基于神经网络的电机摩擦力混合模型研究  

Study on Hybrid Friction Model for Motors Based on Neural Network

作　　者：徐小平[1] 党选举[1] 

机构地区：[1]桂林电子科技大学电子工程与自动化学院,广西桂林541004

出　　处：《计算机仿真》2012年第5期178-182,共5页Computer Simulation

基　　金：国家自然科学基金项目(60964001);广西自然科学基金重点项目(桂科自0991019Z);广西信息与通讯技术实验室基金项目(10902)

摘　　要：在电机伺服系统优化建模的研究中,要求高精度伺服系统。由于系统摩擦力具有强非线性和非光滑特性,传统的神经网络无法进行有效辨识。将非线性摩擦特性理解成为由稳态部分和突变部分串联构成,以电机伺服系统为对象,引入柔性sigmoid函数描述非线性摩擦特性中的突变部分,并与传统的RBF神经网络串联,构造出描述非线性摩擦特性的神经网络混合模型。仿真结果表明,与传统的RBF神经网络辨识方法相比,模型在输入变化响应下均具有较高的模型精度,从而验证了建模方法的有效性。In high-precision servo system, friction effect is a nonlinear and nonsmooth phenomenon, thus it is hard to identify by using traditional neural network. This paper proposed that friction effect is interpreted to be consisted of a static part and a mutation part. Connecting flexible sigmoid function to Radial basis function （RBF） neural network, a hybrid friction model based on neural network was constructed for motors servo system. Results of simula- tion show that, compared with RBF neural network, the proposed model is of high precision responding to changing input signal, thus the effectiveness of the proposed model is demonstrated.

关 键 词：电机伺服系统 摩擦建模 径向基函数神经网络 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置] TP183[自动化与计算机技术—控制科学与工程]