排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
应用混合遗传算法的超磁致伸缩致动器磁滞模型的参数辨识 总被引:2,自引:7,他引:2
针对遗传算法爬山能力差的弱点,该文把信赖域算法作为一个与选择、交叉和变异平行的算子,嵌入到遗传算法中,得到一种混合计算智能算法。该方法兼顾了遗传算法和信赖域算法的长处,既有较快的收敛速度,又能以非常大的概率求得最优解。应用该混合遗传算法对超磁致伸缩致动器的磁滞非线性动态模型进行参数辨识,仿真和实验研究表明,该算法能有效地辨识非线性系统的非线性参数,并具有一定的抗噪声能力。 相似文献
2.
3.
利用Galfenol的逆磁致伸缩效应并通过分流元件调整其声子晶体带隙,以实现有效减振具有重要现实意义。基于磁致伸缩本构方程、Armstrong模型、法拉第定律、传递矩阵法和Bloch定理,推导了含分流电路的Galfenol有效弹性模量表达式,并建立其声子晶体振动模型。模型计算结果与实验结果对比表明,该模型能提供有效弹性模量随频率和分流电容变化的合理数据趋势,并能预测Galfenol参数随应力变化的非线性特性。分析了该声子晶体在开路下,其布喇格带隙(BBG)衰减常数峰值和截止频率随应力的变化规律,确定了器件减振的最佳工作点;分析了该声子晶体在不同分流电容和应力下的BBG、共振带隙(RBG)及其共振公共带隙(RCBG)特性,结果表明,较小分流电容、较大磁机耦合因子和较大电感可显著提高器件减振性能。 相似文献
4.
5.
6.
7.
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 总被引:5,自引:0,他引:5
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。 相似文献
1