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 ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。