[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的壓電陶瓷驅(qū)動(dòng)器輸出控制方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910366740.X
• 申請(qǐng)日: 2019-05-05
• 公開（公告）號(hào): CN110108443B
• 公開（公告）日: 2020-04-07
• 發(fā)明（設(shè)計(jì)）人: 劉巍;姚壯;周孟德;溫正權(quán);唐琳琳;梁冰;賈振元
• 申請(qǐng)（專利權(quán)）人: 大連理工大學(xué)
• 主分類號(hào): G01M9/08
• 分類號(hào): G01M9/08;G06N3/08;G06F30/20
• 代理公司: 大連理工大學(xué)專利中心 21200
• 代理人: 關(guān)慧貞

1.一種基于神經(jīng)網(wǎng)絡(luò)的壓電陶瓷驅(qū)動(dòng)器輸出力預(yù)測(cè)方法，其特征是，利用壓電陶瓷驅(qū)動(dòng)器數(shù)據(jù)采集硬件系統(tǒng)完成壓電陶瓷驅(qū)動(dòng)器輸入電壓與輸出力的數(shù)據(jù)采集，建立壓電陶瓷驅(qū)動(dòng)器神經(jīng)網(wǎng)絡(luò)模型并利用實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練該模型，最后可以在工程中調(diào)用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)高精度的壓電陶瓷驅(qū)動(dòng)器輸出力控制；方法的具體步驟如下：

第一步、安裝壓電陶瓷驅(qū)動(dòng)器數(shù)據(jù)采集硬件系統(tǒng)

在實(shí)驗(yàn)開始前，先將傳力螺柱(5)旋入力傳感器(7)中，調(diào)節(jié)傳力螺柱(5)到合適高度；之后力傳感器(7)通過螺栓螺母(6)固定安裝在安裝基座(2)下方；將壓電陶瓷驅(qū)動(dòng)器(4)的一端安裝在傳力螺柱(5)的壓電陶瓷驅(qū)動(dòng)器安裝槽(501)中，使它們緊密貼合；在壓電陶瓷驅(qū)動(dòng)器(4)的另一端面上安裝球面墊片(3)，球面墊片(3)上有安裝槽(301)與壓電陶瓷驅(qū)動(dòng)器端面緊密貼合；預(yù)緊螺栓(1)穿過安裝基座(2)頂部的螺栓孔將預(yù)緊力施加到球面墊片(3)上；力傳感器(7)接入NI系統(tǒng)(8)中的信號(hào)采集板卡，NI系統(tǒng)(8)與計(jì)算機(jī)(9)連接，使用虛擬儀器LabVIEW軟件讀取傳感器信號(hào)變化，相互通訊實(shí)現(xiàn)對(duì)加載力信號(hào)的采集；NI系統(tǒng)(8)的電壓輸出板卡將電信號(hào)輸入到信號(hào)放大器(10)中，再由信號(hào)放大器(10)實(shí)現(xiàn)電壓信號(hào)向壓電陶瓷驅(qū)動(dòng)器(4)的輸出；

第二步、壓電陶瓷驅(qū)動(dòng)器的輸入電壓與輸出力數(shù)據(jù)采集

實(shí)驗(yàn)開始，啟動(dòng)NI系統(tǒng)(8)、計(jì)算機(jī)(9)與信號(hào)放大器(10)；操作預(yù)緊螺栓(1)預(yù)緊壓電陶瓷驅(qū)動(dòng)器(4)，通過計(jì)算機(jī)(9)上LabVIEW軟件顯示的預(yù)緊力的數(shù)值，使其達(dá)到預(yù)定值；通過LabVIEW軟件控制NI系統(tǒng)輸出幅值逐漸衰減的正弦波形電壓，電壓U波形如下：

U＝e^-ξωt·sin(ωt) (1)

其中，ξ為電壓波形衰減率，ω為正弦電壓波的角頻率；

利用NI系統(tǒng)(8)實(shí)時(shí)讀取并儲(chǔ)存力傳感器(7)的讀數(shù)，直到NI系統(tǒng)輸出電壓幅值衰減到0，從而完成數(shù)據(jù)采集；

第三步、建立壓電陶瓷驅(qū)動(dòng)器神經(jīng)網(wǎng)絡(luò)模型

通過MATLAB軟件，建立壓電陶瓷驅(qū)動(dòng)器的輸入電壓與輸出力BP神經(jīng)網(wǎng)絡(luò)模型，一般來說，三層BP神經(jīng)網(wǎng)絡(luò)就可以很好地逼近任一非線性模型，典型三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)通常包括輸入層、隱含層與輸出層，令輸入層有兩個(gè)節(jié)點(diǎn)，包括神經(jīng)網(wǎng)絡(luò)模型輸入層為壓電陶瓷驅(qū)動(dòng)器輸出力F_n與上一循環(huán)壓電陶瓷驅(qū)動(dòng)器輸出力F_n-1；輸出層有一個(gè)節(jié)點(diǎn)，為壓電陶瓷驅(qū)動(dòng)器輸入電壓U_n；給每個(gè)節(jié)點(diǎn)賦予初始的權(quán)值、閾值和傳遞函數(shù)；

BP神經(jīng)網(wǎng)絡(luò)隱含層中第i個(gè)節(jié)點(diǎn)的輸入net_i為

其中，x_j表示輸入層第j個(gè)節(jié)點(diǎn)的輸入；w_ij表示隱含層第i個(gè)節(jié)點(diǎn)到輸入層第j個(gè)節(jié)點(diǎn)之間的權(quán)值；θ_i表示隱含層第i個(gè)節(jié)點(diǎn)的閾值；

隱含層第i個(gè)節(jié)點(diǎn)的輸出y_i為

y_i＝φ(net_i) (3)

其中，φ表示隱含層的激勵(lì)函數(shù)；

輸出層節(jié)點(diǎn)的輸入net為

其中，w_1i表示輸出層節(jié)點(diǎn)到隱含層第i個(gè)節(jié)點(diǎn)之間的權(quán)值；a表示輸出層節(jié)點(diǎn)的閾值；

輸出層節(jié)點(diǎn)的輸出o為

o＝ψ(net) (5)

其中，ψ表示輸出層的激勵(lì)函數(shù)；

由此得到了未訓(xùn)練的壓電陶瓷驅(qū)動(dòng)器的輸入電壓與輸出力的BP神經(jīng)網(wǎng)絡(luò)模型，為保證模型的準(zhǔn)確性，還需要使用實(shí)驗(yàn)數(shù)據(jù)對(duì)其進(jìn)行訓(xùn)練；

第四步、訓(xùn)練該系統(tǒng)神經(jīng)網(wǎng)絡(luò)模型并進(jìn)行應(yīng)用

將第一、二步得到的實(shí)驗(yàn)數(shù)據(jù)分為兩組，分別用于神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練與測(cè)試，其中訓(xùn)練集樣本為P個(gè)，測(cè)試集樣本為Q個(gè)；設(shè)置神經(jīng)網(wǎng)絡(luò)模型的最大訓(xùn)練次數(shù)、目標(biāo)精度與學(xué)習(xí)率，之后將測(cè)試集數(shù)據(jù)代入神經(jīng)網(wǎng)絡(luò)模型，比較輸出層節(jié)點(diǎn)輸出o與實(shí)際輸出，令系統(tǒng)對(duì)P個(gè)訓(xùn)練樣本的總誤差準(zhǔn)則函數(shù)為

其中，T_p為樣本p的實(shí)際輸出數(shù)據(jù)，o_p為樣本p的神經(jīng)網(wǎng)絡(luò)輸出數(shù)據(jù)；

之后由輸出層節(jié)點(diǎn)的輸出誤差逐層計(jì)算各層神經(jīng)元的輸出誤差，根據(jù)誤差梯度下降法來調(diào)節(jié)各層的權(quán)值和閾值，使網(wǎng)絡(luò)的最終輸出接近期望值；根據(jù)公式(7)、(8)、(9)、(10)依次修正的輸出層權(quán)值的修正量Δw_1i，輸出層閾值的修正量Δa，隱含層權(quán)值的修正量Δw_ij，隱含層閾值的修正量Δθ_i；

其中，η為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率；

由此完成了一次數(shù)據(jù)訓(xùn)練以及參數(shù)修正，接下來循環(huán)往復(fù)，直到達(dá)到訓(xùn)練次數(shù)或目標(biāo)精度，得到最終的參數(shù)；將參數(shù)代入BP神經(jīng)網(wǎng)絡(luò)，就得到了壓電陶瓷驅(qū)動(dòng)器的輸入電壓與輸出力的BP神經(jīng)網(wǎng)絡(luò)模型；之后將測(cè)試集數(shù)據(jù)代入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，根據(jù)公式(11)計(jì)算神經(jīng)網(wǎng)絡(luò)模型的輸出與實(shí)際實(shí)驗(yàn)數(shù)據(jù)的誤差，用于評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)模型的精度；

應(yīng)用時(shí),調(diào)用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，在輸入端輸入期望壓電陶瓷驅(qū)動(dòng)器輸出的力值與壓電陶瓷驅(qū)動(dòng)器在上一個(gè)循環(huán)輸出的力值，即得到需要提供給壓電陶瓷驅(qū)動(dòng)器的電壓值。