用于智能材料器件的动态迟滞神经网络建模及预测方法技术

本发明专利技术公开了一种用于智能材料器件的动态迟滞神经网络建模及预测方法，其包括以下步骤：根据智能材料器件的动态迟滞特性，构建Pan迟滞模型并根据采样时间进行离散化，得到离散化后的Pan迟滞模型；根据离散化后的Pan迟滞模型及其结构关系、智能材料器件的激励输入与离散化后的Pan迟滞模型的输出响应之间的信号传递关系，构建动态迟滞神经网络模型；对动态迟滞神经网络模型进行训练并利用训练后的模型对智能材料器件的动态迟滞特性进行预测。本发明专利技术构建的动态神经网络迟滞模型的规模和复杂度小，可快速训练网络且计算成本低；通过动态迟滞神经网络模型进行预测，快速且有效地描述智能材料器件的动态迟滞特性，并提高预测的精确度。

【技术实现步骤摘要】

本专利技术涉及驱动控制工程，具体涉及用于智能材料器件的动态迟滞神经网络建模及预测方法。

技术介绍

1、常见的智能驱动材料包括压电陶瓷pzt、形状记忆合金sma、介电弹性体de、离子聚合物金属复合材料ipmc、磁流变阻尼器mrd等。这些材料在不同输入信号的激励下，会产生不同的输出。其输出与输入之间通常为非线性迟滞关系，而且其输出值与当前时刻的输入和历史时刻的输入都有关系。如果输出值还与输入激励的变化速率有关，则称该材料的驱动特性满足动态迟滞关系。

2、智能材料广泛应用于航空航天、机械电子、汽车工业、软体驱动、海洋工程、生物医疗、振动抑制、机械工业等领域。但智能材料具有动态迟滞、蠕变、温漂等非线性特性，使得其输出量的重复性和精度显著降低，造成了实际应用中的诸多困难，为此很多科研机构和研究人员对动态迟滞非线性特性开展了建模和参数辨识研究，以便更加精确地对动态迟滞特性进行描述。目前存在多种用于描述动态迟滞的数学模型，如率相关prandtl-ishlinskii模型、率相关preisach模型、率相关bouc-wen模型、率相关krasnosel'ski本文档来自技高网...

【技术保护点】

1.一种用于智能材料器件的动态迟滞神经网络建模方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的用于智能材料器件的动态迟滞神经网络建模方法，其特征在于：所述步骤S1中的Pan迟滞模型的公式如下：

3.根据权利要求1所述的用于智能材料器件的动态迟滞神经网络建模方法，其特征在于：所述步骤S2中智能材料器件包括压电陶瓷执行器、形状记忆合金驱动器、磁流变阻尼器。

4.根据权利要求2所述的用于智能材料器件的动态迟滞神经网络建模方法，其特征在于：所述步骤S2中的结构关系为离散化后的Pan迟滞模型的参数与其公式中的各项之间的结构关系；所述步骤S2中的智能材料...

【技术特征摘要】

1.一种用于智能材料器件的动态迟滞神经网络建模方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的用于智能材料器件的动态迟滞神经网络建模方法，其特征在于：所述步骤s1中的pan迟滞模型的公式如下：

3.根据权利要求1所述的用于智能材料器件的动态迟滞神经网络建模方法，其特征在于：所述步骤s2中智能材料器件包括压电陶瓷执行器、形状记忆合金驱动器、磁流变阻尼器。

4.根据权利要求2所述的用于智能材料器件的动态迟滞神经网络建模方法，其特征在于：所述步骤s2中的结构关系为离散化后的pan迟滞模型的参数与其公式中的各项之间的结构关系；所述步骤s2中的智能材料器件激励输入与离散化后的pan迟滞模型输出响应之间的信号传递关系为离散化后的pan迟滞模型的输入信号到输出信号的传递关系，即对智能材料器件施加的输入信号与输出信号的传递关系输出信号的传递关系。

5.根据权利要求1所述的用于智能材料器件的动态迟滞神经网络建模方法，其特征在于：所述步骤s2中的动态迟滞神经网络模型包括1个输入层、23个隐含层以及1个输出层，且层与层之间的连接权重均设置为1，层与层之间无延迟；...

【专利技术属性】
技术研发人员：王耿，陈国强，倪磊，赵冬梅，廖璇，张兰强，姚纳，周虹，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：