基于RBF神经网络的迟滞非线性模型预测控制

• 作者: 王亚锋 安坤 孟江
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 神经网络 迟滞建模 非线性预测控制 MATLAB
• 年，卷（期）: 2021,（23）
• 所属期刊栏目: 理论与算法|Theory and Algorithms
• 页码范围: 42-47
• 页数: 6页
• 分类号: TP389.1|TB381
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2107830

摘要

压电执行器具有响应快、质量比大、刚度高等特点,在纳米技术领域得到了广泛的应用.迟滞特性作为一种固有的非线性特性,极大地影响了迟滞控制的性能.本文提出了一种非线性模型预测控制(NMPC)方法来解决压电执行器的位移跟踪问题.首先,利用RBF神经网络实现了压电执行器的"外源输入非线性自回归移动平均"(NARMAX)模型;其次,利用NMPC原理将跟踪控制问题转化为优化问题,然后采用梯度下降算法求解.为验证所提出的建模和控制方法的有效性,并进行了 MATLAB与COMSOL仿真实验.结果表明,所提出的RBF预测模型具有令人满意的精度,NMPC方法跟踪所得期望位移与实际位移绝对误差值最大达到0.016μm,平均绝对误差达到0.012 1 μm,具有较高的精度.