CN109709809A - 基于磁滞内核的电/磁流变执行器非线性力的建模方法及其跟踪方法 - Google Patents
基于磁滞内核的电/磁流变执行器非线性力的建模方法及其跟踪方法 Download PDFInfo
- Publication number
- CN109709809A CN109709809A CN201910043818.4A CN201910043818A CN109709809A CN 109709809 A CN109709809 A CN 109709809A CN 201910043818 A CN201910043818 A CN 201910043818A CN 109709809 A CN109709809 A CN 109709809A
- Authority
- CN
- China
- Prior art keywords
- formula
- moment
- magnetic
- magnetic hysteresis
- kernel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000013016 damping Methods 0.000 claims abstract description 9
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 230000005284 excitation Effects 0.000 claims description 13
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000035939 shock Effects 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 18
- 239000000919 ceramic Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000011800 void material Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 1
- 229910001285 shape-memory alloy Inorganic materials 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开了一种基于磁滞内核的电/磁流变执行器非线性力的建模方法及其跟踪方法，包括：基于磁滞内核的磁滞特性建模；基于磁滞内核建立的电/磁流变执行器的非线性力模型；基于磁滞内核的电/磁流变执行器非线性模型的力跟踪方法。本发明能够准确地模拟、预测、跟踪各执行器的磁滞非线性特性，从而能够更准确的输出控制系统所需要的期望阻尼力并应用在振动/冲击等快速控制系统中。
Description
技术领域
本发明涉及机械系统动力学建模及非线性控制领域，更具体地说是一种基于磁滞内核的磁滞非线性力建模与跟踪方法。
背景技术
磁滞特性广泛存在于各种工程领域，如基于电/磁流变液、压电陶瓷、形状记忆合金等智能材料的智能设备、结构元件、机械系统以及能量耗散系统等。但由于其固有的强非线性磁滞特性，建立高效且准确的数学模型来描述其磁滞非线性力学特性是一项具有挑战性的任务，其精准的非线性跟踪与非线性力控制也就难以实现。
磁滞非线性计算方法的大多研究是在大量的试验基础上，尤其是通过对磁滞环特性的理解，已有不少可以进行有效磁滞非线性模拟和计算的方法可以参考。在已有的模型和计算方法中，主要有Bingham模型、多项式模型、Sigmoid模型、神经网络模型、Dahl模型、LuGre模型和基于Bouc-Wen算子的磁滞模型等。但是Bingham模型、多项式模型、Sigmoid模型和神经网络模型等不能很好地描述和/或预测磁滞非线性特性；而Dahl模型、LuGre模型和基于Bouc-Wen算子的磁滞模型等，虽然具有较好的磁滞表征能力，但多由微分方程组成、磁滞参数较多，在进行计算时对计算机性能要求比较高，工程应用时也会导致复杂的控制器设计和控制滞后。
电/磁流变执行器是目前研究和应用广泛的耗能执行器，其输出力的跟踪控制准确性严重影响振动/冲击系统的控制效果，目前对电/磁流变执行器的非线性力跟踪成果大多都是基于Bouc-Wen算子的磁滞模型。在实际应用中，总是希望控制系统的运算越快越好，但是因为基于Bouc-Wen算子的磁滞模型参数较多，且表达式多为微分方程，故运算效率相对较慢，并且在预测电/磁流变执行器的非线性力方面不够准确。
发明内容
本发明为解决上述现有技术所存在的不足，提出一种基于磁滞内核的电/磁流变执行器非线性力的建模方法及其跟踪方法，以期能准确地模拟、预测、跟踪各执行器的磁滞非线性特性，从而为电/磁流变执行器输出阻尼力的精确控制奠定基础。
本发明为解决技术问题采用如下技术方案：
本发明一种基于磁滞内核的电/磁流变执行器非线性力的建模方法的特点在于是按如下步骤进行：
步骤1：设置所述电/磁流变执行器的磁滞内核的参数，包括：t时刻的磁滞输出z(t)、t时刻的磁滞模型输入位移激励x(t)、t时刻的速度激励t时刻的虚拟位移S(t)、t时刻的磁滞输出z(t)、虚拟位移参考点S0和位移参考点x0；
初始化t＝1；
随机初始化t-1时刻的虚拟位移S(t-1)；且S(t-1)不为0；随机初始化t-1时刻的位移激励x(t-1)；令t-1时刻的磁滞输出z(t-1)为区间[-1,1]中任意数；
将t-1时刻的虚拟位移S(t-1)赋值给虚拟位移参考点S0，将t-1时刻的位移激励x(t-1)赋值给位移参考点x0；
步骤2：根据磁滞模型t时刻输入的速度激励的符号判别磁滞内核的工作模式：
当的符号为正时，表示所述磁滞内核t时刻工作在加载模式；
当的符号为负时，表示所述磁滞内核t时刻工作在卸载模式；
当为零时，表示所述磁滞内核t时刻的磁滞输出z(t)保持不变；
步骤3：判断是否成立，若成立，则利用式(1)和式(2)分别更新虚拟位移参考点S0和位移参考点x0，得到更新后的虚拟位移参考点S′0和位移参考点x′0并分别赋值给S0和x0，否则，保持虚拟位移参考点S0和位移参考点x0不变：
x′0＝x(t-1) (2)
式(1)中，函数和为两个功能函数g1(S(t))和g2(S(t))的逆函数；a为磁滞非线性曲线调整参数，且a＞0；
步骤4：利用式(3)计算t时刻的虚拟位移变量S(t)，使得虚拟位移变量S(t)在加载模式中恒为正数，在卸载模式中恒为负数：
S(t)＝S0+x(t)-x0 (3)
步骤5：利用式(4)实时计算t时刻的磁滞输出z(t)，从而构建磁滞内核：
式(4)中，函数g1(S(t))和g2(S(t))为调整磁滞非线性曲线的功能函数，且是虚拟位移变量S(t)的单调递增函数，且满足g1(0+)＝g2(0-)＝0；
步骤6：将所述磁滞内核分别与阻尼元件和弹性元件并联，从而建立如式(5)所示的t时刻电/磁流变执行器的非线性模型：
式(5)中，F(t)表示t时刻的非线性力输出；f表示初始位移弹性力；c、k和α分别表示阻尼系数、刚度系数和磁滞系数；并利用式(6)和式(7)分别得到阻尼系数c和磁滞系数α：
c＝c1I(t)2+c2I(t)+c3 (6)
α＝α1I(t)2+α2I(t)+α3 (7)
式(6)和式(7)中，c1、c2和c3均为阻尼系数c的拟合参数，α1、α2和α3为磁滞系数α的拟合参数；并通过参数辨识法获得各个参数值。
本发明所述的建模方法的跟踪方法的特点是按如下步骤进行：
步骤7：利用式(8)计算出t时刻的期望力Fdesired(t)：
式(8)中，λ为比例系数；并将t时刻的激励位移x(t)带入式(3)和式(4)中，得到t时刻的磁滞输出z(t)；
步骤8：将Ftracking(t)、z(t)、x(t)和式(6)、式(7)带入式(5)，得到如式(9)所示的跟踪力Ftracking(t)与电/磁流变执行器t时刻的输入期望电流Idesired(t)的关系式：
式(9)中，变量变量变量
步骤9：建立如式(10)所示的目标函数，并求得目标函数为最小值时所对应的输入期望电流Idesired(t)：
min(|Fdesired(t)-Ftracking(t)|)，Idesired(t)∈[0,Imax] (10)
式(10)中，min是最小值函数；Imax是电/磁流变执行器的最大电流；
步骤10：将所述输入期望电流Idesired(t)输入电/磁流变执行器中，从而得到t时刻的输出跟踪力Ftracking(t)；
步骤11、将t+1赋值给t后，返回步骤2执行。
与已有技术相比，本发明有益效果体现在：
1、本发明基于磁滞内核的磁滞非线性建模方法，磁滞参数较少，在保证能准确描述和预测电/磁流变执行器磁滞非线性力学特性的情况下，大幅提高了计算效率，更有益于数值仿真、参数辨识和振动/冲击等领域的在线控制系统；从而能够更准确的输出控制系统所需要的期望阻尼力并应用在振动/冲击等快速控制系统中。
2、诸如压电陶瓷和形状记忆合金等主动执行器，不仅需要拟合其非线性特性的磁滞模型，在实际控制系统中，还需要磁滞逆模型，利用本发明提出的基于磁滞内核的磁滞非线性建模方法，其代数表达式的磁滞内核很容易得到相应的磁滞逆模型，为压电陶瓷和形状记忆合金等主动执行器的力跟踪控制系统奠定基础。
3、本发明提出的基于磁滞内核的磁滞非线性建模方法，可以通过修正功能函数g1(S(t))和g2(S(t))，进一步提高表征磁滞非线性特性的能力，并且能够更加直观地表明模型中参数对磁滞环的影响。
4、本发明提出的磁滞非线性力的跟踪方法，可以将电/磁流变执行器、压电陶瓷执行器等的期望力与实际跟踪力的误差降到最低。
5、因电/磁流变执行器的输出力的跟踪控制准确性是由拟合其力特性的磁滞模型决定的，而本发明提出一种基于磁滞内核的磁滞模型建模方法来更准确的拟合电/磁流变执行器的非线性磁滞特性，相比于基于Bouc-Wen算子的磁滞模型，该模型的参数相对较少且均为算术表达式，能够更精准更快速的拟合电/磁流变执行器的非线性磁滞特性，从而能够更准确的输出控制器所需要的期望阻尼力。
附图说明
图1为本发明的流程图；
图2为本发明磁滞内核磁滞模型磁滞输出流程图；
图3为本发明基于磁滞内核磁滞模型的电/磁流变执行器力输出原理图；
图4为本发明的力跟踪原理图。
具体实施方式
本实施例中，如图1所示，一种基于磁滞内核的电/磁流变执行器的磁滞非线性力建模及跟踪方法，具体包括基于磁滞内核的磁滞建模，基于磁滞内核建立电/磁流变执行器磁滞非线性力输出模型、模型参数辨识以及基于磁滞内核的电/磁流变执行器磁滞非线性力跟踪方法。具体的说，一种基于磁滞内核的电/磁流变执行器非线性力的建模方法，如图2所示，是按如下步骤进行：
步骤1：设置电/磁流变执行器的磁滞内核的参数，包括：t时刻的磁滞输出z(t)、t时刻的磁滞模型输入位移激励x(t)、t时刻的速度激励t时刻的虚拟位移S(t)、t时刻的磁滞输出z(t)、虚拟位移参考点S0和位移参考点x0；
初始化参数：t＝1；S(0)可以为任意不为0的值，z(0)可以在区间[-1,1]中赋任意值，x(0)可以赋任意值；本实施例中，S(0)＝0.17；x(0)＝0；z(0)＝0；将为0时刻的虚拟位移S(0)赋值给虚拟位移参考点S0，将0时刻的位移激励x(0)赋值给位移参考点x0；
步骤2：根据磁滞模型t时刻输入的速度激励的符号判别磁滞内核的工作模式：
当的符号为正时，磁滞内核t时刻工作在加载模式；
当的符号为负时，磁滞内核t时刻工作在卸载模式；
当为零时，磁滞内核t时刻的磁滞输出z(t)保持不变；
步骤3：判断是否成立，若成立，则利用式(1)和式(2)分别更新虚拟位移参考点S0和位移参考点x0，得到更新后的虚拟位移参考点S′0和位移参考点x′0并分别赋值给S0和x0，否则，保持虚拟位移参考点S0和位移参考点x0不变：
x′0＝x(t-1) (2)
式(1)中，函数和为两个功能函数g1(S(t))和g2(S(t))的逆函数；a为磁滞非线性曲线调整参数，且a＞0；
步骤4：利用式(3)计算t时刻的虚拟位移变量S(t)，使得虚拟位移变量S(t)在加载模式中恒为正数，在卸载模式中恒为负数：
S(t)＝S0+x(t)-x0 (3)
步骤5：利用式(4)实时计算t时刻的磁滞输出z(t)，从而构建t时刻的磁滞内核：
式(4)中，函数g1(S(t))和g2(S(t))为调整磁滞非线性曲线的功能函数，且是虚拟位移变量S(t)的单调递增函数，且满足g1(0+)＝g2(0-)＝0；本发明g1(S(t))＝|S(t)|b，g2(S(t))＝-|S(t)|b，其中参数b是磁滞内核的时变因子；
步骤6：如图3所示，将磁滞内核分别与阻尼元件和弹性元件并联，从而建立如式(5)所示的t时刻电/磁流变执行器的非线性模型：
式(5)中，F(t)表示t时刻的非线性力输出；f表示初始位移弹性力；c、k和α分别表示阻尼系数、刚度系数和磁滞系数；并利用式(6)和式(7)分别得到阻尼系数c和磁滞系数α：
c＝c1I(t)2+c2I(t)+c3 (6)
α＝α1I(t)2+α2I(t)+α3 (7)
式(6)和式(7)中，c1、c2和c3均为阻尼系数c的拟合参数，α1、α2和α3为磁滞系数α的拟合参数；使用电/磁流变执行器的试验数据，如力-位移和力-速度曲线，在MATLAB中使用遗传算法辨识磁滞模型参数a，b，k，f，c1，c2，c3，α1，α2，α3即可。
以上是电/磁流变执行器输出阻尼力的建模方法，基于此，如图4所示，电/磁流变执行器输出阻尼力的跟踪方法是按如下步骤进行：
步骤7：利用式(8)计算出t时刻的期望力Fdesired(t)：
式(8)中，λ为比例系数；并将激励位移x(t)带入式(3)和式(4)中，得到t时刻的磁滞输出z(t)；
步骤8：将Ftracking(t)、z(t)、x(t)和式(6)、式(7)带入式(5)，得到如式(9)所示的跟踪力Ftracking(t)与电/磁流变执行器t时刻的输入期望电流Idesired(t)的关系式：
式(9)中，变量变量变量
步骤9：建立如式(10)所示的目标函数，并求得目标函数为最小值时所对应的输入期望电流Idesired(t)：
min(|Fdesired(t)-Ftracking(t)|)，Idesired(t)∈[0,Imax] (10)
式(10)中，min是最小值函数；Imax是电/磁流变执行器的最大电流；
步骤10：将输入期望电流Idesired(t)输入电/磁流变执行器中，从而得到t时刻的输出跟踪力Ftracking(t)；
步骤11、每次循环结束后，将t+1赋值给t后，返回步骤2执行。
Claims (2)
1.一种基于磁滞内核的电/磁流变执行器非线性力的建模方法，其特征在于是按如下步骤进行：
步骤1：设置所述电/磁流变执行器的磁滞内核的参数，包括：t时刻的磁滞输出z(t)、t时刻的磁滞模型输入位移激励x(t)、t时刻的速度激励t时刻的虚拟位移S(t)、t时刻的磁滞输出z(t)、虚拟位移参考点S0和位移参考点x0；
初始化t＝1；
随机初始化t-1时刻的虚拟位移S(t-1)；且S(t-1)不为0；随机初始化t-1时刻的位移激励x(t-1)；令t-1时刻的磁滞输出z(t-1)为区间[-1,1]中任意数；
将t-1时刻的虚拟位移S(t-1)赋值给虚拟位移参考点S0，将t-1时刻的位移激励x(t-1)赋值给位移参考点x0；
步骤2：根据磁滞模型t时刻输入的速度激励的符号判别磁滞内核的工作模式：
当的符号为正时，表示所述磁滞内核t时刻工作在加载模式；
当的符号为负时，表示所述磁滞内核t时刻工作在卸载模式；
当为零时，表示所述磁滞内核t时刻的磁滞输出z(t)保持不变；
步骤3：判断是否成立，若成立，则利用式(1)和式(2)分别更新虚拟位移参考点S0和位移参考点x0，得到更新后的虚拟位移参考点S′0和位移参考点x′0并分别赋值给S0和x0，否则，保持虚拟位移参考点S0和位移参考点x0不变：
x′0＝x(t-1) (2)
式(1)中，函数和为两个功能函数g1(S(t))和g2(S(t))的逆函数；a为磁滞非线性曲线调整参数，且a＞0；
步骤4：利用式(3)计算t时刻的虚拟位移变量S(t)，使得虚拟位移变量S(t)在加载模式中恒为正数，在卸载模式中恒为负数：
S(t)＝S0+x(t)-x0 (3)
步骤5：利用式(4)实时计算t时刻的磁滞输出z(t)，从而构建磁滞内核：
式(4)中，函数g1(S(t))和g2(S(t))为调整磁滞非线性曲线的功能函数，且是虚拟位移变量S(t)的单调递增函数，且满足g1(0+)＝g2(0-)＝0；
步骤6：将所述磁滞内核分别与阻尼元件和弹性元件并联，从而建立如式(5)所示的t时刻电/磁流变执行器的非线性模型：
式(5)中，F(t)表示t时刻的非线性力输出；f表示初始位移弹性力；c、k和α分别表示阻尼系数、刚度系数和磁滞系数；并利用式(6)和式(7)分别得到阻尼系数c和磁滞系数α：
c＝c1I(t)2+c2I(t)+c3 (6)
α＝α1I(t)2+α2I(t)+α3 (7)
式(6)和式(7)中，c1、c2和c3均为阻尼系数c的拟合参数，α1、α2和α3为磁滞系数α的拟合参数；并通过参数辨识法获得各个参数值。
2.基于权利要求1所述的建模方法的跟踪方法，其特征是按如下步骤进行：
步骤7：利用式(8)计算出t时刻的期望力Fdesired(t)：
式(8)中，λ为比例系数；并将t时刻的激励位移x(t)带入式(3)和式(4)中，得到t时刻的磁滞输出z(t)；
步骤8：将Ftracking(t)、z(t)、x(t)和式(6)、式(7)带入式(5)，得到如式(9)所示的跟踪力Ftracking(t)与电/磁流变执行器t时刻的输入期望电流Idesired(t)的关系式：
式(9)中，变量变量变量
步骤9：建立如式(10)所示的目标函数，并求得目标函数为最小值时所对应的输入期望电流Idesired(t)：
min(|Fdesired(t)-Ftracking(t)|)，Idesired(t)∈[0,Imax] (10)
式(10)中，min是最小值函数；Imax是电/磁流变执行器的最大电流；
步骤10：将所述输入期望电流Idesired(t)输入电/磁流变执行器中，从而得到t时刻的输出跟踪力Ftracking(t)；
步骤11、将t+1赋值给t后，返回步骤2执行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910043818.4A CN109709809B (zh) | 2019-01-17 | 2019-01-17 | 基于磁滞内核的电/磁流变执行器的建模方法及其跟踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910043818.4A CN109709809B (zh) | 2019-01-17 | 2019-01-17 | 基于磁滞内核的电/磁流变执行器的建模方法及其跟踪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109709809A true CN109709809A (zh) | 2019-05-03 |
| CN109709809B CN109709809B (zh) | 2020-11-06 |
Family
ID=66262247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910043818.4A Active CN109709809B (zh) | 2019-01-17 | 2019-01-17 | 基于磁滞内核的电/磁流变执行器的建模方法及其跟踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109709809B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110108443A (zh) * | 2019-05-05 | 2019-08-09 | 大连理工大学 | 一种基于神经网络的压电陶瓷驱动器输出控制方法 |
| CN113183711A (zh) * | 2021-06-04 | 2021-07-30 | 合肥工业大学 | 一种振动与冲击融合控制方法 |
| CN115494734A (zh) * | 2022-10-28 | 2022-12-20 | 湖南科技大学 | 一种压电陶瓷执行器的改进Bouc-Wen非对称迟滞模型和线性化控制方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1444712A1 (ru) * | 1987-01-08 | 1988-12-15 | Ленинградский электротехнический институт им.В.И.Ульянова (Ленина) | Самонастраивающа с система с приводом на муфтах |
| CN101833284A (zh) * | 2010-05-28 | 2010-09-15 | 上海交通大学 | 实时磁滞逆模型对系统进行补偿实现的方法 |
| CN105059078A (zh) * | 2015-08-17 | 2015-11-18 | 哈尔滨工业大学 | 一种具有磁滞执行器的汽车主动悬架系统的控制方法 |
| CN105260530A (zh) * | 2015-09-29 | 2016-01-20 | 合肥工业大学 | 一种磁流变阻尼器逆模型的建模方法及其应用 |
| CN105700347A (zh) * | 2014-12-15 | 2016-06-22 | 南京理工大学 | 一种含磁滞补偿的液压马达预设性能跟踪控制方法 |
| US20160210266A1 (en) * | 2015-01-15 | 2016-07-21 | National Tsing Hua University | Method for predicting hysteresis curve model of magnetorheological system |
| CN106054670A (zh) * | 2016-07-18 | 2016-10-26 | 华南理工大学 | 一种基于时滞的超磁致驱动器回滞建模方法 |
| CN106169851A (zh) * | 2016-09-13 | 2016-11-30 | 彭希南 | 模块式永磁无刷直流电动机 |
-
2019
- 2019-01-17 CN CN201910043818.4A patent/CN109709809B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1444712A1 (ru) * | 1987-01-08 | 1988-12-15 | Ленинградский электротехнический институт им.В.И.Ульянова (Ленина) | Самонастраивающа с система с приводом на муфтах |
| CN101833284A (zh) * | 2010-05-28 | 2010-09-15 | 上海交通大学 | 实时磁滞逆模型对系统进行补偿实现的方法 |
| CN105700347A (zh) * | 2014-12-15 | 2016-06-22 | 南京理工大学 | 一种含磁滞补偿的液压马达预设性能跟踪控制方法 |
| US20160210266A1 (en) * | 2015-01-15 | 2016-07-21 | National Tsing Hua University | Method for predicting hysteresis curve model of magnetorheological system |
| CN105059078A (zh) * | 2015-08-17 | 2015-11-18 | 哈尔滨工业大学 | 一种具有磁滞执行器的汽车主动悬架系统的控制方法 |
| CN105260530A (zh) * | 2015-09-29 | 2016-01-20 | 合肥工业大学 | 一种磁流变阻尼器逆模型的建模方法及其应用 |
| CN106054670A (zh) * | 2016-07-18 | 2016-10-26 | 华南理工大学 | 一种基于时滞的超磁致驱动器回滞建模方法 |
| CN106169851A (zh) * | 2016-09-13 | 2016-11-30 | 彭希南 | 模块式永磁无刷直流电动机 |
Non-Patent Citations (1)
| Title |
|---|
| 董振乐等: "含磁滞补偿的电液伺服系统预设性能跟踪控制", 《中国机械工程》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110108443A (zh) * | 2019-05-05 | 2019-08-09 | 大连理工大学 | 一种基于神经网络的压电陶瓷驱动器输出控制方法 |
| CN113183711A (zh) * | 2021-06-04 | 2021-07-30 | 合肥工业大学 | 一种振动与冲击融合控制方法 |
| CN113183711B (zh) * | 2021-06-04 | 2022-03-15 | 合肥工业大学 | 一种振动与冲击融合控制方法 |
| CN115494734A (zh) * | 2022-10-28 | 2022-12-20 | 湖南科技大学 | 一种压电陶瓷执行器的改进Bouc-Wen非对称迟滞模型和线性化控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109709809B (zh) | 2020-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | Parameter identification of the generalized Prandtl–Ishlinskii model for piezoelectric actuators using modified particle swarm optimization | |
| Sun et al. | Development of constitutive relationship model of Ti600 alloy using artificial neural network | |
| CN109709809A (zh) | 基于磁滞内核的电/磁流变执行器非线性力的建模方法及其跟踪方法 | |
| Meng et al. | Integrated direct/indirect adaptive robust motion trajectory tracking control of pneumatic cylinders | |
| Qu et al. | Deep active learning for constitutive modelling of granular materials: From representative volume elements to implicit finite element modelling | |
| CN104345639A (zh) | 一种电液位置伺服系统鲁棒自适应控制方法 | |
| CN111290276B (zh) | 一种液压位置伺服系统神经网络分数阶积分滑模控制方法 | |
| CN105068564A (zh) | 一种压电陶瓷作动器的位移控制方法 | |
| Wang et al. | Neural network modeling and controllers for magnetorheological fluid dampers | |
| Zhou et al. | Hysteresis Modeling of Magnetic Shape Memory Alloy Actuator Based on Krasnosel′ skii‐Pokrovskii Model | |
| Chi et al. | Hybrid tracking control of 2-DOF SCARA robot via port-controlled hamiltonian and backstepping | |
| Liu et al. | Modeling of hysteresis in piezoelectric actuator based on adaptive filter | |
| Chow et al. | A real-time learning control approach for nonlinear continuous-time system using recurrent neural networks | |
| Dornheim et al. | Neural networks for constitutive modeling: From universal function approximators to advanced models and the integration of physics | |
| Wang et al. | A new data-driven roll force and roll torque model based on FEM and hybrid PSO-ELM for hot strip rolling | |
| Oeser et al. | Modeling of materials with fading memory using neural networks | |
| Su et al. | A three-dimensional prediction method of stiffness properties of composites based on deep learning | |
| Kang et al. | Thermomechanical topology optimization of shape‐memory alloy structures using a transient bilevel adjoint method | |
| Bahiuddin et al. | A model of magnetorheological grease using machine learning method | |
| Li et al. | Parameter identification based on PSO algorithm for piezoelectric actuating system with rate-dependent Prandtl-Ishlinskii hysteresis modeling method | |
| Zhao et al. | A novel method of parameter identification of nonlinear electrohydraulic servo systems | |
| Do et al. | Transient analysis of functionally graded plates using extreme gradient boosting | |
| Shuang et al. | The research of loading model of eddy current dynamometer based on DRNN with double hidden layers | |
| Taras et al. | Interface phenomena and interaction energy at the surface of electroconductive solids | |
| Shakiba et al. | Behavioral Modeling and Experimental Verification of a Smart Servomotor Used in a Thermal Control Louver of a Satellite Using Dynamic Neural Network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240221 Address after: No. 193, Tunxi Road, Hefei City, Anhui Province Patentee after: HeFei University of Technology Asset Management Co.,Ltd. Country or region after: China Address before: Tunxi road in Baohe District of Hefei city of Anhui Province, No. 193 230009 Patentee before: Hefei University of Technology Country or region before: China |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240415 Address after: Room A506, Intelligent Institute of Technology, No. 369 Huayuan Avenue, Baohe Economic Development Zone, Hefei City, Anhui Province, 230000 Patentee after: University of Technology Zhicheng (Hefei) Automotive Technology Co.,Ltd. Country or region after: China Address before: No. 193, Tunxi Road, Hefei City, Anhui Province Patentee before: HeFei University of Technology Asset Management Co.,Ltd. Country or region before: China |