| 基于深度神经网络(DNN)的压电陶瓷前馈补偿研究 |
| |
| 引用本文： | 熊永程,贾文红,张丽敏,郑丽芳.基于深度神经网络(DNN)的压电陶瓷前馈补偿研究[J].压电与声光,2022,44(1):35-41. |
| |
| 作者姓名： | 熊永程 贾文红 张丽敏 郑丽芳 |
| |
| 作者单位： | 1.中国科学院上海应用物理研究所;2.中国科学院大学;3.中国科学院上海高等研究院 |
| |
| 基金项目： | 国家自然科学基金青年科学基金资助项目(11805262) |
| |
| 摘 要： | 针对压电陶瓷固有的迟滞非线性，设计了一种基于深度神经网络(DNN)的前馈补偿控制系统。该系统包含1个输入层、7个隐藏层和1个输出层。实验结果表明，开环情况下压电陶瓷的位移线性误差达8.91μm。施加神经网络前馈补偿后，压电陶瓷的最大位移误差降低到80 nm,稳态误差为±20 nm。进一步测试表明，在10～100 Hz输入频率下系统最大误差小于100 nm,均方根误差为0.01μm,验证了深度神经网络能够准确补偿压电陶瓷动态迟滞非线性，具有较好的频率泛化能力。
|
| 关 键 词： | 压电陶瓷 迟滞非线性 深度神经网络 前馈控制 |
Research on Feedforward Compensation of Piezoelectric Ceramics Based onDeep Neural Network(DNN) |
| |
| XIONG Yongcheng,JIA Wenhong,ZHANG Limin,ZHENG Lifang.Research on Feedforward Compensation of Piezoelectric Ceramics Based onDeep Neural Network(DNN)[J].Piezoelectrics & Acoustooptics,2022,44(1):35-41. |
| |
| Authors: | XIONG Yongcheng JIA Wenhong ZHANG Limin ZHENG Lifang |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《压电与声光》浏览原始摘要信息 |
|
点击此处可从《压电与声光》下载全文 |
|
