基于Backlash描述函數(shù)的遲滯非線性建模.pdf

1、隨著高新科技的發(fā)展,智能設(shè)備及高精度微定位裝置得到了大量應(yīng)用。而這些設(shè)備和裝置中,“智能材料”構(gòu)件是重要的組成部分。但是這些材料的一個(gè)主要的限制就是由于遲滯現(xiàn)象的存在,尤其是在缺乏精確模型的控制系統(tǒng)中,可能會(huì)引起震蕩,甚至?xí)?dǎo)致不穩(wěn)定。因此,在控制器設(shè)計(jì)中,對(duì)遲滯非線性建模和預(yù)測(cè)是十分必要。但是由于遲滯非線性的特殊性,傳統(tǒng)的方法難以建立精確的動(dòng)態(tài)模型。
　　論文的任務(wù)是提出一種簡(jiǎn)單而新穎的方法,建立能夠預(yù)測(cè)多類輸入信號(hào)作用下的遲滯

2、非線性特性的動(dòng)態(tài)模型。
　　由于Preisach模型有著良好的精度和易用性,所以本文是基于Preisach方法建立的遲滯非線性模型。Backlash在建立Preisach遲滯模型方面被認(rèn)為是最簡(jiǎn)單最有效的工具。運(yùn)用改進(jìn)Backlash描述函數(shù),建立遲滯非線性動(dòng)態(tài)模型是論文的豐要?jiǎng)?chuàng)新點(diǎn),也是論文的核心內(nèi)容。首先,我們理論上證明了所給函數(shù)的重要性質(zhì)及其參數(shù)在建模中所起的作用,并給出應(yīng)用該函數(shù)建立遲滯模型過程。因所建模型與實(shí)際遲滯非線性

3、特性有所不同,但已具備了遲滯非線性的多數(shù)特性,同時(shí)也建立了二者之間的對(duì)應(yīng)關(guān)系。因此,利用神經(jīng)網(wǎng)絡(luò)的逼近能力,以所建模型的輸出作為神經(jīng)網(wǎng)絡(luò)的一個(gè)輸入,從而建立了一個(gè)神經(jīng)網(wǎng)絡(luò)遲滯非線性模型。通過試驗(yàn)驗(yàn)證了所提神經(jīng)網(wǎng)絡(luò)模型能夠以較高的精度逼近給定的實(shí)際數(shù)據(jù)。
　　論文在遲滯建模方面有著清晰的數(shù)學(xué)表達(dá)形式,原理簡(jiǎn)單易懂。但是該方法只是針對(duì)Preisach遲滯非線性特性進(jìn)行建模,對(duì)其它類型的遲滯非線性特性適用性缺乏研究。同時(shí),將所建模型用于