CN104796111A - 一种用于动态迟滞系统建模与补偿的非线性自适应滤波器 - Google Patents
一种用于动态迟滞系统建模与补偿的非线性自适应滤波器 Download PDFInfo
- Publication number
- CN104796111A CN104796111A CN201510244505.7A CN201510244505A CN104796111A CN 104796111 A CN104796111 A CN 104796111A CN 201510244505 A CN201510244505 A CN 201510244505A CN 104796111 A CN104796111 A CN 104796111A
- Authority
- CN
- China
- Prior art keywords
- output
- module
- filter
- nonlinear
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Filters That Use Time-Delay Elements (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种用于动态迟滞非线性系统建模与补偿的非线性自适应滤波器。该滤波器包括多个延迟模块、多个具有不同阈值的广义play算子模块、多个自适应加权模块、加法器模块、误差计算模块;本发明能够实现动态迟滞非线性系统在宽频带下的高精度建模,基于该滤波器的自适应逆控制可以有效补偿压电陶瓷、磁致伸缩等执行器的动态迟滞非线性。
Description
技术领域
本发明涉及一种非线性自适应滤波器及其对动态迟滞非线性系统的建模与补偿方法,属于动态迟滞非线性系统建模与控制领域。
背景技术
迟滞非线性特性广泛存在于磁致伸缩合金、压电陶瓷等系统,是一类特殊的非线性,表现为率无关记忆性。它的存在降低系统的控制精度和控制带宽,甚至造成系统振荡。在实际工程中迟滞系统常常处于热-力-电-磁等多场耦合作用下,形成了更为复杂的动态迟滞非线性。
传统的迟滞非线性模型如Prandtl-Ishlinskii(PI)模型、Presiach模型、Bouc-Wen模型、Duhem模型、Jile-Atherton(JA)模型等都是静态迟滞非线性模型,描述动态迟滞非线性的精度较差。已有的一些动态迟滞非线性的建模方法是在静态迟滞模型的权函数或阈值中引入输入信号速率变量,这些动态迟滞建模方法大都实现复杂,无法在线实时建模,不利于工程应用。
有限脉冲响应自适应滤波器(FIR自适应滤波器)被用于系统建模和自适应逆控制,具有结构简单、实时性好、精度高等优点。但线性的FIR自适应滤波器对动态迟滞非线性建模精度较差。工程中常用的二级Volterra非线性自适应滤波器提高动态迟滞非线性系统建模精度效果不大。有发明采用Backlash算子替代FIR滤波器中的延迟算子构成Backlash自适应滤波器,但它本质上仍然是一种静态迟滞模型,因此对动态迟滞非线性进行建模效果仍不好。
发明内容
本发明要解决的技术问题为:克服FIR自适应滤波器、Backlash自适应滤波器以及Volterra自适应滤波器动态迟滞非线性系统建模精度较差的不足,提供一种精度高、实时性好、易于实现的非线性自适应滤波及其对动态迟滞非线性的建模与补偿的方法。本发明结合GPO迟滞建模的特点和自适应逆控制的横向滤波器结构简单适应性强的优点,提出一种GPO自适应滤波器及其对迟滞的建模与补偿方法。
本发明解决上述技术问题采用的技术方案为:一种用于动态迟滞系统建模与补偿的非线性自适应滤波器,包括:多个延时算子模块、多个阈值均匀分布的GPO模块,多个自适应加权模块、加法器模块、误差计算模块、权值自适应调整模块;其中多个延时算子模块连接形成串联结构,滤波器的输入信号与第一个延时模块相连;相邻两个延时模块之间的信号被引出并输入到一个GPO模块;每个GPO模块的输出端与自适应加权模块的输入端相连;每个自适应加权模块的输出端连接加法器模块的输入端;加法器模块的输出为非线性自适应滤波器的输出;加法器的输出端与误差计算模块的一个输入端相连,期望输出信号与误差计算模块的另一个输入端相连,误差计算模块的输出与自适应加权模块连接。
其中,加法器模块的功能为将各个GPO模块的输出加权叠加得到整个滤波器的输出:其中x(k)表示第k时刻滤波器的输入信号,x(k-i)表示串联延时算子结构中第i个延时算子模块的输出,Hi[x(k-i)]表示第i个GPO的输出,wi表示第i个加权模块的值,n+1为所选择的GPO的个数;
其中,误差计算模块的功能为:计算期望输出d(k)与滤波器实际输出y(k)之差e(k)=d(k)-y(k),其结果供调整自适应加权模块的自适应权值使用。
其中,自适应加权模块有多个,各个加权模块的自适应权值根据期望输出与实际滤波器的输出的误差,即误差计算模块的输出进行实时调整。调整原则为最小均方(LMS)自适应算法,其具体过程为:计算滤波器的输出y(k)与期望输出d(k)的误差 最小均方差ξ=E[e2(k)]。LMS能利用性能曲面的梯度来寻找它的最小值,权向量的变化正比于梯度向量的负值: 为梯度向量,标量参数μ是收敛因子,它控制稳定性和收敛速度,μ越大收敛速度越快。取ε2(k)作为均方误差E[ε2(k)]的估计值,可得此时权向量的递推表达式:
W(k+1)=W(k)+2·μ·e(k)·H(k)
其中,W(k+1),W(k)分别是(k+1)时刻与(k)时刻的权值向量。μ是收敛因子,H(k)是GPO结构输出向量,H(k)=[H0(x(k)),H1(x(k-1)),…,Hn(x(k-n))]。
本滤波器采用多个阈值均匀分布的GPO模块的输出Hi[x(k)]为:
其中ri为第i个GPO的阈值,n+1个算子的阈值均匀分布i=0,1,2,…n,γl(x(k))=a1tanh(a2x(k)+a3)+a4为GPO的左包络函数,γr(x(k))=b1tanh(b2x(k)+b3)+b4为GPO的右包络函数,||x||∞为滤波器输入信号的最大值。
利用本发明的非线性自适应滤波器对动态迟滞建模的方法为:
步骤1,搭建动态迟滞系统自适应建模系统:将建模激励信号同时连接到实际动态迟滞非线性系统的输入端和非线性自适应滤波器的输入端;实际动态迟滞非线性系统的输出端和非线性自适应滤波器的输出端分别输入减法器;
步骤2,随机确定自适应加权模块的初始值W(0)=[w0(0),w1(0),w2(0),…wn(0)];根据系统先验知识确定GPO包络函数的参数a1,a2,a3,a4,b1,b2,b3,b4、非线性滤波器的阶数n+1和收敛因子μ;
步骤3、将建模激励信号x(k)输入建模系统,非线性自适应滤波器的输出为GPO模块的输出为Hi[x(k-i)];减法器的输出e(k)=d(k)-y(k),调整加权模块的权值为wi(k+1)=wi(k)+2·μ·e(k)·Hi[x(k-i)];
步骤4、依次输入建模激励信号并重复步骤3,直到减法器输出的建模误差不再继续下降。
利用本发明的非线性自适应滤波器对迟滞的补偿方法为:
步骤1,搭建迟滞系统的自适应逆控制系统;指令输入信号与非线性自适应滤波器的滤波信号输入端相连,非线性自适应滤波器的输出端与实际迟滞非线性系统相连,将指令信号与实际迟滞非线性系统的输出信号分别输入减法器;减法器的输出经自适应算法后连接到非线性自适应滤波器的期望输出信号输入端;
步骤2,在步骤1搭建的自适应逆控制系统的基础上,随机给定加权模块的值W(0)=[w0(0),w1(0),w2(0),…wn(0)],根据系统先验知识确定GPO的左右包络函数γl(x(k))=a1(atanh(a2x(k)+a3))+a4,γr(x(k))=b1(atanh(b2x(k)+b3))+b4,阈值r,非线性滤波器的阶数n+1和收敛因子μ;
步骤3、将指令输入信号x(k)输入控制系统,非线性自适应滤波器的输出为GPO模块的输出为Hi[x(k-i)];减法器的输出e(k)=x(k)-x'(k),其中x(k)和x'(k)分别是k时刻的指令输入信号和非线性系统输出信号,调整加权模块的权值为wi(k+1)=wi(k)+2·μ·e(k)·Hi[x(k-i)];
步骤4、依次输入指令输入信号并重复步骤3,直到减法器输出的控制误差不再继续下降。
本发明与现有技术相比的优点:本发明的非线性自适应滤波器在横向线性滤波器的结构上进行改进,加入了GPO。与横向滤波器和Backlash自适应滤波器相比能更好地描述非对称迟滞非线性系统,并且具有更高的建模精度和更宽的带宽。基于GPO的自适应滤波器的自适应逆控制可以有效的补偿超磁致伸缩执行器的迟滞非线性。
附图说明
图1为本发明的一种用于动态迟滞系统建模与补偿的非线性自适应滤波器的结构框图;
图2为本发明的一种用于动态迟滞系统建模与补偿的非线性自适应滤波器的建模系统示意图;
图3为本发明的一种用于动态迟滞系统建模与补偿的非线性自适应滤波器的自适应逆控制系统示意图;
图4为具体实施方式的超磁致伸缩执行器平台的结构示意图;
图5为具体实施方式中用于效果对比的两种滤波器的结构示意图,其中(a)为加入平方项的Volterra自适应滤波器的结构示意图,(b)为Backlash自适应滤波器的结构示意图;
图6为具体实施方式中用于动态迟滞系统建模与补偿的非线性自适应滤波器与其它滤波器的建模效果图;其中,(a)、(b)分别为采用加入平方项的Volterra自适应滤波器的建模情况与误差,(c)、(d)分别为采用Backlash自适应滤波器的建模情况与误差,(e)、(f)分别为采用本发明的非线性自适应滤波器的建模情况与误差;
图7为采用所述的用于动态迟滞系统建模与补偿的非线性自适应滤波器的自适应逆控制时的控制效果图,其中,(a)、(b)分别为采用所述的用于动态迟滞系统建模与补偿的非线性自适应滤波器的自适应逆控制方法时的跟踪情况及误差效果图;
图8为具体实施方式中经自适应逆控制稳定后的输入-输出曲线图。
具体实施方式
为了更好的说明本发明的目的和优点,下面结合附图和实例加以进一步说明。
本发明的一种用于动态迟滞系统建模与补偿的非线性自适应滤波器的结构如图1所示,包括多个延时算子模块、多个阈值均匀分布的GPO模块,多个自适应加权模块、加法器模块、误差计算模块、权值自适应调整模块。按照式(1)计算各个GPO环节的输出。
本实施例通过在超磁致伸缩执行器系统实验平台上进行实验,以验证本发明提出的非线性自适应滤波器的建模效果优于现有技术。
利用本发明的非线性自适应滤波器对迟滞系统进行建模的系统示意图如图2所示。其中,本实施例建立的模型的非线性系统为超磁致伸缩作动器。建模时,对于输入的建模信号,将超磁致伸缩执行器纳米定位系统的输出位移与非线性自适应滤波器的输出通过减法器求得误差,根据非线性自适应滤波器的GPO输出向量,采用LMS算法更新权值,最终求得一组使得本发明的非线性自适应滤波器能够精确的逼近超磁致伸缩执行器迟滞的权值,建模过程结束。通过实验选择使收敛速度快且不发散的收敛因子μ=0.3以及滤波器的阶数为n=20,此时的参数使建模结果较为精确。
采用本发明的非线性自适应滤波器进行自适应逆控制的结构示意图如图3所示。本发明的非线性自适应滤波器作为控制器串联于超磁致伸缩非线性系统的前面,给定指令输入与超磁致伸缩纳米定位系统的输出的误差被用来按照LMS算法实时更新非线性自适应滤波器的自适应权值。本发明的基于非线性自适应滤波器的自适应逆控制方法能够实时调整权函数,使得非线性输出较精确地跟随指令输入。
按照图3搭建的超磁致伸缩执行器系统实验平台如图4所示,超磁致伸缩执行器由北京航空航天大学材料科学与工程学院制造,输出位移范围为±30μm。D/A转换器把来自电脑的控制信号通过功率放大器(GF-20)输入给超磁致伸缩执行器。超磁致伸缩执行器的位移通过电涡流传感器(8mV/μm)测量。超磁致伸缩执行器的位移通过A/D转换器输出给控制卡(DS1103)并记录在计算机里。
运用非线性自适应滤波器进行建模的效果如图6(c)所示,超磁致伸缩执行器的实际输出位移与非线性自适应滤波器的输出进行了比较并列出了误差。采用加入平方项的Volterra自适应滤波器(如图5(a)所示)的建模效果以及Backlash自适应滤波器(如图5(b)所示)的建模效果分别如图6(a)和6(b)所示。
对于不同输入频率信号的建模实验,选取4种不同频率信号输入超磁致伸缩执行器,测量其实际位移输出,比较不同频率信号输入情况下,运用不同的模型建模时的相对误差 和均方根误差 其中为非线性滤波器的输出,y为超磁致伸缩执行器的实际输出位移。计算相对误差和均方根误差时,从自适应过程进行一段时间后开始,此后最大绝对值误差基本不再减小。表1列出了不同情况下的误差。
表1不同输入信号下的建模误差
可见提出的非线性自适应滤波器能达到更高的精度,建模均方根误差低于0.3μm以下。以上实验结果可以看出,本发明提出的非线性自适应滤波器可以达到较好的建模结果。
图7是给定幅值为26,频率为20Hz正弦信号时,采用了非线性自适应滤波器的自适应逆控制器的跟随情况。
图8是上述信号输入情况下,经补偿后稳定输出位移跟随给定位移的情况。可以看出稳定后,经过补偿,输出位移可以基本给定位移,迟滞非线性被有效地补偿了。
Claims (6)
1.一种用于动态迟滞非线性系统建模与补偿的非线性自适应滤波器,其特征在于包括:多个延时算子模块、多个阈值均匀分布的广义Play算子(GPO)模块,多个自适应加权模块、加法器模块、误差计算模块、权值自适应调整模块;其中多个延时算子模块连接形成串联结构,滤波器的输入信号与第一个延时模块相连;相邻两个延时模块之间的信号被引出并输入到一个GPO模块;每个GPO模块的输出端与自适应加权模块的输入端相连;每个自适应加权模块的输出端连接加法器模块的输入端;加法器模块的输出为非线性自适应滤波器的输出;加法器的输出端与误差计算模块的一个输入端相连,期望输出信号与误差计算模块的另一个输入端相连,误差计算模块的输出与自适应加权模块连接。
2.根据权利要求1所述的非线性自适应滤波器,其特征在于:所述的加法器模块将各个GPO模块的输出加权叠加得到整个滤波器的输出:其中x(k)表示第k时刻滤波器的输入信号,x(k-i)表示串联延时算子结构中第i个延时算子模块的输出,Hi[x(k-i)]表示第i个GPO的输出,wi表示第i个加权模块的值,n+1为所选择的GPO的个数。
3.根据权利要求1所述的非线性自适应滤波器,其特征在于:所述的误差计算模块的输出e(k)为期望输出d(k)与滤波器输出y(k)之差e(k)=d(k)-y(k)。
4.根据权利要求1所述的非线性自适应滤波器,其特征在于:多个阈值均匀分布的GPO模块的输出Hi[x(k)]为:
其中ri为第i个GPO的阈值,n+1个算子的阈值均匀分布i=0,1,2,…n,γl(x(k))=a1tanh(a2x(k)+a3)+a4为GPO的左包络函数,γr(x(k))=b1tanh(b2x(k)+b3)+b4为GPO的右包络函数,||x||∞为滤波器输入信号的最大值。
5.根据权利要求1所述的非线性自适应滤波器,其特征在于:利用非线性自适应滤波器进行动态迟滞建模的方法为:
步骤1,搭建动态迟滞系统自适应建模系统:将建模激励信号同时连接到实际动态迟滞非线性系统的输入端和非线性自适应滤波器的输入端;实际动态迟滞非线性系统的输出端和非线性自适应滤波器的输出端分别输入减法器;
步骤2,随机确定自适应加权模块的初始值w(0)=[w0(0),w1(0),w2(0),…wn(0)];根据系统先验知识确定GPO包络函数的参数a1,a2,a3,a4,b1,b2,b3,b4、非线性滤波器的阶数n+1和收敛因子μ;
步骤3、将建模激励信号x(k)输入建模系统,非线性自适应滤波器的输出为GPO模块的输出为Hi[x(k-i)];减法器的输出e(k)=d(k)-y(k),调整加权模块的权值为wi(k+1)=wi(k)+2·μ·e(k)·Hi[x(k-i)];
步骤4、依次输入建模激励信号并重复步骤3,直到减法器输出的建模误差不再继续下降。
6.根据权利要求1所述的非线性自适应滤波器,其特征在于:利用非线性自适应滤波器对迟滞的补偿方法为:
步骤1,搭建迟滞系统的自适应逆控制系统;指令输入信号与非线性自适应滤波器的输入端相连,非线性自适应滤波器的输出端与实际迟滞非线性系统相连,将指令信号与实际迟滞非线性系统的输出信号分别输入减法器;减法器的输出经自适应算法后连接到非线性自适应滤波器的期望输出信号输入端;
步骤2,在步骤1搭建的自适应逆控制系统的基础上,随机给定加权模块的值W(0)=[w0(0),w1(0),w2(0),…wn(0)],根据系统先验知识确定GPO的左右包络函数γl(x(k))=a1(atanh(a2x(k)+a3))+a4,γr(x(k))=b1(atanh(b2x(k)+b3))+b4,阈值r,非线性滤波器的阶数n+1和收敛因子μ;
步骤3、将指令输入信号x(k)输入控制系统,非线性自适应滤波器的输出为GPO模块的输出为Hi[x(k-i)];减法器的输出e(k)=x(k)-x'(k),其中x(k)和x'(k)分别是k时刻的指令输入信号和非线性系统输出信号,调整加权模块的权值为wi(k+1)=wi(k)+2·μ·e(k)·Hi[x(k-i)];
步骤4、依次输入指令输入信号并重复步骤3,直到减法器输出的控制误差不再继续下降。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510244505.7A CN104796111B (zh) | 2015-05-14 | 2015-05-14 | 一种用于动态迟滞系统建模与补偿的非线性自适应滤波器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510244505.7A CN104796111B (zh) | 2015-05-14 | 2015-05-14 | 一种用于动态迟滞系统建模与补偿的非线性自适应滤波器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104796111A true CN104796111A (zh) | 2015-07-22 |
CN104796111B CN104796111B (zh) | 2017-07-28 |
Family
ID=53560671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510244505.7A Expired - Fee Related CN104796111B (zh) | 2015-05-14 | 2015-05-14 | 一种用于动态迟滞系统建模与补偿的非线性自适应滤波器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104796111B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106406093A (zh) * | 2016-10-12 | 2017-02-15 | 闽江学院 | 超声波电机伺服控制系统不对称滞回补偿控制装置及方法 |
CN106802565A (zh) * | 2017-03-13 | 2017-06-06 | 南京理工大学 | 一种压电驱动器的自适应逆控制方法 |
CN107340714A (zh) * | 2016-12-20 | 2017-11-10 | 北京航空航天大学 | 一种纳米伺服系统的自适应逆控制方法 |
CN107807531A (zh) * | 2017-11-30 | 2018-03-16 | 北京航空航天大学 | 一种用于超磁致伸缩跟踪平台的自适应逆跟踪控制方法 |
CN108446512A (zh) * | 2018-03-29 | 2018-08-24 | 西南交通大学 | 一种智能材料作动器的率相关自适应逆控制方法 |
CN108763614A (zh) * | 2018-04-03 | 2018-11-06 | 哈尔滨工业大学 | 一种压电陶瓷作动器的弹性-滑动分布参数模型的参数辨识方法 |
CN108988824A (zh) * | 2018-09-29 | 2018-12-11 | 珠海市中科蓝讯科技有限公司 | 自适应式校准电路及方法 |
CN109828468A (zh) * | 2019-03-04 | 2019-05-31 | 燕山大学 | 一种针对磁滞非线性机器人系统的控制方法 |
CN110661511A (zh) * | 2019-11-13 | 2020-01-07 | 北京理工大学 | 一种矩阵型自适应滤波器迟滞控制系统及方法 |
CN110705196A (zh) * | 2019-09-25 | 2020-01-17 | 电子科技大学 | 一种基于随机计算的无误差加法器 |
CN112959321A (zh) * | 2021-02-10 | 2021-06-15 | 桂林电子科技大学 | 基于改进pi结构的机器人柔性关节转换误差补偿方法 |
CN113147711A (zh) * | 2021-04-06 | 2021-07-23 | 南京航空航天大学 | 一种超磁致伸缩线控制动系统的非线性制动力补偿方法 |
CN113179044A (zh) * | 2021-05-21 | 2021-07-27 | 南开大学 | 一种压电陶瓷驱动器的迟滞补偿方法、系统及定位设备 |
CN113741351A (zh) * | 2021-09-01 | 2021-12-03 | 闽江学院 | 基于改进play算子的电机伺服控制系统迟滞控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101977034A (zh) * | 2010-11-08 | 2011-02-16 | 北京理工大学 | Backlash自适应滤波器及其对迟滞的建模与补偿方法 |
CN101986564A (zh) * | 2010-11-17 | 2011-03-16 | 北京理工大学 | 基于Backlash算子和神经网络的自适应滤波器 |
CN103336429A (zh) * | 2013-06-24 | 2013-10-02 | 中国科学院长春光学精密机械与物理研究所 | 一种压电陶瓷执行器的高精度控制方法 |
CN103853046A (zh) * | 2014-02-14 | 2014-06-11 | 广东工业大学 | 一种压电陶瓷驱动器的自适应学习控制方法 |
-
2015
- 2015-05-14 CN CN201510244505.7A patent/CN104796111B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101977034A (zh) * | 2010-11-08 | 2011-02-16 | 北京理工大学 | Backlash自适应滤波器及其对迟滞的建模与补偿方法 |
CN101986564A (zh) * | 2010-11-17 | 2011-03-16 | 北京理工大学 | 基于Backlash算子和神经网络的自适应滤波器 |
CN103336429A (zh) * | 2013-06-24 | 2013-10-02 | 中国科学院长春光学精密机械与物理研究所 | 一种压电陶瓷执行器的高精度控制方法 |
CN103853046A (zh) * | 2014-02-14 | 2014-06-11 | 广东工业大学 | 一种压电陶瓷驱动器的自适应学习控制方法 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106406093B (zh) * | 2016-10-12 | 2019-10-11 | 闽江学院 | 超声波电机伺服控制系统不对称滞回补偿控制装置 |
CN106406093A (zh) * | 2016-10-12 | 2017-02-15 | 闽江学院 | 超声波电机伺服控制系统不对称滞回补偿控制装置及方法 |
CN107340714B (zh) * | 2016-12-20 | 2020-12-11 | 北京航空航天大学 | 一种纳米伺服系统的自适应逆控制方法 |
CN107340714A (zh) * | 2016-12-20 | 2017-11-10 | 北京航空航天大学 | 一种纳米伺服系统的自适应逆控制方法 |
CN106802565A (zh) * | 2017-03-13 | 2017-06-06 | 南京理工大学 | 一种压电驱动器的自适应逆控制方法 |
CN107807531A (zh) * | 2017-11-30 | 2018-03-16 | 北京航空航天大学 | 一种用于超磁致伸缩跟踪平台的自适应逆跟踪控制方法 |
CN107807531B (zh) * | 2017-11-30 | 2020-02-18 | 北京航空航天大学 | 一种用于超磁致伸缩跟踪平台的自适应逆跟踪控制方法 |
CN108446512A (zh) * | 2018-03-29 | 2018-08-24 | 西南交通大学 | 一种智能材料作动器的率相关自适应逆控制方法 |
CN108763614A (zh) * | 2018-04-03 | 2018-11-06 | 哈尔滨工业大学 | 一种压电陶瓷作动器的弹性-滑动分布参数模型的参数辨识方法 |
CN108763614B (zh) * | 2018-04-03 | 2022-03-04 | 哈尔滨工业大学 | 一种压电陶瓷作动器的弹性-滑动分布参数模型的参数辨识方法 |
CN108988824A (zh) * | 2018-09-29 | 2018-12-11 | 珠海市中科蓝讯科技有限公司 | 自适应式校准电路及方法 |
CN109828468A (zh) * | 2019-03-04 | 2019-05-31 | 燕山大学 | 一种针对磁滞非线性机器人系统的控制方法 |
CN110705196A (zh) * | 2019-09-25 | 2020-01-17 | 电子科技大学 | 一种基于随机计算的无误差加法器 |
CN110661511B (zh) * | 2019-11-13 | 2021-04-02 | 北京理工大学 | 一种矩阵型自适应滤波器迟滞控制系统及方法 |
CN110661511A (zh) * | 2019-11-13 | 2020-01-07 | 北京理工大学 | 一种矩阵型自适应滤波器迟滞控制系统及方法 |
CN112959321A (zh) * | 2021-02-10 | 2021-06-15 | 桂林电子科技大学 | 基于改进pi结构的机器人柔性关节转换误差补偿方法 |
CN112959321B (zh) * | 2021-02-10 | 2022-03-11 | 桂林电子科技大学 | 基于改进pi结构的机器人柔性关节转换误差补偿方法 |
CN113147711A (zh) * | 2021-04-06 | 2021-07-23 | 南京航空航天大学 | 一种超磁致伸缩线控制动系统的非线性制动力补偿方法 |
CN113147711B (zh) * | 2021-04-06 | 2022-04-05 | 南京航空航天大学 | 一种超磁致伸缩线控制动系统的非线性制动力补偿方法 |
CN113179044A (zh) * | 2021-05-21 | 2021-07-27 | 南开大学 | 一种压电陶瓷驱动器的迟滞补偿方法、系统及定位设备 |
CN113179044B (zh) * | 2021-05-21 | 2022-02-18 | 南开大学 | 一种压电陶瓷驱动器的迟滞补偿方法、系统及定位设备 |
CN113741351A (zh) * | 2021-09-01 | 2021-12-03 | 闽江学院 | 基于改进play算子的电机伺服控制系统迟滞控制方法 |
CN113741351B (zh) * | 2021-09-01 | 2023-03-14 | 闽江学院 | 基于改进play算子的电机伺服控制系统迟滞控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104796111B (zh) | 2017-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104796111A (zh) | 一种用于动态迟滞系统建模与补偿的非线性自适应滤波器 | |
CN101986564B (zh) | 基于Backlash算子和神经网络的自适应滤波器 | |
CN101977034B (zh) | Backlash自适应滤波器及其对迟滞的建模与补偿方法 | |
CN107561935B (zh) | 基于多层神经网络的电机位置伺服系统摩擦补偿控制方法 | |
Ren et al. | Adaptive neural control for a class of nonlinear systems with uncertain hysteresis inputs and time-varying state delays | |
CN108762083B (zh) | 一种基于加速度观测器的自动控制系统 | |
CN108388114A (zh) | 一种基于输出重定义的柔性机械臂复合控制方法 | |
CN109067232B (zh) | 基于递归神经网络的并网逆变器电流控制方法 | |
CN102394592B (zh) | 一种基于Backlash算子的自适应滤波器 | |
CN105469142A (zh) | 一种基于样本增量驱动的神经网络增量型前馈算法 | |
CN107807531B (zh) | 一种用于超磁致伸缩跟踪平台的自适应逆跟踪控制方法 | |
CN113031434B (zh) | 时滞多柔性摆臂系统分数阶自适应控制方法及装置 | |
CN105353610A (zh) | 基于kp模型的磁控形状记忆合金执行器建模方法 | |
CN110048694A (zh) | 基于变元步长的随机傅里叶特征核最小均方算法 | |
CN107943097B (zh) | 飞行器的控制方法、装置和飞行器 | |
CN116755481A (zh) | 一种基于神经网络的pid振动主动控制与可靠性分析方法 | |
CN116540532A (zh) | 一种考虑输入迟滞的压电微定位平台的自适应模糊输出反馈控制方法 | |
CN102655326A (zh) | 一种有源电力滤波器的神经网络逆控制器构造方法 | |
CN114371618B (zh) | 基于神经网络的扩张状态观测器补偿方法及自抗扰控制器 | |
CN113114128B (zh) | 基于广义Bouc-Wen逆模型的压电前馈补偿方法 | |
CN112363398B (zh) | 一种控制输入受限下的桥吊系统有限时间滑模控制系统及方法 | |
CN115220352A (zh) | 基于有限时间指令滤波器的自适应跟踪控制方法及系统 | |
CN104993485B (zh) | 一种并联混合型有源滤波器系统及其控制方法 | |
CN110297426B (zh) | 采用周期干扰差分抑制策略的并联型半周期重复控制方法 | |
CN114625008A (zh) | 一种自整定非线性迭代学习控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170728 |