基于BP神经网络的超磁致作动器建模与控制.pdf

／ ／ 文章编号：1007—1423(2017)09—0011-05 DOI：10．39696．issn．1007—1423．2017．09．003 基于 BP神经网络的超磁致作动器建模与控制 王丹梅 ．冯伟峰 (西南交通大学电气工程学 院，成都 611756) 摘要 ： 超磁致作动器的迟滞非线性是其应用的一大障碍 ．对此基于BP神经网络建立超磁致作动器 GMA的Hammerstein模 型，在此模型基础上，设计前馈逆补偿与PID反馈控制相结合的复合控制策略。针对建模范围内的所有单频和复合频 率的输入信号，控制器都能保证跟踪控制效果。通过实验实时跟踪的结果进一步验证建模和控制的效果。 关键词 ： 迟滞非线性；超磁致作动器：BP神经网络；Hammerstein模型 基金项 目： 国家 自然科学基金重点项 目(No 0 引言 1 超磁致作动器的建模与验证 基于磁致稀土．利用其能反应磁场变化作出形变 1．1Hammerstein模 型 的特性制作而成的执行器．称为超磁致作动器 (GMA， 由于率相关性系统直接建模不容易找到模型描 GiantMagnetostrictiveActuators)．以棒状结构的伸张缩 述 ．本文使用 Hammerstein建模思想．把系统拆分两种 反应磁场变化。由于超磁致作动器储能效率高，远高于 有成熟控制方法的已知模型 ．这种方法可 以描述大多 镍制品和压电陶瓷．此外响应速度快 ，能够及时以伸缩 数非线性系统。其中u、分别为输入、输出．是动态线 性模块输入 反应磁场 因此超磁致作动器常常应用在在微米级别 的微位移精确控制领域中 但作动器表现出明显的率 相关性 ，难以得到精确模型 、带来控制效果变差等 问 — ／,／ l静态非线性模块ⅣHI I动态线性模块L lV— 题。 目前建模方法大致可 以分为三种 根据超磁致物 图 1Hammerstein模型 理作用机理的物理建模 、根据系统输入输出的唯象建 模 、根据模拟人认知行为的智能方法建模。 Hammerstein模型的辨识可把前后两个部分分别 进行辨识 本文静态部分采用 BP神经 网络方法进行辨 对迟滞系统的控制方法 ，主要有逆补偿控制、不直 识 ，动态部分采用 ARX(AutoRegressiveeXogenous)模 接求逆以及智能算法等方法．其中逆补偿控制是最主 型。 要的方法。在反馈控制策略的研究中．如何使系统使用 1．2 BP神经网络 对象使用不确定性 、满足规定性能指标是学者常见研 神经网络利用函数去逼近模型．属于建模方法的 究方向 智能方法建模类，通过大量数据的训练过程，可以达到 现代计算机 2o17．o3下 ＼＼＼、 高精度的指标 ．使神经网络建模方法能够较好地描述 关特性。ARX数学表达式为： 超磁致作动器，方便控制。本文采用BP神经