基于多分支BP神经网络的气动肌肉迟滞建模方法

提出了一种基于多分支BP神经网络建立气动肌肉位移/气压迟滞模型的新方法.首先,搭建气动肌肉位移/气压迟滞特性测试系统,得到气动肌肉位移/气压迟滞曲线;然后分别采用传统BP神经网络、多分支BP神经网络和Prandtl-Ishlinskii模型对气动肌肉的位移/气压迟滞开展建模研究;最后通过比较分析发现,采用多分支BP神经...     

压电驱动器的非对称迟滞模型

为了补偿压电驱动器的非对称迟滞,提出了改进型Maxwell迟滞模型.Goldfarb提出的经典Maxwell迟滞模型由多个基础单元并联叠加而成,其基础单元为单个弹簧-物块单元,迟滞特性为平行四边形,故只能描述对称迟滞.为了能描述压电驱动器非对称迟滞,提出了基础单元迟滞特性为梯形的模型.为了简化算法程序,将梯形单元优化为两个三角形单元组合而成.为了验证该模型,以压电工作台为实验对象,运用该迟滞模型的逆模型进行迟滞补偿控制.单独的迟滞逆模型前馈开环控制实验结果表明,位移跟踪相对误差从7.37％降到了1.56％,输入输出基本呈线性关系.逆模型结合PID复合反馈闭环控制实验结果表明,位移跟踪相对误差进一步降低到0.53％,输入输出呈很好的线性关系.这表明本文所建立的迟滞模型能很好地描述压电驱动器非对称迟滞特性.     

基于BP神经网络的压电陶瓷蠕变预测

压电陶瓷驱动器的蠕变误差随时间呈现非线性变化,难以实时修正。提出基于BP神经网络的压电陶瓷蠕变预测方法,使用压电陶瓷驱动系统采集数据,对数据进行归一化处理,通过实验设计BP神经网络的隐含层数、隐含层节点数、节点转移函数和训练函数,构建BP神经网络预测模型,建立压电陶瓷蠕变与时间的关系。用BP神经网络模型对压电陶瓷蠕变进行了预测仿真,并将结果与实测数据进行了对比。结果表明,蠕变预测结果与实验数据的最大绝对误差均小于0.1 μm,最大蠕变误差均不超过0.6%,最大均方误差仅为0.0021,可见,BP预测模型具有较高的预测精度,可作为预测压电陶瓷蠕变误差的一种有效手段。     

基于迟滞观测器的压电工作台自适应控制

为提高压电陶瓷驱动的微定位工作台的精度和速度,设计了一种基于迟滞状态观测器的自适应控制系统.在分析压电陶瓷迟滞非线性特性和工作台结构的基础上,建立了压电工作台的动态迟滞模型.迟滞观测器用于估计由位移偏差、传递函数、迟滞变量和扰动而产生的不确定误差,对神经网络控制器的输出量进行补偿,使工作台的位移跟随参考值.基于李雅普诺夫稳定理论推导了迟滞观测器的自适应调节律.实验结果表明,采用带有迟滞观测器的自适应控制系统时,在30μm、1 Hz正弦信号作用下,工作台的平均定位误差从之前的0.39μm减小到了0.19μm,对迟滞特性的非对称拟合平均误差由0.42μm减小到0.22μm,在10μm阶跃输入时的平均定位误差从0.22μm减小到了0.13μm,稳定时间由0.19 s缩短为0.08 s,定位工作台的性能得到明显的改善,能够满足实验要求.     

基于迟滞非线性逆补偿的振动主动控制仿真研究

由于压电材料本身的特性,压电作动器对外加电场的响应通常表现为多值映射的迟滞特性。这种迟滞非线性会产生与输入信号相关的相位和谐波失真,一方面会造成系统振荡甚至失稳,另一方面会产生谐波,限制系统性能。本文通过仿射原理对迟滞非线性进行建模,并通过神经网络引入迟滞逆模型,以消除迟滞非线性的影响,在此基础上,结合自适应控制LMS方法对引入补偿的迟滞非线性系统的振动传递控制进行仿真研究。结果表明,具有补偿的迟滞非线性系统的控制误差比没有补偿的系统的控制误差明显减小,而且误差收敛速率也明显变大。     

基于电荷泵的压电致动器迟滞非线性改善研究北大核心CSCD

压电致动器在精密定位、微纳米测量等领域得到了广泛的应用,然而迟滞和非线性现象严重影响了其定位精度和性能。虽然电荷驱动的方法可以降低大部分迟滞,但仍存在较为明显的残余迟滞,尤其是电压工作范围较大时,压电致动器的迟滞呈现增大的趋势。基于残余迟滞的分析和计算,提出了一种用于电荷泵驱动的残余迟滞改进方法,研究了校正参数的推导方法,改善了经典电荷泵驱动的迟滞非线性。通过实验发现,在驱动电压范围为0~100 V、驱动频率为0.1~2 Hz时,相比经典电荷泵驱动的2.79%迟滞,改进后的电荷泵驱动方法可以将迟滞进一步降低至0.47%以下,比经典的电荷泵驱动方法降低了83%左右。所提方法在精密测量等领域具有较好的应用价值。     

基于自抗扰的快速刀具伺服系统复合控制

快速刀具伺服(fast tool servo, FTS)系统是实现微机械零件加工的关键部件。以压电陶瓷型FTS系统为研究对象,将迟滞状态时滞模型、时变时滞模型以及未建模动态非线性模型引入到FTS系统模型设计中以描述颤振现象,并基于神经网络控制提出具有迟滞时滞补偿功能的复合自抗扰控制方案,以实现FTS系统的颤振控制。其中,线性自抗扰控制将内部不确定性及迟滞时滞非线性和其他干扰视为总扰动并实时估计补偿,自适应BP(back propagation)神经网络用来对扰动估计误差进行逼近。与传统模型求逆方法相比,复合控制方案无需精确的数学模型易于初始设计。与线性自抗扰相比,复合控制方案减少了需要整定的参数数目,在相同带宽下具有更高的跟踪精度。仿真结果表明,所设计的复合控制具有更好的鲁棒性,能够实现压电陶瓷型FTS系统的快速精密跟踪控制。     

基于BP神经网络的压电智能结构振动系统辨识

针对神经网络在压电智能结构振动控制中的关键问题之一——系统模型的神经网络辨识,用引入时延的多层前馈BP神经网络串一并联型结构对表面粘贴压电片的柔性悬臂梁进行非线性动态系统模型辨识。考虑压电片对梁的质量和刚度矩阵的影响和实验提取数据的繁琐问题,用有限元分析软件ANSYS对智能梁进行模态和瞬态响应分析,利用获取的系统动力响应时间序列对神经网络进行离线训练,通过MATLAB神经网络工具箱对算例进行仿真显示。     

基于PI迟滞模型的压电驱动器自适应辨识与逆控制

压电陶瓷驱动器的迟滞非线性特性严重影响了其跟踪定位精度,甚至引起闭环系统失稳.本文采用经典PI模型描述压电驱动器的迟滞非线性,利用自适应投影算法对PI模型的权向量进行在线辨识,并与传统的最小二乘辨识方法进行比较.迟滞PI模型的优点是模型存在解析逆,因此本文对压电驱动器采用自适应逆跟踪控制,利用驱动器的输出位移与参考位移之差使用自适应投影算法在线辨识PI模型的权向量,并计算PI逆模型的权向量和阈值,最终得到要输入的电压值.最后实验结果表明自适应逆跟踪控制比传统的逆模型跟踪控制精度提高了49.8%.     

压电陶瓷振动传感器的迟滞非线性误差补偿研究

针对振动测试中压电陶瓷传感器的迟滞非线性会影响检测精度的问题,分析了压电陶瓷的微观极化机理,解释了压电陶瓷传感器产生迟滞非线性的原因。为了有效补偿压电陶瓷的迟滞非线性,提高检测精度,提出了一种可以反映压电陶瓷传感器非对称迟滞特性的改进Bouc-Wen模型,研究并给出了模型参数对迟滞曲线的大小、形状及平稳性影响关系和逆模型的求取方法。利用改进Bouc-Wen逆模型作为补偿器来补偿压电陶瓷传感器的迟滞非线性,实验验证结果表明:采用逆补偿后,校正位移总是能够很好跟踪传感器的实际输入位移,有效保证了检测精度。     

神经网络在快速反射镜控制系统中的应用仿真

根据快速反射系统设计了模糊控制器，介绍了用神经网络实现模糊推量的方法，然后给出该网络模型用于快速反射镜跟踪控制系统的仿真结果。最合给出本文的结论。     

电流型有源电力滤波器的神经网络滞环控制

神经网络滞环控制就是将神经网络和滞环比较器这两种方法相结合的一种控制方法。滞环控制是控 制方法中较为简单的一种,它不需要系统太多的参数,实时性较好,但用滞环控制方法时系统开关频率不固定, 这不仅影响电子开关的使用寿命,而且降低了系统的稳定性。将二者结合的控制方法不仅可实现神经网络对快 速变量的控制,而且可以提高滞环控制的性能。通过训练神经网络能够完成滞环比较器的功能,并可取代滞环 比较器。给出了计算机仿真结果,神经网络通过DSP实现。     

动态定量称量包装系统BP神经网络PID控制算法

目的针对动态定量称量包装控制系统具有大惯性、滞后、非线性且无法建立精确数学模型等缺点,研究提高动态定量称量包装系统控制精度的方法。方法提出了一种改进型BP神经网络PID的定量称量包装控制系统,将BP神经网络与PID控制方法相结合,通过神经网络的自学习、加权系数的调整,优化PID控制器参数K_i,K_p,K_d,并将粒子群算法引入到神经网络中作为其学习算法,以有效提高BP神经网络算法的收敛速度。结果仿真和实验结果表明,改进型BP神经网络PID控制响应速度快、超调量较小,系统称量误差得到大幅度减小。结论所述控制方法可以明显提高定量称量控制过程的稳定性、精确性以及鲁棒性。     

高频响应下音圈电机复杂迟滞特性建模与验证

为了实现音圈电机(Voice Coil Motor,VCM)在高频、高速、高加速情况下的精确定位控制,针对引起音圈电机产生振动、系统不稳定等问题的特殊复杂迟滞特性,建立了其复杂迟滞模型。改进了C-S迟滞模型,提出了C-S神经网络混合动态复杂迟滞模型;用音圈电机的两组实测数据验证了模型的有效性。实验结果为：音圈电机工作在低频、低速、低加速时(10Hz)表现出一般的迟滞特性,这时建模的最大误差为4.8μm,是最大输出值的0.48%,表明该方法能够有效的补偿音圈电机一般的迟滞特性;音圈电机工作在高频、高速、高加速时(40Hz)表现出特殊的复杂迟滞特性,其建模的最大误差为6μm,是最大输出值的0.97%。说明该方法能够满足复杂迟滞特性建模的要求。     

压电式二维微定位平台的率相关迟滞建模

为了描述压电式多维微定位平台的率相关迟滞非线性特性,提出了一种基于Hammerstein模型的建模方法。以一种二维微定位平台为对象,平台动态模型是由静态迟滞非线性部分和一个线性动态系统部分串联组成。静态非线性部分由改进的Prandtl-Ishlinskii模型描述,线性动态系统部分由外因输入自回归模型(ARX)模型描述,并给出了模型参数辨识方法。为了验证所建立的Hammerstein模型有效性,搭建了实验平台进行实验验证。实验结果表明,对平台施加不同频率电压信号,由Hammerstein模型得到的预测位移和实测位移相对误差范围为1%~5%,预测位移与实测位移接近,说明所建立的模型能精确描述微定位平台的率相关迟滞特性。     

压电智能悬臂梁神经网络预测控制

对表面粘贴压电元件的压电智能悬臂梁进行有限元建模和分析,获取了结构的动力响应数据。根据神经网络的非线性逼近能力,用动态递归神经网络对压电振动系统进行了系统辨识,建立了系统的预测模型。以此预测模型来代替传统广义预测控制算法中的受控自回归积分滑动平均模型,对压电智能悬臂梁进行振动主动控制的研究,并优化了控制系统参数。对一单输入单输出压电智能悬臂梁系统进行了仿真分析,控制效果良好,为智能算法在智能结构中应用有一定的指导意义。     

基于系统相似方法的叠堆型压电驱动器非线性动力学建模及实验研究

根据机械系统与电气系统的相似方法,将叠堆型压电驱动器的非线性电-机械耦合模型完全转换到电气域内,建立了其非线性相似电路模型;给出了非线性相似电路模型中迟滞因子的辨识方法,并对某款商用叠堆型压电驱动器进行了迟滞因子的辨识试验;基于非线性相似电路模型和迟滞因子的辨识结果,对该款叠堆型压电驱动器的非线性特性进行了仿真分析,得到了其非线性位移迟滞回线;仿真结果与试验结果吻合,证明了该建模过程与辨识方法的正确性。该建模方法在电气域内对叠堆型压电驱动器电-机械耦合特性及非线性迟滞特性进行描述,建模过程物理意义清晰且简单实用,对于研究压电驱动器的动态特性及控制算法具有实际意义。