| 基于改进PSO算法的GMA迟滞模型参数辨识 |
| |
| 引用本文： | 孟爱华,祝甲明,刘成龙,陈文艺,罗福兴.基于改进PSO算法的GMA迟滞模型参数辨识[J].控制工程,2014,21(5). |
| |
| 作者姓名： | 孟爱华 祝甲明 刘成龙 陈文艺 罗福兴 |
| |
| 作者单位： | 1. 杭州电子科技大学机械工程学院,浙江杭州,310018
2. 杭州浙大精益机电技术工程有限公司,浙江杭州,310027 |
| |
| 基金项目： | 国家自然科学基金，浙江省重点科技创新团队资助项目，“海洋机电装备技术”浙江省重中之重学科资助项目 |
| |
| 摘 要： | 使用改进的粒子群优化算法辨识Jiles-Atherton模型参数。针对J-A模型对超磁致伸缩致动器(giant magnetostrictive actuator,GMA)迟滞特性建模中磁化参数互相嵌套难以辨识的特点,改进磁滞模型并建立了考虑超磁致伸缩材料磁机耦合特性的动态磁滞模型;为了克服普通粒子群算法实际求模型参数时计算量大,运行时间长的缺点,提出基于粒子群算法和遗传算法的改进算法--带交叉因子的粒子群优化算法,将模型仿真所求的磁化强度和实验测得的磁化强度的差值的平方作为适应度函数,并结合最小二乘法思想对J-A模型的几个参数进行辨识;最后,在Matlab 7.0上进行仿真,给出了模型辨识后的结果。在不同预压力和驱动频率下的仿真结果与GMA已有实验数据进行对比,验证得出辨识后的模型可较好地与实验数据拟合,磁致伸缩位移误差在5%以内。
|
| 关 键 词： | 粒子群算法 磁滞非线性 超磁致伸缩致动器 参数辨识 |
Parameter Identification of Hysteretsis Model for GMA Based on Improved PSO Algorithm |
| |
| MENG Ai-hua,ZHU Jia-ming,LIU Cheng-long,CHEN Wen-yi,LUO Fu-xing.Parameter Identification of Hysteretsis Model for GMA Based on Improved PSO Algorithm[J].Control Engineering of China,2014,21(5). |
| |
| Authors: | MENG Ai-hua ZHU Jia-ming LIU Cheng-long CHEN Wen-yi LUO Fu-xing |
| |
| Abstract: | |
| |
| Keywords: | particle swarm optimization hysteretic nonlinearity giant magnetostrictive actuator parameter identification |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
