一种基于神经网络的压电陶瓷驱动器输出控制方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110108443A(43)申请公布日2019.08.09(21)申请号201910366740.X(22)申请日2019.05.05(71)申请人大连理工大学地址116024辽宁省大连市甘井子区凌工路2号(72)发明人刘巍姚壮周孟德温正权唐琳琳梁冰贾振元(74)专利代理机构大连理工大学专利中心21200代理人关慧贞(51)Int.Cl.G01M9/08(2006.01)G06N3/08(2006.01)G06F17/50(2006.01)权利要求书3页说明书6页附图4页(54)发明名称一种基于神经网络的压电陶瓷驱动器输出控制方法(57)摘要本发明一种基于神经网络的压电陶瓷驱动器输出控制方法属于风洞模型试验振动抑制领域，涉及一种基于神经网络的适用于风洞主动抑振支杆的压电陶瓷驱动器输出控制方法。该方法首先安装压电陶瓷驱动器数据采集硬件系统，采集压电陶瓷驱动器输入电压与输出力的实验数据，建立压电陶瓷驱动器神经网络模型，利用处理实验数据作为神经网络模型的输入与输出，选择合适的初始参数来训练该系统神经网络模型，最后在工程中调用训练好的神经网络模型进行应用。该方法与传统线性控制方法相比避免了控制模型上的非线性误差，使控制结果更加准确，精度更高。另外，此方法适应性强，能够应用于所有含有压电陶瓷驱动器的系统。CN110108443ACN110108443A权利要求书1/3页1.一种基于神经网络的压电陶瓷驱动器输出力预测方法，其特征是，利用压电陶瓷驱动器数据采集硬件系统完成压电陶瓷驱动器输入电压与输出力的数据采集，建立压电陶瓷驱动器神经网络模型并利用实验数据训练该模型，最后可以在工程中调用训练好的神经网络模型，实现高精度的压电陶瓷驱动器输出力控制；方法的具体步骤如下：第一步、安装压电陶瓷驱动器数据采集硬件系统在实验开始前，先将传力螺柱(5)旋入力传感器(7)中，调节传力螺柱(5)到合适高度；之后力传感器(7)通过螺栓螺母(6)固定安装在安装基座(2)下方；将压电陶瓷驱动器(4)的一端安装在传力螺柱(5)的压电陶瓷驱动器安装槽(501)中，使它们紧密贴合；在压电陶瓷驱动器(4)的另一端面上安装球面垫片(3)，球面垫片(3)上有安装槽(301)与压电陶瓷驱动器端面紧密贴合；预紧螺栓(1)穿过安装基座(2)顶部的螺栓孔将预紧力施加到球面垫片(3)上；力传感器(7)接入NI系统(8)中的信号采集板卡，NI系统(8)与计算机(9)连接，使用虚拟仪器LabVIEW软件读取传感器信号变化，相互通讯实现对加载力信号的采集；NI系统(8)的电压输出板卡将电信号输入到信号放大器(10)中，再由信号放大器(10)实现电压信号向压电陶瓷驱动器(4)的输出；第二步、压电陶瓷驱动器的输入电压与输出力数据采集实验开始，启动NI系统(8)、计算机(9)与信号放大器(10)；操作预紧螺栓(1)预紧压电陶瓷驱动器(4)，通过计算机(9)上LabVIEW软件显示的预紧力的数值，使其达到预定值；通过LabVIEW软件控制NI系统输出幅值逐渐衰减的正弦波形电压，电压U波形如下：U＝e-ξωt·sin(ωt)(1)其中，ξ为电压波形衰减率，ω为正弦电压波的角频率；利用NI系统(8)实时读取并储存力传感器(7)的读数，直到输出电压幅值衰减到0，从而完成数据采集；第三步、建立压电陶瓷驱动器神经网络模型通过MATLAB软件，建立压电陶瓷驱动器的输入电压与输出力BP神经网络模型，一般来说，三层BP神经网络就可以很好地逼近任一非线性模型，典型三层BP神经网络结构通常包括输入层、隐含层与输出层，令输入层有两个节点，包括神经网络模型输入层为压电陶瓷驱动器输出力Fn与上一循环压电陶瓷驱动器输出力Fn-1；输出层有一个节点，为压电陶瓷驱动器输入电压Un；给每个节点赋予初始的权值、阈值和传递函数；BP神经网络隐含层中第i个节点的输入neti为其中，xj表示输入层第j个节点的输入；wij表示隐含层第i个节点到输入层第j个节点之间的权值；θi表示隐含层第i个节点的阈值；隐含层第i个节点的输出yi为yi＝φ(neti)(3)其中，φ表示隐含层的激励函数；输出层节点的输入net为2CN110108443A权利要求书2/3页其中，w1i表示输出层节点到隐含层第i个节点之间的权值；a表示输出层节点的阈值；输出层节点的输出o为o＝ψ(net)(5)其中，ψ表示输出层的激励函数；由此得到了未训练的压电陶瓷驱动器的输入电压与输出力的BP神经网络模型，为保证模型的准确性，还需要使用实验数据对其进行训练；第四步、训练该系统神经网络模型并进行应用将第一、二步得到的实验数据分为两组，分别用于神经网络模型的训练与测试，其中训练集样本为P个，测试集样本为Q个