z 基于bp神经网络摩擦力补偿算法的研究

《z 基于bp神经网络摩擦力补偿算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Ⅵ021221分类号UDC—Li：∑．．．．．耋jjj，；ii一密级编号：一．一、．-一、．o：、。’、'‘-_。。d●中国科学院研究生腙，／。一．。二‘一、。I、_’，一．_j：二．，，。。。‘一硕壬学位。论更’‘、_。JL。二錾茸—啦杰堑撵鲞』誊篓骘．妇竭趁．，√。_．-王丘缝．迸一一。、，————‘d!=——L二—二‘————4—————一-⋯。l‘●．、指导帮—≥二立墨睦雄旗÷申孽学位秽?二譬学科专业名称互塑单显晓缈尊吝襄菱多期，毒掣』论文答辩日期j竺鱼二-厶耋毒，培养单位士旦盘登．堕重塞堑

2、堂煎窒垫垫堑．塞堑．<7’．：，一’’_。、、-～、、。7学位授予单位主旦壁堂堕堑窒生瞳二二二∑／．，；～，一^一-，1答辩委员会主席o摘要伺服系统中由于摩擦等非线性引起的爬行，跟踪误差等现象已经成为阻碍系统性能提高的瓶颈之一，因此对其实施有效补偿以消除这些影响在工程中具有重要意义。本文首先综述了国内外在摩擦建模以及摩擦补偿方面的研究现状，总结了已有研究的不足之处，从而根据这一领域的发展趋势。提出了利用神经网络进行摩擦力补偿的方法。接着阐述了神经网络的理论基础及发展，在分析了与传统辨识相对应的神经网

3、络辨识的优点后，提出了利用BP神经网络进行系统辨识，并深入研究了BP神经网络的网络结构、算法原理以及网络设计，针对基本BP算法存在的学习速度慢、容易陷入局部极小点的不足，介绍分析了几种改进算法，并利用改进的BP算法(LM算法)给出了仿真结果。然后论述了传统PID控制的基本理论与方法，并给出了PID控制器参数的一些调整方法，同时针对系统中存在的摩擦力等非线性，提出了利用神经PID控制方法，给出了神经PID控制器的详细设计方法，并通过使用Matlab强大的仿真功能，针对非线性时变系统进行了仿真试验，实验

4、结果表明该方法的有效性。最后简要介绍了PWM功率放大器的组成、工作原理、特点，并对常见的H型双极性模式PWM功率放大器的工作特性作了定性分析，为了增加PWM功率放大器控制的灵活性，用VHDL语言设计了基于可编程逻辑器件的P删控制器，并选用富士公司集驱动和保护于一体的智能功率模块(6MBP20RH060)制作了PWId功率转换电路，使整机具有电路简单、体积小、可靠性高等特点。关键词：摩擦力补偿，神经网络辨识，BP神经网络，神经PID，PWM功率放大器，CPLD基于BP神经网络摩擦力补偿算法的研究ABS

5、TRACTWangXinFeng(ControlTheoryandControlEngineering)DirectedbyProf．GaoWeiFrictioncausedlowspeedcreepandtrackingerrorswhichpresentsinservosystemshasbecomeanimpedimenttoimprovetheirperformance．Soitisimportantofcompensatingthefrictiontoeliminatetheeffecto

6、ffriction．Thepresentsituationoffrictionmodelingandfrictioncompensationathomeandabroadarefirstsummarized．Theshortcomingsofthesestudiesarealsopresentedandfuturetrendsinthisfieldarealsodescribed，andthefrictioncompensatingusingneuralnetworkisputforward．The

7、nthetheoriesanddevelopmentofneuralnetworkisintroduced．Afteranalyzingtheadvantagesofneuralnetworkidentificationcomparedtotraditionalidentification，theBPneuralnetworkisusedtoidentifythesystem．Thenetworkstructure，algorithmprincipleandnetworkdesignaredeepl

8、ystudied．Aimingattheshortcomingofstudyingslowlyandeasilysteppingintothelocalminimumproblem，someimprovedalgorithmsareputforward．Thesimulationresultsthatadoptstheimprovedalgorithm(LMalgorithm)isgained．Theresultsprovethatitiseffective．Thet