典型文献
基于递归神经网络的超声波电机力矩迟滞辨识
文献摘要：
超声波电机的输入输出变量呈现强非线性特性,其速度-力矩之间存在迟滞,且随着驱动频率和负载等因素改变,用通常的辨识难以取得满意的效果.针对超声波电机的速度-力矩迟滞,使用基于递归神经网络和李亚普诺夫稳定性的方法,可以在一定程度上反映电机的迟滞特性.整个系统使用基于半实物仿真的超声波电机测试平台,其中迟滞辨识采用递归神经网络辨识器(RNNI).由于RNNI的参数可以在线进行调整,因此当电机输入输出参数发生变化时,通过改变RNNI的参数可以实现不同迟滞特性的辨识,同时利用李亚普诺夫稳定性方法进行RNNI的参数调整.实验结果表明,递归神经网络辨识器通过改变神经网络参数对超声波电机迟滞可以进行有效的辨识,MSE小于6×10-4,不同负载下辨识误差小于0.11.
文献关键词：
超声波电机;递归神经网络;李雅普诺夫稳定性;半实物仿真;迟滞
中图分类号：
作者姓名：
傅平
作者机构：
闽江学院物理学与电子信息工程学院,福州 350121;闽江学院福建省教育厅先进运动控制重点实验室,福州 350121
文献出处：
引用格式：
[1]傅平-.基于递归神经网络的超声波电机力矩迟滞辨识)[J].微特电机,2022(11):8-15
A类：
RNNI
B类：
递归神经网络,超声波电机,力矩,输入输出,强非线性,非线性特性,李亚普诺夫,迟滞特性,半实物仿真,电机测试,测试平台,输出参数,数发,定性方法,参数调整,网络参数,MSE,不同负载,李雅普诺夫稳定性
AB值：
0.204622
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。
