原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开提出一种基于深度神经网络的压电执行器Hammerstein建模和预测控制方法，首先定义压电执行器的Hammerstein模型，并利用全连接神经网络拟合该模型得到离散时间状态空间模型；其次，建立压电执行器输入输出数据的训练集，通过训练对该模型进行拟合辨识；其次，基于上述训练好的压电非线性动力学模型，在考虑状态约束和动力学约束的条件下设计性能评价函数，通过最小化性能评价函数得到最优输入；最后，为降低在线求解最优输入的复杂度，利用深度神经网络对上述在线求解问题进行高效逼近，从而得到可离线实现
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116700002 A
(43)申请公布日 2023.09.05
(21)申请号 202310774791.2
(22)申请日 2023.06.28
(71)申请人 北京航空航天大学
地址 1001
文档评论（0）