基于递归神经网络的超声波电机力矩迟滞辨识

摘要

超声波电机的输入输出变量呈现强非线性特性,其速度-力矩之间存在迟滞,且随着驱动频率和负载等因素改变,用通常的辨识难以取得满意的效果。针对超声波电机的速度-力矩迟滞,使用基于递归神经网络和李亚普诺夫稳定性的方法,可以在一定程度上反映电机的迟滞特性。整个系统使用基于半实物仿真的超声波电机测试平台,其中迟滞辨识采用递归神经网络辨识器(RNNI)。由于RNNI的参数可以在线进行调整,因此当电机输入输出参数发生变化时,通过改变RNNI的参数可以实现不同迟滞特性的辨识,同时利用李亚普诺夫稳定性方法进行RNNI的参数调整。实验结果表明,递归神经网络辨识器通过改变神经网络参数对超声波电机迟滞可以进行有效的辨识,MSE小于6×10-4,不同负载下辨识误差小于0.11。