一种压电精密定位平台参数辨识方法及其应用技术

本发明专利技术涉及一种压电精密定位平台参数辨识方法及其应用，所述参数辨识方法以Bouc‑Wen模型对定位平台进行迟滞建模，采用改进型果蝇优化算法对所述Bouc‑Wen模型进行模型参数辨识；所述改进型果蝇优化算法中考虑了群体多样性的改进、迭代搜索步长的改进和算法后期寻优策略的改进，有效实现了算法的全局搜索和局部寻优之间的动态平衡，提高了算法整体的搜索效率和寻优精度。与现有技术相比，本发明专利技术具有精度高、可靠性高、有效提高定位精度等优点。

A Parameter Identification Method for Piezoelectric Precision Positioning Platform and Its Application

The present invention relates to a parameter identification method for piezoelectric precision positioning platform and its application. The parameter identification method uses Bouc Wen model to model the positioning platform hysteresis, and uses improved Drosophila optimization algorithm to identify the model parameters of the Bouc Wen model. The improved Drosophila optimization algorithm takes into account the improvement of population diversity and the improvement and calculation of iteration search step. The improvement of the optimization strategy in the later stage of the method effectively realizes the dynamic balance between global search and local search, and improves the overall search efficiency and accuracy of the algorithm. Compared with the prior art, the present invention has the advantages of high accuracy, high reliability and effective improvement of positioning accuracy.

【技术实现步骤摘要】
一种压电精密定位平台参数辨识方法及其应用
本专利技术涉及一种压电精密定位系统，尤其涉及一种压电精密定位平台参数辨识方法及其应用。
技术介绍
近年来，随着航空航天、纳米工程、微电子、精密制造等领域的迅速发展，压电陶瓷在微纳米定位领域受到越来越广泛关注。然而，其输出位移与驱动电压间的迟滞特性限制了其在快速高精度定位系统中的应用。为此，研究人员采用各种数学模型来描述迟滞非线性，如Bouc-Wen模型、Jiles-Atherton模型、Preisach模型等。Bouc-Wen模型可模拟各种滞后行为和各种滞后系统。因此，在压电精密定位平台、磁流变阻尼器、音圈电机等迟滞系统建模中得到了广泛应用。然而，由于模型的强非线性特性和参数难以辨识使得模型的参数辨识成为一个具有挑战的问题。利用Bouc-Wen模型对压电精密定位平台进行建模需辨识五个参数。参数对滞环形状的影响是高度非线性的，很难根据大量的数据来总结具体模型的参数范围。
技术实现思路
本专利技术的目的是为了克服上述现有技术存在的缺陷而提供一种压电精密定位平台参数辨识方法及其应用。本专利技术的目的可以通过以下技术方案来实现：一种压电精密定位平台参数辨识方法，该方法以Bouc-Wen模型对定位平台进行迟滞建模，采用改进型果蝇优化算法对所述Bouc-Wen模型进行模型参数辨识；所述改进型果蝇优化算法具体包括以下步骤：1)初始化果蝇群体位置；2)计算当前果蝇群体中各果蝇个体的味道浓度判定值和各果蝇个体位置的味道浓度，获取味道浓度最佳果蝇，并记录最佳味道浓度值Smellbest和最佳位置；3)对果蝇群体进行交叉操作，获得一新果蝇群体及该新果蝇群体的最佳味道浓度值Smellbest1；4)判断是否存在Smellbest1＜Smellbest，若是，则以Smellbest1对应的果蝇位置更新最佳位置；5)引入自适应搜索步长，以所述最佳位置为初始位置，更新各果蝇个体利用嗅觉觅食后的位置；6)进行迭代寻优，重复执行步骤2)～步骤5)，直至达到最大迭代次数，获得寻优结果及该寻优结果对应的最佳味道浓度判定值bestS；7)以所述最佳味道浓度判定值bestS为初始值，更新各果蝇个体的味道浓度判定值，直接对味道浓度判定值进行迭代寻优，获得最终最优值。进一步地，所述步骤3)中的交叉操作具体为：child1(x)＝P×parent1(x)+(1.0-P)×parent2(x)child2(x)＝P×parent2(x)+(1.0-P)×parent1(x)child1(y)＝P×parent1(y)+(1.0-P)×parent2(y)child2(y)＝P×parent2(y)+(1.0-P)×parent1(y)其中，x、y是d维的位置向量，childk(x)、childk(y)和parentk(x)、parentk(y)分别代表子代群体和父代群体的位置，k＝1、2分别表示群体中前半部分和后半部分成员，P为d维随机分布的任意数向量，其中的每一个分向量都在[0,1]中取值。进一步地，所述步骤5)中，各果蝇个体利用嗅觉觅食后的位置表示为：Xi＝X_axis+hi×(2×rand()-1)Yi＝Y_axis+hi×(2×rand()-1)hi＝k/Si,k＝0.1～10其中，X_axis,Y_axis为最佳位置的坐标，rand()为0到1之间的随机值。进一步地，所述步骤7)中，更新各果蝇个体的味道浓度判定值具体为：S(i)＝bestS+w(i)×randw(i)＝2×r×rand-r其中，S(i)为第i次迭代更新后的味道浓度判定值，w(i)为当前迭代次数下的搜索方向，r为寻优步长。进一步地，所述寻优步长r根据bestS的数量级确定：r＝A×w其中，A为bestS的数量级，w为惯性权重函数，k1、k2为设定常数，maxgen1为步骤7)中迭代寻优的最大迭代次数，g为当前迭代次数。本专利技术还提供一种压电精密定位平台，描述该压电精密定位平台的模型参数由所述的压电精密定位平台参数辨识方法获得。本专利技术还提供一种定位系统，包括所述的压电精密定位平台。与现有技术相比，本专利技术具有如下有益效果：1、本专利技术以Bouc-Wen模型对定位平台进行迟滞建模，可以有效模拟迟滞行为。2、本专利技术采用改进型果蝇优化算法对Bouc-Wen模型进行模型参数辨识，进而获得压电精密定位平台参数，可靠性高。3、本专利技术的改进型果蝇优化算法中，利用交叉因子来产生代表新解集的种群，使得该种群所产生的后代种群比前代种群更能适应当前环境，从而逐渐搜索到问题的全局最优解。同时，后代种群与前代种群相结合，在很大程度上增加了种群的多样性，使得算法不易陷入局部最优值。4、本专利技术的改进型果蝇优化算法中引入自适应搜索步长，大大提高了算法寻优速度。5、本专利技术的改进型果蝇优化算法中加入了对味道浓度判定因子的寻优机制，能向最优解进一步靠拢，提高搜索精度。6、采用本专利技术方法进行压电精密定位平台参数识别，可以精确考虑迟滞影响，有效提高了定位精度。附图说明图1为果蝇群体迭代搜索食物示意图；图2为改进型果蝇优化算法的流程示意图；图3为压电精密定位平台输入电压与输出位移的迟滞曲线；图4为FOA、IFOA1、IFOA2和IFOA的泛化效果及误差对比图，其中，(4a)为迟滞泛化数据与迟滞模型对比，(4b)为泛化输出与模型输出之间的误差比较；图5为FOA、IFOA1、IFOA2和IFOA辨识动态迟滞环的效果示意图，其中，(5a)为算法收敛特性比较，(5b)为输出位移建模比较，(5c)为相应的迟滞环比较，(5d)为模型输出与泛化实验数据之间的误差比较。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述实施例。一、果蝇优化算法果蝇优化算法(fruitflyoptimizationalgorithm，FOA)是由台湾学者潘文超于2011年6月提出的一种全局优化智能算法。该算法已成功应用于相关科学和工程领域，并在求取函数极值、微调Z-SCORE模型系数、优化广义回归神经网络参数和支持向量机回归参数等方面有着广泛应用。和其它智能优化算法相比，FOA具有简单易懂、调节参数较少、代码易于实现、计算量小、寻优能力较强且寻优精度较高等优点。FOA是基于果蝇觅食行为而推演出的一种寻找全局最优解的群智能优化算法。果蝇本身具有敏锐的视觉和嗅觉系统，对漂浮在空气中的气味颗粒具有超强的感知能力。果蝇个体利用其优秀的嗅觉系统能够迅速地向接近食物源的方向飞去，同时利用敏锐的视觉系统发现同伴聚集的位置，并向该位置飞去。果蝇寻找食物的过程就是不断地从食物味道浓度低的地方飞向味道浓度高的地方，直至发现食物源为止。果蝇群体迭代搜索食物的过程如图1所示。在图1中，各变量的实际含义分别为：Flygroup代表果蝇群体的初始位置；Fly1,2,3表示果蝇个体的搜索方向；Dist为果蝇个体与原点之间的距离；S是果蝇个体的味道浓度判定值，其为距离的倒数；Smell为果蝇个体对应的味道浓度值，是味道浓度判定值的函数。根据果蝇的觅食特征，果蝇优化算法的具体步骤如下：Step1.初始化果蝇群体位置X_axis,Y_axis，给本文档来自技高网...

【技术保护点】
1.一种压电精密定位平台参数辨识方法，其特征在于，该方法以Bouc‑Wen模型对定位平台进行迟滞建模，采用改进型果蝇优化算法对所述Bouc‑Wen模型进行模型参数辨识；所述改进型果蝇优化算法具体包括以下步骤：1)初始化果蝇群体位置；2)计算当前果蝇群体中各果蝇个体的味道浓度判定值及各果蝇个体位置的味道浓度，获取味道浓度最佳果蝇，并记录最佳味道浓度值Smellbest和最佳位置；3)对果蝇群体进行交叉操作，获得一新果蝇群体及该新果蝇群体的最佳味道浓度值Smellbest1；4)判断是否存在Smellbest1＜Smellbest，若是，则以Smellbest1对应的果蝇位置更新最佳位置；5)引入自适应搜索步长，以所述最佳位置为初始位置更新各果蝇个体利用嗅觉觅食后的位置；6)进行迭代寻优，重复执行步骤2)～步骤5)，直至达到最大迭代次数，获得寻优结果及该寻优结果对应的最佳味道浓度判定值bestS；7)以所述最佳味道浓度判定值bestS为初始值更新各果蝇个体的味道浓度判定值，直接对味道浓度判定值进行迭代寻优，获得最终最优值。

【技术特征摘要】
1.一种压电精密定位平台参数辨识方法，其特征在于，该方法以Bouc-Wen模型对定位平台进行迟滞建模，采用改进型果蝇优化算法对所述Bouc-Wen模型进行模型参数辨识；所述改进型果蝇优化算法具体包括以下步骤：1)初始化果蝇群体位置；2)计算当前果蝇群体中各果蝇个体的味道浓度判定值及各果蝇个体位置的味道浓度，获取味道浓度最佳果蝇，并记录最佳味道浓度值Smellbest和最佳位置；3)对果蝇群体进行交叉操作，获得一新果蝇群体及该新果蝇群体的最佳味道浓度值Smellbest1；4)判断是否存在Smellbest1＜Smellbest，若是，则以Smellbest1对应的果蝇位置更新最佳位置；5)引入自适应搜索步长，以所述最佳位置为初始位置更新各果蝇个体利用嗅觉觅食后的位置；6)进行迭代寻优，重复执行步骤2)～步骤5)，直至达到最大迭代次数，获得寻优结果及该寻优结果对应的最佳味道浓度判定值bestS；7)以所述最佳味道浓度判定值bestS为初始值更新各果蝇个体的味道浓度判定值，直接对味道浓度判定值进行迭代寻优，获得最终最优值。2.根据权利要求1所述的压电精密定位平台参数辨识方法，其特征在于，所述步骤3)中的交叉操作具体为：child1(x)＝P×parent1(x)+(1.0-P)×parent2(x)child2(x)＝P×parent2(x)+(1.0-P)×parent1(x)child1(y)＝P×parent1(y)+(1.0-P)×parent2(y)child2(y)＝P×parent2(y)+(1.0-P)×parent1(y)其中，x、y是d维的位置向量...

【专利技术属性】
技术研发人员：邓亮，王龙飞，
申请(专利权)人：上海电力学院，
类型：发明
国别省市：上海,31