基于CMAC神经网络的超磁致伸缩非线性控制

对于超磁致伸缩材料固有的迟滞非线性特性,本文提出一种基于小脑模型神经网络(CMAC)前馈逆补偿与PID相结合的复合控制方法。首先利用CMAC神经网络学习获得超磁致伸缩致动器(GMA)的迟滞逆模型进行补偿,再利用CMAC模型在线快速学习适应的能力,结合PID控制器降低跟踪控制时的误差和扰动,从而实现GMA的精密控制。通过MATLAB建立了CMAC前馈逆补偿控制器和CMAC-PID复合控制模型,最后通过仿真实验验证所提方法的有效性。结果表明,提出的利用CMAC神经网络逼近的迟滞模型具有令人满意的精度,在CMAC-PID复合控制方案的作用下,系统的期望位移与实际位移相对误差值最大值仅2.39%,平均相对误差值不到0.5%。说明该控制策略能适应控制对象的非线性变化,有效地提高GMA的跟踪精度。     

超磁致伸缩材料驱动器实验研究

介绍采用国产超磁致伸缩材料研制的新型驱动器的结构、工作原理、理论分析及静、动态特性实验结果。实验表明,该驱动器具有较大的静态位移、力输出和满意的动态特性,频宽可达１５００Ｈｚ。     

超磁致伸缩致动器的磁滞非线性动态模型

超磁致伸缩致动器的输入磁场与输出应变存在着磁滞非线性。为了控制及使用致动器，必须建立其准确的数学模型。该文基于Jiles—Atherton磁滞模型、二次畴转模型、非线性压磁方程和致动器结构动力学原理，建立了超磁致伸缩致动器的磁滞非线性动态模型。应用该模型对致动器的输出应变进行计算，计算结果与实验结果符合较好，验证了模型的正确性和实用性。     

超磁致伸缩致动器功率驱动器设计

针对超磁致伸缩致动器现有功率驱动器存在损耗大、发热大、效率低、功率小等不足,为满足超精密场合以及宽范围调整的要求,分析基于PWM逆变器设计的超磁致伸缩致动器功率驱动器的特性,提出采用模块化分层设计建模原理对各单元分别设计并建立模型的方案,在此基础上将各单元串联,设计超磁致伸缩致动器功率驱动器并建立其模型。通过仿真分析及实验,验证该驱动器设计方案的正确性,以及模型分析对超磁致伸缩致动器控制系统设计的指导作用。     

隔振与能量收集双功能超磁致伸缩驱动器性能仿真分析

基于超磁致伸缩材料具有抗压能力强、机电耦合系数高、响应速度快等优点,将超磁致伸缩驱动器简化为弹簧-阻尼-质量系统并应用于隔振系统中,通过理论计算推导出力传递系数,仿真发现该系统在外激励频率高于141 Hz时具有隔振作用.在此隔振系统的基础上,通过法拉第电磁感应定律研究系统的振动能量回收问题,结果表明,外激励力的大小与频...     

超磁致伸缩致动器输出位移仿真分析

基于超磁致伸缩材料设计致动器,仿真分析了线圈匝数、质量等参数对致动器动态输出位移的影响。建立了致动器位移的单自由度线性系统模型,并求解了系统传递函数;利用MATLAB软件的step函数得到了各参量变化时系统的单位阶跃响应,据此分析了各参量对系统上升时间、稳态值等性能参数的影响。结果表明:增大线圈匝数和减小负载刚度有利于增大系统的稳态响应,减小质量和增大超磁致伸缩棒刚度有利于缩短系统响应时间,适度增大系统阻尼有利于减小系统超调量。研究结果对超磁致伸缩材料致动器的设计具有一定指导意义。     

超磁致伸缩微驱动器输出特性曲线的多项式拟合

为了研究超磁致伸缩致动器的输出特性,采用自制的超磁致伸缩微驱动刀架进行其输出特性实验研究。通过作用在GMM棒上的不同预压应力,改变恒定电流值,研究微位移输出与电流及预压弹簧预压量之间的关系,然后采用最小二乘法分析出微进给刀架最佳工作预压弹簧预压量,在最佳预压弹簧预压量下,分析不同电流加载卸载与微位移输出的关系回线的重合度,确定出基于GMM微进给刀架最佳工作参数。研究结果表明,超磁致伸缩微驱动器在最佳工作电流值和预应力作用下,其工作时加卸载的磁滞回线重合度最好,该研究结果为后续开发相应的微细加工装备及微进给刀架的应用研究提供了理论与实验基础,具有重要的实践意义。     

超磁致伸缩材料及其在电动机中的应用

超磁致伸缩材料（Giant Magnetostrictive Material简称GMM）是近年来发展起来的一种新型功能材料，在国内外得到广泛应用。将超磁致伸缩材料在电机中的应用技术已经比较成熟。简要介绍了超磁致伸缩材料以及在电机中的应用举例，还对研制一种新型电机-压电陶瓷-磁致伸缩电机进行了展望。     

磁场和应力作用下的超磁致伸缩换能器的动态模型

在Jiles-Atherton模型、电磁学原理和结构动力学原理的基础上,考虑动态应力和驱动磁场的变化,建立了磁致伸缩换能器的磁机械耦合动态模型。该模型既可以用在把电能转换成机械能的致动器中,也可以用在把机械能转换成电能的传感器中。在致动器工作模式下,计算结果和实验结果是一致的。在传感器工作模式下,论文分析了不同偏置条件(偏置磁场和预应力)时,应力变化对超磁致伸缩传感器感应电压的影响,并进行了相关的实验研究。结果表明,实验结果和计算结果趋势一致,数值符合较好,验证了模型的正确性和实用性。     

基于超磁致伸缩材料的谐波传动研究

利用超磁致伸缩材料的伸缩特性,并结合谐波传动原理设计出了一种新型的电磁传动装置.首先,通过分析其工作原理,初步设计出了该传动装置的基本结构及其基本组成部件超磁致伸缩驱动器,并对所设计的驱动器进行了分析实验,效果显著.然后根据所设计的由四相超磁致伸缩驱动器构成的超磁致伸缩波发生器,提出了相应的控制方案,简要叙述了该传动实现调速、换向、精确定位等各项功能的控制系统软件设计方案.为此新型传动装置的成功研制奠定基础.     

基于对角递归网络的时变系统解耦控制

提出一种基于DRNN在线辨识的PID解耦控制方案,给出了网络的结构和算法,并对真空炉时变耦合系统进行了仿真。仿真结果表明,DRNN神经网络对多变量强耦合时变对象具有良好的解耦性能和自学习控制特性。     

应用神经网络和重复控制的逆变器综合控制策略

针对脉宽调制(pulse width modulation,PWM)逆变电源控制系统,提出一种基于(diagonal recurrent neural network,DRNN)在线自整定PID控制和改进重复控制相结合的新型综合控制策略,给出PID参数在线自整定的控制算法和改进重复控制器的设计参数。利用改进重复控制改善系统的稳态性能,利用对角递归神经网络在线自整定PID控制提高系统的动态性能,既能克服常规控制逆变器波形跟踪性能差的不足,又能极大改善重复控制逆变器动态响应滞后的问题。实验结果表明,该综合控制策略能实现逆变器的快速动态响应和高精度稳态输出波形。     

基于递归模糊神经网络的PMLSM伺服控制

为了增强永磁直线同步电机（PMLSM）直接驱动系统的鲁棒性,改善系统受突加扰动情况下的性能,结合递归神经网络与模糊控制的优点,设计了基于递归模糊神经网络补偿器的PMLSM位置控制器。仿真结果表明,所设计的系统能实现对位置阶跃指令的快速无超调跟踪和稳态无静差,具有很强的鲁棒性,能够满足高精度、微进给永磁直线同步电机伺服驱动系统的要求。     

油压机械臂及手系统递归神经网络建模与位置控制

为解决多关节油压机械臂及手系统动态参数的时变性,应用递归神经网络(RNN)建立了油压机械臂及手的速度模型及逆模型,并用逆模型作为臂及手各关节的控制器实现了位置控制。实验结果表明,所建模型性能接近系统性能,位置控制精度也能达到控制目标的要求。     

采用BP网络实现电流变传动机构的建模

本文对变负荷的电流变圆盘传动装置的输入角度，控制电压，转矩和输出角度以及转矩进行检测，并采用BP神经网络对数据样本进行学习和训练，从而使网络记忆控制规则。在对多组实验数据进行学习和验证后，建立传动装置的模型。实验结果表明，能满足电流变圆盘传动装置控制的需要。     

基于神经网络的非线性预测控制

本文简单地介绍了基于神经网络预测控制的基本原理;并且根据神经网络所采用网络模型的不同对预测模型进行了分类以及按照求解最优控制作用方式的不同介绍了几种常用的优化算法。     

超磁致伸缩谐波电动机控制系统研究

介绍了一种新型电动机--超磁致伸缩谐波电动机,它是根据谐波传动和超磁致伸缩材料电磁效应原理设计的.根据所设计的由四相超磁致伸缩驱动器构成的超磁致伸缩波发生器,通过分析其工作原理,提出了相应的控制方案,并设计了可快速响应的超磁致伸缩驱动器的驱动原理图.简要叙述了使电机实现调速、换向、精确定位等各项功能的控制系统软件设计方案.     

优化动态递归小波神经网络短期负荷预测模型

提出了优化动态递归小波神经网络(dynamic recurrent wavelet neural network,DRWNN)短期负荷预测模型.与常规小波神经网络相比,DRWNN有两个关联层,关联层节点起存储网络内部状态的作用;模型构造过程中增强了网络的前馈与反馈联接,形成多层次的网络递归.采用分布估计算法和遗传算法相融合对DRWNN进行优化,融合实质是在解空间"宏观"和"微观"两个层面进行寻优,可克服DRWNN陷入局部最小,提高DRWNN的泛化能力.对两类不同负荷系统日、周预测仿真测试,验证了模型能有效提高预测精度.     

对角递归神经网络在控制系统中的应用现状分析

工业过程控制系统中的控制对象往往具有多变量强耦合、不确定、非线性等特征,解决这类控制问题的有效方法是采用先进控制技术,或在常规控制的基础上叠加先进控制的补偿分量。以对角递归神经网络控制器为研究对象,分析了该控制器的结构特点和学习算法,探讨对角递归神经网络技术的应用现状与工程实现中的相关问题,并提出了先进控制与常规控制同构组态的解决方法。     

基于改进长期循环卷积神经网络的海上风电功率预测

准确的风电功率预测对海上风电安全并网具有重要意义.不同于陆地,海上具有气象因素复杂、风电出力波动显著等特点,使得海上风电功率预测精度难以满足工程实际要求.针对以上问题,文中提出一种基于改进长期循环卷积神经网络(LRCN)的预测模型,用于超短期海上风电功率预测.首先,采用改进LRCN进行初步功率预测,即构建多卷积通道分别...