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。     

基于动态递归神经网络的超磁致伸缩驱动器精密位移控制

由于内在的滞回非线性，超磁致伸缩驱动器（GMA） 会在开环系统中引起定位误差，在闭环系统中造成系统不稳定。为了克服这个问题，将动态递归神经网络（DRNN）前馈和PD反馈控制器相结合，提出了一种实时滞回补偿控制策略，以期实现GMA的精密位移跟踪控制。DRNN控制器是根据GMA的滞回特性构造的，通过反馈误差学习方案在线学习GMA的逆滞回模型。仿真结果表明该控制策略能适应GMA滞回特性随机械负载、输入信号的变化，在线建立GMA的滞回逆模型，从而消除滞回非线性的影响，实现GMA的精密控制。     

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。     

稀土超磁致伸缩电机及其应用

稀土超磁致伸缩电机在大应变、强力和高功率密度及高精度、快速响应以及高可靠性等方面有着其它电机无法比拟的优点。介绍了这种电机的结构原理、性能特点及其典型应用事例。文中还就稀土超磁致伸缩材料及其驱动器件的市场应用前景进行了展望。     

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.     

基于超磁致伸缩材料的活塞式水下声源

超磁致伸缩材料是一种性能优良的换能器材料,本实验研究将其应用于活塞式水下声源,构建了简易的机构模型,并对模型进行电-磁、磁-力、力-振动和振动-声辐射的转换计算公式进行分析,建立起声源的电-声数学模型.最后根据数学模型利用Matlab编制程序进行仿真计算,结果显示采用超磁致伸缩材料驱动活塞式水下声源,具有非常好的低频响应,材料本身的相对磁导率和刚度系数影响低频响应的幅值和频率,较高的相对磁导率和较低的刚度系数,有利于提高声源低频辐射的声源级水平.     

超磁致伸缩器件的数值计算模型

为了分析超磁致伸缩器件中的磁机械耦合问题,提出了一个非线性有限元模型,它是建立在能量变分基础上的。在处理磁机械耦合问题时采用了弱耦合解法。该有限元模型的特点是考虑了弹性模量随磁场的变化。用这个模型计算了一组用不同方法制备的超磁致伸缩材料ＴｅｒｆｅｎｏｌＤ的饱和磁致伸缩量值,并与测试结果作了比较,从而证实了这个模型的正确性。     

超磁致伸缩致动器的磁-机械强耦合模型

稀土一铁超磁致伸缩材料作为一种新型功能材料，其应用越来越受到人们的关注。为了有效地设计、开发超磁致伸缩材料的器件，必须建立材料器件的输入输出模型。利用能量变分原理，针对研制的超磁致伸缩致动器，建立了系统的磁一机械强耦合模型，并应用有限元法计算了致动器的输入电流与输出位移的关系曲线。计算值与实验值比较吻合，表明所建立的模型能够反映致动器的输入输出关系，模型对于设计超磁致伸缩器件、优化设计方案具有重要意义。     

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。     

稀土超磁致伸缩棒材特性测试平台优化与实验研究

目前,国内外对稀土超磁致伸缩棒材(简称棒材)参数的测量和提取方法不尽相同,且大都没有考虑测试过程中由于棒材伸长导致的预应力变化问题,测量结果无法直接对比,误差无法确定,准确性无从考量.因此,换能器仿真设计没有可靠的特性数据做支撑.该文设计搭建一套稀土超磁致伸缩棒材特性测试平台,考虑由于棒材伸长导致预应力变化的因素,可对...     

基于RBF神经网络的迟滞非线性模型预测控制

压电执行器具有响应快、质量比大、刚度高等特点,在纳米技术领域得到了广泛的应用.迟滞特性作为一种固有的非线性特性,极大地影响了迟滞控制的性能.本文提出了一种非线性模型预测控制(NMPC)方法来解决压电执行器的位移跟踪问题.首先,利用RBF神经网络实现了压电执行器的外源输入非线性自回归移动平均(NARMAX)模型;其次...     

高精度伺服系统的CMAC学习控制研究

根据神经网络的特点，提出了基于CMAC网络的伺服系统在线学习控制方案，并给出了其再励学习算法。该方法无需离线训练，经在线学习得到系统的逆动态特性，并据此实时修改控制参数。引入鲁棒控制项，增强了学习算法的鲁棒性。在某单轴速率／位置转台上的应用结果表明，该方法可有效地改善伺服系统的跟踪精度和抗扰性能。     

基于神经网络补偿的二自由度PID控制

提出一种基于神经网络补偿的二自由度PID控制方法，该方法将BP网络应用到传统二自由度PID控制中，克服了参数固定不变时，系统跟随性能和抗扰性能变差的缺点，有效地减弱了参数摄动对系统造成的影响，改善了系统的动态品质，仿真结果表明该方法 的有效性。     

小波神经网络与PID相结合的负荷频率控制

针对跨区域互联电力系统负荷频率控制的严重非线性,及传统PID控制稳定性差、超调严重、响应速度慢,提出了将小波神经网络与传统PID控制相结合的控制模型。PID完成区域电网内的二级负荷频率控制,区域控制偏差作为有2个小波神经元的神经网络输入,输出用于共同控制负荷频率稳定。网络还采用了负反馈提高学习收敛速度,网络参数采用梯度法结合遗传算法寻优确定。仿真实验结果表明,该方案具有较好的控制效果和鲁棒性。     

遗传算法和神经网络结合的PSD非线性校正

针对光电位置传感器(PSD)检测系统在大坝变形观测中所呈现的非线性问题,建立改进的遗传算法和LM-BP神经网络结合的模型,对PSD的非线性进行补偿?该方法先用遗传算法对LM-BP网络的权阈值进行优化后再用LM-BP网络逼近任意非线性函数的特点对实际位置数据与理想值进行拟合后并进行测试,经过多次任意产生的种群优化后选择较为优秀个体作为神经网络的和阈值,并对任意位置进行校正,仿真结果表明,该方法克服了LM-BP网络对初始权阈值的依赖和泛化能力弱的特点,多次实验平均误差都小于1%,其泛化能力优于标准的遗传算法和神经网络结合的模型。     

基于神经网络的光伏电源功率控制设计

在分析光伏系统发电特性的基础上,以最大功率控制为目标,神经网络技术为支撑,构建了基于三层BP(反向传播)神经网络的光伏发电功率控制模型。该模型采取四季气候子模型分类计算的方式,以四季历史气候数据为样本,形成四个统一而又相互有一定隔离的子模型训练库,从而实现了光伏电源发电的功率预测及控制功能。实验结果表明,该方法建立的功率预测与控制模型具有精度高、反应速度快的优势。     

基于神经网络控制的快速充电方法探究

随着蓄电池的广泛应用,对其充电方法的研究也不断深入,并取得了较多的科研成果,但是快速充电技术仍受到多方面的制约。提出了以神经网络算法和传统控制器相结合的智能充电技术,以BP网络算法训练神经网络。由于神经网络的自适应性,控制过程不依赖于模型,因此能对复杂的非线性、不确知的充电过程进行实时修正,并将此种方法应用于阶段充电法,通过仿真对比,证明了智能充电的有效性。     

基于RBF神经网络的智能负载控制策略研究

本文在电力弹簧的数学模型和控制电路的基础上,提出了一种基于RBF神经网络的智能负载控制方法,利用RBF神经网络算法可以有效弥补传统PI控制器参数固定,无法更改的缺点。通过对控制器参数实时在线调整,可以有效地减少智能负载失稳情况,从而确保系统母线电压稳定。最后,在MATLAB/Simulink的仿真环境中进行仿真验证,结果表明：与传统PI控制下的智能负载相比,本文所提的控制方法具有更强的调节性能。     

基于改进BP神经网络的智能控制方法研究

针对典型 ＢＰ神经网络存在的缺陷而提出了一些有效的改进措施。通过采用改进的 ＢＰ神经网络来对控制规则样本采样的学习和训练,使网络记忆控制规则,以达到智能控制的目的。仿真和实验结果证明该方法具有优良的控制特性,满足伺服电机控制的需要。