Preisach迟滞模型分类排序法的神经网络实现

针对非线性系统的迟滞特性开展建模研究,提出了一种Preisach模型分类排序法的神经网络实现方法,据此对压电陶瓷执行器纳米定位系统的迟滞非线性进行建模. 兼顾到迟滞的擦除特性和建模的精确度,建立BP神经网络求取收缩函数,避免了插值法求收缩函数值带来的插值误差. 实验结果表明,神经网络分类排序实现方法有效提高了Preisach模型的精度,减小了模型的误差.     

基于不对称指数函数迟滞逆算子的压电陶瓷 执行器动态Preisach迟滞逆模型

迟滞非线性严重影响了压电陶瓷执行器纳米定位系统的定位精度,为补偿它的不良影响,提高系统的控制精度,开展了基于压电陶瓷执行器迟滞非线性的逆模型研究. 根据不对称指数函数迟滞算子构造动态Preisach逆模型,利用神经网络完成辨识. 运用若干组实验数据检验此逆模型的有效性,结果表明,加入历史输入位移值得到的神经网络输出电压与实际给定的电压之间的偏差明显减小,最大偏差值由原来的16V减小到不超过6V,性能得到明显改善.     

基于Preisach逆模型的压电陶瓷执行器迟滞补偿控制

为解决迟滞非线性对压电陶瓷执行器的影响,提出了基于Preisach逆补偿的闭环控制策略,利用考虑了擦除特性的分类排序方法实现了迟滞的Preisach逆模型,通过Preisach逆模型串联补偿降低迟滞作用的影响,并在逆模型前串联PI控制器,通过闭环控制抑制未能完全补偿的迟滞非线性,进而提高系统的控制精度,平均绝对误差下降到0.025μm.实验表明,基于Preisach逆补偿的迟滞补偿控制策略具有良好的控制性能.     

中国风电产业不可忽视的专利问题

 风电全球温室气体减排的呼声日趋高涨,作为一种清洁高效的能源,已经显示出在应对气候变化、减缓能源安全压力和满足能源需求方面的巨大潜力。中国风电行业近年来呈现出极速增长的趋势。然而,风电产业的国有专利问题却一直制约着风电产业的发展,成为风电产业一个重要的投资风险问题。