[發(fā)明專利]超聲波電機瞬態(tài)特性測試裝置及其控制系統

有效

• 申請?zhí)枺?/td>: 201310288488.8
• 申請日: 2013-07-10
• 公開（公告）號: CN103513181A
• 公開（公告）日: 2014-01-15
• 發(fā)明（設計）人: 傅平
• 申請（專利權）人: 閩江學院
• 主分類號: G01R31/34
• 分類號: G01R31/34
• 代理公司: 福州元創(chuàng)專利商標代理有限公司 35100
• 代理人: 蔡學俊

1.一種超聲波電機瞬態(tài)特性測試裝置，包括基座和設于基座上的超聲波電機，其特征在于：所述超聲波電機一側輸出軸與光電編碼器相連接，另一側輸出軸與飛輪慣性負載相連接，所述飛輪慣性負載的輸出軸經聯軸器與力矩傳感器相連接，所述光電編碼器的信號輸出端、所述力矩傳感器的信號輸出端分別接至控制系統。

2.根據權利要求1所述的超聲波電機瞬態(tài)特性測試裝置，其特征在于：所述控制系統包括超聲波電機驅動控制電路，所述超聲波電機驅動控制電路包括控制芯片電路和驅動芯片電路，所述光電編碼器的信號輸出端與所述控制芯片電路的相應輸入端相連接，所述控制芯片電路的輸出端與所述驅動芯片電路的相應輸入端相連接，以驅動所述驅動芯片電路，所述驅動芯片電路的驅動頻率調節(jié)信號輸出端和驅動半橋電路調節(jié)信號輸出端分別與所述超聲波電機的相應輸入端相連接。

3.根據權利要求1所述的超聲波電機瞬態(tài)特性測試裝置，其特征在于：所述聯軸器為彈性聯軸器。

4.根據權利要求1所述的超聲波電機瞬態(tài)特性測試裝置，其特征在于：所述超聲波電機、光電編碼器、力矩傳感器分別經超聲波電機固定支架、光電編碼器固定支架、力矩傳感器固定支架固定于所述基座上。

5.一種如權利要求1所述的超聲波電機瞬態(tài)特性測試裝置的控制系統，其特征在于：由自回歸神經網絡辨識器和自回歸神經網絡控制器組成；

所述自回歸神經網絡辨識器由輸入層、隱含層和輸出層三層網絡組成；所述自回歸神經網絡辨識器的輸入層有s個節(jié)點，s為不小于4?的偶數，所述自回歸神經網絡辨識器的輸入層的輸入信號為：

????(1)

其中，，，，，，為時刻所述自回歸神經網絡控制器的輸出，為時刻所述自回歸神經網絡控制器的輸出，為時刻所述自回歸神經網絡控制器的輸出，為時刻光電編碼器或力矩傳感器的輸出，為時刻光電編碼器或力矩傳感器的輸出，為時刻光電編碼器或力矩傳感器的輸出；

所述自回歸神經網絡辨識器的輸入層的輸出信號為：

????(2)

所述自回歸神經網絡辨識器的隱含層有p個節(jié)點，所述自回歸神經網絡辨識器的隱含層的輸入信號為：

????(3)

其中表示自回歸神經網絡辨識器的輸入層與隱含層之間的聯接權重，表示自回歸神經網絡辨識器的隱含層節(jié)點自身的權重調整；

所述自回歸神經網絡辨識器的隱含層的輸出信號為：

????(4)

其中函數為

所述自回歸神經網絡辨識器的輸出層有2個節(jié)點，所述自回歸神經網絡辨識器的輸出層的輸入信號為：

?????(5)

其中表示自回歸神經網絡辨識器的輸出層與隱含層之間的聯接權重；

所述自回歸神經網絡辨識器的輸出層的輸出信號為：

，其中表示輸出向量；

所述自回歸神經網絡辨識器的誤差函數為：

????(6)

其中表示所述光電編碼器或力矩傳感器的信號輸出，表示所述自回歸神經網絡辨識器的輸出；

所述自回歸神經網絡辨識器的聯接權重、、的學習速率按照梯度最快下降原理進行調整，即

????(7)

????(8)

????(9)

其中=，=，=，、、是所述自回歸神經網絡辨識器的聯接權重、、的學習速率；

令，，則

????(10)

????(11)

????(12)

????(13)

????(13-2)

所述自回歸神經網絡控制器由輸入層、隱含層和輸出層三層網絡組成；所述自回歸神經網絡控制器的輸入層的輸入信號為：

????(14)

其中，，，為時刻外部給定的參考軌跡或曲線；

所述自回歸神經網絡控制器的輸入層的輸出信號為：

????(15)

所述自回歸神經網絡控制器的隱含層有q個節(jié)點，所述自回歸神經網絡控制器的隱含層的輸入信號為：

????(16)

其中表示所述自回歸神經網絡控制器的輸入層與隱含層之間的聯接權重，表示所述自回歸神經網絡控制器的隱含層自身的權重調整；

所述自回歸神經網絡控制器的隱含層的輸出信號為：

????(17)

所述自回歸神經網絡控制器的輸出層有2個節(jié)點，所述自回歸神經網絡控制器的輸出層的輸入信號為：

?????(18)

其中表示所述自回歸神經網絡控制器的輸出層與隱含層之間的聯接權重；

所述自回歸神經網絡控制器的輸出層的輸出信號為：

??(19)

所述自回歸神經網絡控制器的誤差函數：

????(20)

其中，表示所述光電編碼器或力矩傳感器的信號輸出，表示外部輸入的參考軌跡或曲線的控制信號；

所述自回歸神經網絡控制器的聯接權重、、的學習速率也按照梯度最快下降原理進行調整，即

????(21)

????(22)

????(23)

其中=，=，=；

令，，則

????(24)

????(25)

????(26)

神經網絡學習完成后，由自回歸神經網絡辨識器估計的值，即，則

????(27)

????(28)

????(29)。