对压电陶瓷执行器迟滞特性的智能建模

由于压电陶瓷执行器固有的迟滞非线性会影响系统的控制精度,甚至能导致系统不稳定,基于神经网络建立一个迟滞非线性的智能模型。提出一个迟滞因子将多映射的迟滞非线性转换成能够被神经网络逼近的一一映射。该模型结构简单,简化了辨识过程。最后用该方法对实际的压电陶瓷执行器进行建模,结果表明,该模型能够准确的逼近迟滞非线性。     

基于WIENER模型的压电陶瓷神经网络动态迟滞模型的研究

从频域的角度分析，一般认为迟滞特性的形成是由于对输入信号进行了相位滞后而造成，从而形成了输入和输出的多值对应关系，但直接从相位滞后角度所建立的迟滞模型主要是对迟滞环中的主环进行逼近。该文给出了多值对应的迟滞特性的新解释，提出迟滞特性是由形成多值对应的相位滞后部分和动态非线性部分串联组成。采用改进的Wiener模型建立压电陶瓷的迟滞回环特性模型，仿真和实验结果表明在描述压电陶瓷的多值对应、动态特性及非线性特性方面，所提出的神经网络动态迟滞模型具有较高的精度。     

基于神经网络的迟滞非线性逆模型

为了补偿迟滞特性对系统的不良影响,提高迟滞非线性系统的控制精度,建立了神经网络迟滞非线性逆模型.由于神经网络不能够直接逼近迟滞逆这种具有记忆性的多映射现象,通过引入一个迟滞逆算子,将多映射的迟滞逆转换成一一映射,然后运用神经网络来逼近这个一一映射从而建立一个基于神经网络的迟滞逆模型.该模型的主要优点是结构简单、精度高,可以在线调整神经网络的权值以适应不同工作条件下的迟滞逆辨识.最后,运用该方法对压电执行器中的迟滞非线性建立了逆模型.     

基于Gamma滤波的压电陶瓷动态迟滞建模研究

融合Gamma滤波和PI模型的结构,提出压电陶瓷的动态迟滞模型.借鉴PI模型的结构, 对Gamma滤波的各个环节的输出通过RBF神经网络进行静态非线性变换,并在其后与一个动态神经网络串联, 构成了一种新的神经网络迟滞模型.与静态PI 模型不同,由于新模型中含有动态的类迟滞算子与动态神经网络串联.所以, 所提出的迟滞模型是一种动态的迟滞模型.对压电陶瓷实际测量数据逼近和预测的结果表明,所提出的动态迟滞模型精度高,具有较强的泛化能力.     

两穴位心电统计学特异性的发现和穴位点定位

在孔最穴和尺泽穴上设计了一个心电信号采集实验,发现了两穴位在心电信号上具有统计学特异性：两穴位上采集的心电信号的二阶统计量与其四周4个非穴位点处采集的心电信号的二阶统计量具有明显区别,且穴位点处心电信号的二阶统计量要明显高于紧挨其周围的4个非穴位点,并用小样本t检验,对所得结论的可信度进行了评价,结果表明：该结论确实具有较高的可信度．这一特性的发现为穴位点定位提供了一个可供选择的方法．     

基于遗传算法的人体穴位阻抗特征优化

为消除人体穴位的阻抗信号特征集中存在的冗余和不相关分量的问题,提出了一种基于遗传算法的人体穴位阻抗特征子集选择与优化算法.通过分析穴位阻抗信号的自回归（AR）模型谱图建立了穴位原始特征样本集,利用类内-类间距离判据构造遗传算法的适应度函数并改进遗传算法的特征优化算子.经人体穴位的电阻抗特征选择与优化实例分析表明：该方法具有较好的寻优性能和适应度稳定,在不增加原始信息的情况下,能够有效地减少分类识别的特征数和提高信号识别的准确率,且将穴位阻抗特征的平均状态辨识率提高9%左右.     

基于状态观测器的非线性系统神经网络自适应控制

结合高增益观测器,针对相对阶为n的非线性系统,设计了神经网络自适应控制器。利用Lyapnov定理获得了神经网络权值的更新律和控制器的控制律,从而确保了整个闭环系统的稳定性和有界性。由于神经网络不需任何的离线训练,因而该控制器能够广泛应用于一大类非线性性系统的控制中。仿真结果验证了控制方案的有效性。