行波型超声电机基于神经网络的逆模型辨识

行波型超声电机的动态特性受定子压电陶瓷迟滞和接触层非线性摩擦力的影响,表现出复杂的多值映射特征.通过引入动态迟滞逆算子,将存在于超声波电机逆系统中的多值映射在新的扩张输入空间上,转换为一一映射;然后使用神经网络建立超声波电机的逆模型,对迟滞和非线性摩擦力的影响进行补偿.所建立的模型结构简单,可以在线调整适应电机参数的非线性变化.实验仿真结果验证了该方法的有效性.

     

基于输入空间扩张的动态迟滞神经网络模型

针对神经网络不能直接用于辨识具有多值映射特征的迟滞非线性的不足, 利用输入空间扩张的方法, 引入动态迟滞算子来反映动态迟滞的速率依赖性, 由迟滞的输入、输入变化率和算子输出构造神经网络的扩张输入空间, 将输出空间的迟滞多值映射转换为在新的扩张输入空间上的一一映射, 从而将神经网络应用到动态迟滞非线性的辨识中. 所建立模型结构简单, 易于实现在线调整. 最后, 使用该方法对压电陶瓷执行器中的动态迟滞进行了辨识.     

扩散硅压力传感器的迟滞建模与智能补偿

针对扩散硅压力传感器表现出非常规非平滑的强非线性迟滞特性,利用提升空间维数的方法,提出一个结构简单的迟滞逆算子,将迟滞非线性的多值映射转换成一一映射,建立T-S模糊模型逼近的迟滞逆模型,并实现对迟滞环的智能补偿.仿真结果表明,该模型用于迟滞特性建模是有效的,并具有较高的补偿精度.     

基于状态全反馈的动态迟滞非线性系统

该文针对不平滑、多映射动态迟滞非线性系统,提出了一种基于神经网络自适应控制方案.在该方案中,通过利用神经网络来逼近模型误差,避免了目前常用逆模型补偿方案中,需求取复杂逆模型的问题.应用Lyapnov稳定定理,证明了整个闭环系统的跟踪误差及神经网络权值将收敛到零点一个有界邻域内.仿真结果表明,所提出的控制方案能够有效补偿迟滞非线性对系统的影响.     

基于坐标变换和仿射映射辨识迟滞非线性模型

运用坐标变换方法和仿射映射的有关原理,对迟滞系统的输入信号进行变换映射.利用集合理论证明了变换后,迟滞的输入输出集合是双射的,从而对在光滑周期信号作用下的一类迟滞非线性进行建模.不仅建立了动态迟滞模型,而且也建立了相应的动态逆模型.仿真试验验证了所提出方法的有效性.     

基于神经网络的迟滞逆模型

一个新的基于神经网络的迟滞逆模型被提出.采用连续坐标变换的方法,建立基本迟滞逆算子(EIHO),EIHO为神经网络提供了基本的迟滞逆信息,并与迟滞逆的输入一起作为神经网络的输入,使迟滞逆由多值映射关系转化为一对一映射关系,从而达到用神经网络逼近迟滞逆的目的.一组实测数据被用来检验模型有效性,实验结果表明,这种建模方法是有效的.     

基于状态全反馈的动态迟滞非线性系统自适应控制

该文针对不平滑、多映射动态迟滞非线性系统，提出了一种基于神经网络自适应控制方案。在该方案中，通过利用神经网络来逼近模型误差，避免了目前常用逆模型补偿方案中，需求取复杂逆模型的问题。应用Lyapnov稳定定理，证明了整个闭环系统的跟踪误差及神经网络权值将收敛到零点一个有界邻域内。仿真结果表明，所提出的控制方案能够有效补偿迟滞非线性对系统的影响。     

高频响下音圈电机迟滞特性的建模与控制

优化数控机床给进定位精度问题,音圈电机(Voice Coil Motor,VCM)在高频、高速、高加速情况下,存在的迟滞特性影响系统的性能特性.为了实现青圈电机的精确定位控制,提出了音圈电机复杂迟滞神经网络动态逆模型的控制方法.首先,建立了音圈电机复杂迟滞神经网络动态模型,根据迟滞的特性求出了音圈电机复杂迟滞神经网络动态逆模型,采用逆模型结合PD控制算法进行仿真.实验结果表明,系统最大跟踪误差减少到是1.6％,表明所提出的控制方法有效地消除了音圈电机复杂迟滞的影响,提高了音圈电机的控制定位精度.     

基于坐标变换和仿射映射辨识迟滞非线性模型

运用坐标变换方法和仿射映射的有关原理,对迟滞系统的输入信号进行变换映射。利用集合理论证明了变换后,迟滞的输入输出集合是双射的,从而对在光滑周期信号作用下的一类迟滞非线性进行建模。不仅建立了动态迟滞模型,而且也建立了相应的动态逆模型。仿真试验验证了所提出方法的有效性。     

基于神经网络的超声波电机模型辨识

超声波电机存在着死区、迟滞等复杂的非线性特性.采用传统的系统辨识方法难以直接对该系统进行辨识,因此,根据超声波电机的静态、动态特性,提出了一种改进的BP神经网络以建立关于该电机的一种新的模型.通过引入迟滞算子构造扩张输入空间,将迟滞的多值映射转换为一一映射.提出了变斜率与带死区的神经元,以便于描述电机的死区特性.在训练神经网络时引入了广义梯度,以近似非光滑点处的梯度.最后给出了相应的实验结果,训练、泛化结果证明该建模方法是有效的.     

基于迟滞算子的非平滑三明治系统自适应控制

针对一类具有非平滑的迟滞三明治系统, 提出一种基于神经网络的自适应控制方法. 首先利用神经网络做出了前端动态模块的逆系统实现前端动态模块的近似补偿, 这样将迟滞三明治系统转化成一般的迟滞非线性系统. 然后提出一个迟滞算子将迟滞的多映射转化成一一映射, 基于这个迟滞算子设计了神经网络自适应控制器, 通过Lyapunov方法证明了系统的稳定性并推导出神经网络的权值自适应调整律和控制律. 最后通过仿真验证了该方案的有效性.     

Motion control with deadzone estimation and compensation using GRNN for TWUSM drive system

The traveling wave ultrasonic motor (TWUSM) drive has a strong nonlinearity, which varies with driving conditions and possesses variable deadzone in the control input associated with the phase difference of applied two-phase AC driving voltages. This deadzone is a problem as an accurate positioning actuator for industrial application, and it is important to eliminate the deadzone in order to improve the control performance. To overcome the above problems, a new motion control scheme with deadzone estimation and compensation using generalized regression neural network (GRNN) is proposed in this paper to improve the control performance of the TWUSM drive system. One of them is to approach the nonlinearity deadzone part of the TWUSM drive system, and another one with extension form is to approach the inverse of nonlinearity deadzone to realize the dynamic compensation. Once the nonlinearity of deadzone is compensated exactly by its inverse compensation, the whole TWUSM drive system can be treated as linear, and the estimated parameters of the linear system can be adopted to design a controller for a desired reference command.     

对Preisach类的迟滞非线性神经网络建模

为了消除迟滞非线性对系统的不良影响,本文利用神经网络对Preisach类的迟滞非线性进行建模．通过引入一个特殊的迟滞因子,将多映射的迟滞非线性转换成一一映射,然后建立了基于神经网络的迟滞非线性模型．该模型结构简单,简化了辨识过程,可以调整神经网络权值以适应不同条件下的迟滞辨识．最后．应用该方法对压电执行器中的迟滞非线性建模,并与KP模型进行了比较．     

未知控制方向的迟滞非线性系统预设自适应控制

针对一类含有迟滞特性的未知控制方向严反馈非线性系统,设计了基于误差变换的反步自适应控制器.首先提出动态迟滞算子来扩展输入空间建立神经网络迟滞模型.然后利用径向基函数(RBF)神经网络逼近未知函数,并引入Nussbaum型函数来解决系统未知控制方向问题.最后采用误差变换将误差限定在预设的范围内,并利用反步法设计自适应控制器.该控制方案不仅能够保证跟踪精度,还可以提高系统暂态和稳态性能.仿真结果表明了控制方案的可行性.     

结合误差变换的Bouc-Wen迟滞非线性系统反步控制器设计

针对智能材料执行器中非平滑、多映射的迟滞非线性,采用Bouc-Wen模型描述迟滞,并提出了一种基于误差变换的反步控制器设计方案.首先利用Bouc-Wen模型中的变量特性,通过预设性能函数,将误差约束在预设范围内.然后通过误差变换,将一个对输出误差存在约束的跟踪问题转化为一个无约束的镇定问题.最后利用反步控制法设计迟滞系统的控制器,该控制方法保证期望的跟踪精度,并能将误差限定在设定范围内且满足预设性能,提高了系统的暂态和稳态性能.仿真结果表明设计方法的有效性.     

Modeling hysteresis in piezoelectric actuators using NARMAX models

This paper presents a non-linear moving average model with exogenous inputs (NMAX) and a non-linear auto-regressive moving average model with exogenous inputs (NARMAX) respectively to model static and dynamic hysteresis inherent in piezoelectric actuators. The modeling approach is based on the expanded input space that transforms the multi-valued mapping of hysteresis into a one-to-one mapping. In the expanded input space, a simple hysteretic operator is proposed to be used as one of the coordinates to specify the moving feature of hysteresis. Both the modified Akaike's information criterion (MAIC) and the recursive least squares (RLS) algorithm are employed to estimate the appropriate orders and coefficients of the models. The advantage of the proposed approach is in the systematic design procedure which can on-line update the model parameters so as to accommodate to the change of operation environment compared with the classical Preisach model. Moreover, the obtained model is non-linear in variables but linear in parameters so that it can avoid the problem of sticking in local minima which the neural network based models usually have. The results of the experiments have shown that the proposed models can accurately describe static and dynamic behavior of hysteresis in piezoelectric actuators.     

Adaptive control of plants with unknown hystereses

For a system with hysteresis, the authors present a parameterized hysteresis model and develop a hysteresis inverse. The authors then design adaptive controllers with an adaptive hysteresis inverse for plants with unknown hysteresis. A new adaptive controller structure is introduced which is capable of achieving a linear parameterization and a linear error model in the presence of a hysteresis nonlinearity. A robust adaptive law is used to update the controller parameters and hysteresis inverse parameters, which ensures the global boundedness of the closed-loop signals for a wide class of of hysteresis models. Simulations show that the use of the adaptive hysteresis inverse leads to major improvements of system performance