基于神网络压电微操作器非线性系统辨识研究.pdfVIP

第17届国际自动控制系统辨识大会预印本国际会议

2015年10月19‑21日。

基于神经网络的迟滞压电机器人微操作器非线性黑箱系统辨识

,

HelonV.HultmannAyala*，DidaceHabineza**，Micky拉科通德拉贝**，CarlosE.Klein*，LeandroS.Coelho****

*工业与系统工程项目，巴拉那大学，库里蒂巴，80215-901，巴西**自动控制与微机电系统系

（AS2M），FEMTO-ST，弗anche-大学/法国国家科学/ENSMM/UTBM，贝桑松，法国***电

气工程项目，巴拉那大学，库里蒂巴，PR81531-980，巴西（：。电子邮件：

helon.ayala@pucpr.br；didace.habineza@femto-st.fr；mrakoton@femto-st.fr；carlos.klein@；

leandro.coelho@pucpr.br）

：压电微操作器被用于需要精确定位和高动态定位的应用中。这种认知得益于它们的高分辨

率、带宽和刚度。然而，其非线使得在无传感或传感不精确的情况下设计鲁棒控制律变得

复杂。在此背景下，本研究通过在设置中的数据，利用非线性黑箱神经网络对压电微

操作器进行系统辨识。同时对模型复杂度进行了比较。结果表明，这些模型具有较高的准确性、

统计有效性和对微操作器动态特性的良好捕捉能力。

：机器人微操作器，压电执行器，迟滞，非线性，人工神经网络，系统辨识。

在这种情况下，可以使用一个良好的模型，它能够为控

1.引言

制目的尖端位置的良好估计，并避免传感的缺点。

在过去二十年中，微操作受到了极大的关注。它为科学界在这种情况下，模型应具有足够的精度，以解释执行器

的多个领域了在微米尺度上进行操作的工具，例如显在操作期间的动态变化。

微设备中的物体定位、显微手术中的驱动工具以及微

机电系统（MEMS）中的执行操作。在生物医学工程领

域，应用实例包括体外和异别（Gordon和

Laufer，1988；Cohen等，1993）。由于压电执行器具然而，由于压电执行器的非线，获得一个良好的

有快速的响应时间、高刚度以及能够施加较大的力的幅数学抽象是一项的任务。估计非线性系统是一个非

度，它们被广泛应用于微操作（Cao和Chen，2014；常广泛的问题，因为不可能提出一种能够有效描述所有

Agnus等，2013）。其中最常用的微操作器之一是压电微可能的非线性系统的结构。因此，通常将范围缩小，专

操作器。它们能够极高的定位分辨率（可达到纳米注于黑箱设置下的非线性模型结构。基于计算智能方法

级）、高带宽（高达数十千赫兹）以及高刚度，从而实现的模型，如模糊系统（和铃木，1985年）和人工神

强大的操作力。经网络（海金，2009年）可能为非线性对象良好的

近似。这些方法具有通用近似特性，因此是在系统辨识

然而，设计者在构建控制系统以精确驱动压