动器的主动振动控制系统,通过模型质心加速度推算出压电陶瓷作动器期望输出抑振力。然后,建立了压电陶瓷作动器期望输出抑振力 激励电压的神经网络模型,并根据该模型设计了一种实时解算加速度为激励电压的控制方法。最后,通过地面试验对控制方法的有效性进行验证。实验结果表明,该控制方法具有良好的实时性和鲁棒性,在锤击试验中,振动加速度衰减时间相比于压电方程线性控制时减小了54.46%,系统阻尼比增大了1.58倍,取得了良好的控制效果。     

压电驱动器迟滞特性的类Hammerstein模型

压电驱动器中迟滞特性会影响微操作系统的定位精度。为了消除迟滞对系统的不良影响,该文提出了类Hammerstein模型来描述压电驱动器的迟滞特性。首先,提出了改进迟滞算子(MDHO),在算子中增加偏置、死区宽度、斜率调整滞环的高度和宽度,体现迟滞的非对称性和速率相关性;然后,利用改进迟滞算子加权叠加表示静态非线性部分,迟滞算子的参数和权重可以在线调整来适应外界条件的变化,利用输入自回归模型表示动态线性部分,建立了可以描述压电驱动器速率相关迟滞特性的类Hammerstein模型;最后,依次通过最小二乘法、矩阵扩围、矩阵奇异值分解对模型中的参数进行辨识,并证明了所辨识的参数是无偏估计。研究结果表明所提出的建模方法是有效的。