压电陶瓷致动器输入速率相关迟滞的混合补偿方案
TP2; 提出了一种关于压电陶瓷致动器的混合补偿方案.在混合补偿方案中,对压电陶瓷致动器的输入速率相关迟滞特性进行了补偿.前馈控制器是一种新型的输入速率相关的神经网络迟滞逆模型,而反馈控制器为比例-积分-微分(proportion integration differentiation,PID)控制器.在所提出的逆模型中,输入速率相关辅助逆算子(rate-dependent auxiliary inverse operator,RAIO)和迟滞的输出构造了逆模型的扩展输入空间(expanded input space,EIS),将多值映射的迟滞逆映射转换为单值映射,并在理论上分析了所提RAIO...
Saved in:
Published in | 东华大学学报(英文版) Vol. 41; no. 4; pp. 436 - 446 |
---|---|
Main Authors | , , , |
Format | Journal Article |
Language | Chinese |
Published |
东华大学信息科学与技术学院,上海 201620%上海师范大学机械与电子工程学院,上海 200234
31.08.2024
|
Subjects | |
Online Access | Get full text |
ISSN | 1672-5220 |
DOI | 10.19884/j.1672-5220.202405002 |
Cover
Summary: | TP2; 提出了一种关于压电陶瓷致动器的混合补偿方案.在混合补偿方案中,对压电陶瓷致动器的输入速率相关迟滞特性进行了补偿.前馈控制器是一种新型的输入速率相关的神经网络迟滞逆模型,而反馈控制器为比例-积分-微分(proportion integration differentiation,PID)控制器.在所提出的逆模型中,输入速率相关辅助逆算子(rate-dependent auxiliary inverse operator,RAIO)和迟滞的输出构造了逆模型的扩展输入空间(expanded input space,EIS),将多值映射的迟滞逆映射转换为单值映射,并在理论上分析了所提RAIO的消去、输入速率相关特性和连续性.基于EIS方法,建立了迟滞的神经网络逆模型,即动态反向传播神经网络(dynamic back propagation neural network,DBPNN)模型.此外,还设计了针对压电陶瓷致动器的混合补偿方案来补偿迟滞.最后,将所提方法、常规PID控制器和含改进的输入速率相关的Prandtl-Ishlinskii逆模型的混合控制器应用于实验.实验结果表明,所提方法在系统性能上具有明显的优势. |
---|---|
ISSN: | 1672-5220 |
DOI: | 10.19884/j.1672-5220.202405002 |