基于RBF神经网络的迟滞非线性模型预测控制
压电执行器具有响应快、质量比大、刚度高等特点,在纳米技术领域得到了广泛的应用.迟滞特性作为一种固有的非线性特性,极大地影响了迟滞控制的性能.本文提出了一种非线性模型预测控制(NMPC)方法来解决压电执行器的位移跟踪问题.首先,利用RBF神经网络实现了压电执行器的"外源输入非线性自回归移动平均"(NARMAX)模型;其次,利用NMPC原理将跟踪控制问题转化为优化问题,然后采用梯度下降算法求解.为验证所提出的建模和控制方法的有效性,并进行了 MATLAB与COMSOL仿真实验.结果表明,所提出的RBF预测模型具有令人满意的精度,NMPC方法跟踪所得期望位移与实际位移绝对误差值最大达到0.016μm,平均绝对误差达到0.012 1 μm,具有较高的精度.
神经网络、迟滞建模、非线性预测控制、MATLAB
44
TP389.1;TB381(计算技术、计算机技术)
国家自然科学基金;山西省面上自然科学基金项目
2022-05-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
42-47