[发明专利]一种基于play算子的非对称率相关迟滞建模方法

说明书

本发明公开了一种基于play算子的非对称率相关迟滞建模方法，包括以下步骤：S1、采集压电陶瓷输入电压与输出位移；S2、结合play算子和elman神经网络建立非对称迟滞模型；S3、非对称迟滞模型中引入率相关项；S4、梯度下降法更新权值，建立非对称率相关迟滞最终模型。通过使用play算子作为elman神经网络的输入，以此拓展神经网络的输入层。同时利用elman神经网络的高精度逼近非线性函数能力，使模型参数辨识更为方便，并且elman神经网络已有经典的训练算法。

技术领域

本发明涉及信号处理技术领域，具体指一种基于play算子的非对称率相关迟滞建模方法。

背景技术

随着生物医学、航空航天、超精密加工等重要领域对定位精度的需求越来越高，传统的机械传动式定位装置如杠杆机构、滑动或滚动导轨等，由于内部存在较大的摩擦和空隙，所以无法满足精密定位的要求。在对微纳米定位装置的探索中，人们便把目光转向了智能材料。压电陶瓷作为微位移平台的驱动元件，是一种能将机械能和电能相互转换的智能材料。因其具有良好的力学性能和压电性能而为大众所熟悉。不仅如此，压电陶瓷还具有响应速度快、承载能力强、定位精度高并且耐热、耐潮湿等一系列优点,这使得越来越多的研究人员尝试将压电陶瓷驱动器应用于微定位系统以便取得微纳米级别的定位精度。

然而压电陶瓷驱动器在微纳米定位研究中带来便利的同时也带来了一些弊端，迟滞非线性就是压电陶瓷在微定位应用中的一个最主要缺点。迟滞非线性的复杂性表现在:(1)多映射性：在输入信号的上升和下降段的同一输入电压值处压电陶瓷驱动器的输出位移不同；(2)记忆性：迟滞的当前输出不仅与当前的输入值有关，而且还与输入信号的历史极值有关。驱动电压与输出位移呈现的非线性关系严重影响了压电微动台的定位精度，甚至会造成系统的不稳定，在一定程度上限制了压电陶瓷驱动器在微定位系统中的应用。此外，迟滞非线性还呈现出明显的频率相关性，即当输入信号的频率逐渐增大时，迟滞环的宽度增加,高度减小。因此针对压电陶瓷这种材料固有的迟滞非线性，为实现压电致动器的精密定位控制，往往需要建立一个能够精确的描述迟滞非线性的数学模型。

由于神经网络高精度的逼近能力，快速的并行运算能力和强大的容错能力，使其在非线性系统的辨识中得到广泛的应用。针对现有的利用神经网络的压电驱动器的动态建模方法，多采用RBF神经网络，在采用RBF神经网络对压电迟滞建模时，不仅缺少系统对于时变特性的适应性能力的研究，同时现有的基于RBF神经网络的迟滞建模方法还缺少对非对称迟滞模型，以及对频率相关项的迟滞特性建模的研究。

发明内容

针对上述技术问题，本发明提出了一种基于play算子的非对称率相关迟滞建模方法，建立基于elman神经网络结构，以广义PI模型的play算子作为elman神经网络的输入层输入，同时在elman神经网络的权值中引入频率相关部分，以此来减小对非对称率相关迟滞特性的建模误差，同时提高迟滞模型的频率泛化能力。利用elman神经网络的高精度逼近能力，实现对基于play算子和elman神经网络的非对称率相关迟滞建模，可以准确描述压电驱动器的迟滞曲线而且拥有较好的频率泛化能力，同时易于工程实现。

本发明为解决上述问题所采取的技术方案为：一种基于play算子的非对称率相关迟滞建模方法，包括以下步骤：

S1、采集压电陶瓷输入电压与输出位移

所述压电陶瓷的输出位移的获取方法为，通过一功率放大电路将输入电压放大，并加载到压电陶瓷两端，驱动压电陶瓷产生位移，并通过激光位移传感器采集压电陶瓷的位置；

S2、结合play算子和elman神经网络建立非对称迟滞模型；

S3、非对称迟滞模型中引入率相关项，建立非对称率相关迟滞模型；

S4、梯度下降法更新权值，建立非对称率相关迟滞最终模型。

作为优选，所述压电陶瓷选取具有迟滞特性的压电陶瓷。