基于Ｂａｃｋｌａｓｈ算子和神经网络的自适应滤波器制造技术

本发明专利技术涉及一种基于Ｂａｃｋｌａｓｈ算子和神经网络的自适应滤波器以及其对蠕变迟滞系统的建模方法，属于非线性迟滞蠕变系统建模技术领域。该基于Ｂａｃｋｌａｓｈ算子和神经网络的自适应滤波器包括蠕变模块、多个相同宽度的Ｂａｃｋｌａｓｈ算子模块、神经网络模块以及误差计算模块。该自适应滤波器设计方法简单易行，避免使用延迟项，滤波器的输出只与当前输入有关，同时可以体现迟滞的非线性，并且Ｂａｃｋｌａｓｈ算子串联结构的输出与神经网络相连，能够实时调整权值，不需要事先准备大量的样本数据，能够大大提高建模精度。本发明专利技术适合用于建模例如压电陶瓷执行器、磁致伸缩执行器、以及励磁电机等具有迟滞及蠕变非线性特性的系统。

【技术实现步骤摘要】

本专利技术涉及一种基于Backlash算子和神经网络的自适应滤波器以及其对蠕变迟 滞系统的建模方法，属于非线性迟滞蠕变系统建模

技术介绍
近年来，由智能材料构成的传感器与执行器在精密加工和精确定位系统中得到了 广泛的应用。但智能材料的迟滞与蠕变等非线性特性使这些系统的重复性降低、瞬态响应 速度变慢、控制精度下降甚至使闭环系统不稳定，并且增加了控制器设计的难度。这些问题 使得经典控制理论和现代控制理论都难以对其实施有效控制，所以需要提出特定的建模与 控制方法解决该领域的问题。要对蠕变迟滞非线性进行补偿以实现精确控制，首先需要建 立精确的非线性模型，然后在模型的基础上提出控制补偿方法。对于蠕变迟滞非线性对象，目前Krasnoselskii-Pokrovskii (KP)模型、 Jiles-Atherton (JA)模型、Preisach 模型、Duhem 模型、Prandtl-Ishlinskii(PI)模型等 多种建模方法已被提出，目前存在的建模方法大都实现较复杂，不利于实际应用。PI模型用 斜坡函数特性的迟滞元进行叠加来逼近迟滞特性，由于其结构简单，故可以解析的求逆，较 本文档来自技高网...

【技术保护点】
一种基于Ｂａｃｋｌａｓｈ算子和神经网络的自适应滤波器，其特征在于包括蠕变模块、多个相同宽度的Ｂａｃｋｌａｓｈ算子模块、神经网络模块以及误差计算模块，其中：蠕变模块的输入与自适应滤波器的信号输入相连，蠕变模块的输出连接到第一个Ｂａｃｋｌａｓｈ算子模块，蠕变模块用于模拟蠕变非线性；多个相同宽度的Ｂａｃｋｌａｓｈ算子模块连接成串联结构，第一个Ｂａｃｋｌａｓｈ算子模块与蠕变模块的输出相连，串联的相邻两个Ｂａｃｋｌａｓｈ算子模块之间的信号被引出，作为神经网络模块的输入信号；神经网络模块为三层结构，包括两个隐层以及一个输出层，每一层包括多个自适应神经元模块（包括自适应加权模块、加法器模块以及激励函数模块）...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘向东，耿洁，陈振，赖志林，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：11[中国|北京]