论文部分内容阅读
压电陶瓷执行器物理结构复杂，通过参数化方法辨识经典Preisach模型（CPM）描述其迟滞特性时，难以找到合适的Preisach函数，模型预测误差较大。为了提高建模精度，定义了均值迟滞模型作为CPM的补充，通过将均值迟滞模型与CPM加权叠加，得到混合Preisach模型（MPM），并将权值定义为迟滞度参数，用以描述模型的迟滞非线性强烈程度。证明了MPM具有类似于CPM的擦除特性和一致特性，给出了MPM的表示定理。最后结合神经网络方法完成了MPM的辨识过程。实验结果表明，MPM及其预测误差最大值较CPM降低