典型文献
基于深度神经网络(DNN)的压电陶瓷前馈补偿研究
文献摘要：
针对压电陶瓷固有的迟滞非线性,设计了一种基于深度神经网络(DNN)的前馈补偿控制系统.该系统包含1个输入层、7个隐藏层和1个输出层.实验结果表明,开环情况下压电陶瓷的位移线性误差达8.91μm.施加神经网络前馈补偿后,压电陶瓷的最大位移误差降低到80 nm,稳态误差为±20 nm.进一步测试表明,在10～100 Hz输入频率下系统最大误差小于100 nm,均方根误差为0.01μm,验证了深度神经网络能够准确补偿压电陶瓷动态迟滞非线性,具有较好的频率泛化能力.
文献关键词：
压电陶瓷;迟滞非线性;深度神经网络;前馈控制
中图分类号：
作者姓名：
熊永程;贾文红;张丽敏;郑丽芳
作者机构：
中国科学院 上海应用物理研究所,上海 201800;中国科学院大学,北京 100049;中国科学院 上海高等研究院,上海 201210
文献出处：
引用格式：
[1]熊永程;贾文红;张丽敏;郑丽芳-.基于深度神经网络(DNN)的压电陶瓷前馈补偿研究)[J].压电与声光,2022(01):35-41
A类：
B类：
深度神经网络,DNN,压电陶瓷,前馈补偿,补偿研究,迟滞非线性,补偿控制,统包,输入层,出层,开环,下压,线性误差,最大位移,位移误差,稳态误差,步测,测试表明,输入频率,最大误差,泛化能力,前馈控制
AB值：
0.326689
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
