基于神经网络的磁悬浮轴承系统辨识研究
发布时间：2023-02-23 10:51
磁悬浮轴承，是一种新型高性能轴承，已被广泛用于机械加工、涡轮机械、航空航天、真空技术等领域，被公认为是极有前途的新型轴承。目前，国内外对磁悬浮轴承系统的控制多采用线性控制理论，采用的数学模型也是经过了近似和线性化后得到的模型。然而，磁悬浮轴承系统是一个复杂非线性的系统，将它抽象成为一个线性系统，无法体现实际系统本身的动态特性，也无法满足更高的控制精度的要求。 神经网络能以任意精度逼近任意非线性连续函数，逐渐成为处理非线性系统的重要工具，在系统辨识领域中越来越受到重视。本论文尝试在磁悬浮轴承转子的机理分析的基础上，结合神经网络基本理论，设计一种反映磁悬浮轴承系统动态特性的神经网络作为它的数学模型，对实际的磁悬浮轴承系统进行系统辨识。实验结果表明本论文中设计的外时延反馈网络DTNN能在允许误差范围之内拟合系统的输入输出特性，并且比BP网络和ELMAN网络更适用于模拟实际的磁悬浮轴承系统。为磁悬浮轴承系统的建模探索了一种新方法。本论文主要研究内容如下：(1)回顾了系统辨识的基本理论和基本方法。(2)在自制的实验平台上采集磁悬浮轴承的输入输出数据，并用小波去噪技术减小随机噪声对数据的污...
【文章页数】：91 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究背景及科学意义
1.2 磁悬浮轴承的研究现状
1.3 磁悬浮轴承系统建模的研究现状
1.4 本论文的研究内容
第二章 系统辨识基础理论
2.1 系统辨识的定义
2.1.1 系统模型的定义
2.1.2 建立数学模型的基本方法
2.1.3 系统辨识的定义
2.2 系统辨识的内容
2.3 线性系统辨识的常用方法
2.3.1 线性系统的经典辨识方法
2.3.2 线性系统的现代辨识方法
2.4 非线性系统的辨识方法
2.4.1 非线性系统的常用数学模型
2.4.2 非线性系统的常用辨识方法介绍
2.5 本章小结
第三章 磁悬浮轴承系统辨识的实验准备
3.1 磁悬浮轴承系统辨识硬件平台介绍
3.1.1 磁悬浮实验装置原理
3.1.2 磁悬浮轴承激励源的电路的设计
3.1.3 磁悬浮轴承位移信号检测电路
3.1.3.1 气隙传感器的研究与设计
3.1.3.2 气隙检测电路的实现
3.1.4 数据采集卡PC-7483的使用
3.2 磁悬浮轴承系统辨识实验系统的软件平台
3.3 磁悬浮轴承输入输出数据的采集
3.4 输入输出样本数据处理
3.4.1 输入输出数据时序图
3.4.2 样本数据去噪处理
3.4.2.1 小波去噪技术的原理
3.4.2.2 基于MATLAB的磁悬浮轴承样本小波去噪
3.5 本章小结
第四章 神经网络在系统辨识中的应用
4.1 神经网络简介
4.2 神经网络的基本原理
4.2.1 神经元模型
4.1.2 神经元连接方式
4.1.3 神经网络的训练和学习
4.2 BP网络介绍
4.2.1 BP网络结构
4.2.1 BP算法
4.2.2 BP算法推导
4.2.3 BP算法的不足和改进
4.3 ELMAN网络介绍
4.3.1 ELMAN网络结构
4.3.2 ELMAN网络的学习算法
4.4 神经网络在系统辨识中的应用
4.5 本章小结
第五章 辨识单自由度磁悬浮轴承的神经网络设计
5.1 单自由度磁悬浮轴承受力分析
5.2 磁悬浮轴承系统模型的描述
5.3 模拟磁悬浮轴承模型的神经网络结构设计
5.4 神经网络训练及其结果分析
5.4.1 DTNN的训练
5.4.2 DTNN泛化能力的检验
5.5 DTNN与BP网络和ELMAN网络的比较
5.5.1 创建BP网络并对它进行训练
5.5.2 BP网络泛化能力的检验
5.5.3 ELMAN网络的创建及其训练
5.5.4 ELMAN网络泛化能力的检验
5.5.5 性能比较
5.6 DTNN网络的权值和阈值参数
5.7 本章小结
总结与展望
参考文献
硕士期间发表论文
中文详细摘要
本文编号：3748390
【文章页数】：91 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究背景及科学意义
1.2 磁悬浮轴承的研究现状
1.3 磁悬浮轴承系统建模的研究现状
1.4 本论文的研究内容
第二章 系统辨识基础理论
2.1 系统辨识的定义
2.1.1 系统模型的定义
2.1.2 建立数学模型的基本方法
2.1.3 系统辨识的定义
2.2 系统辨识的内容
2.3 线性系统辨识的常用方法
2.3.1 线性系统的经典辨识方法
2.3.2 线性系统的现代辨识方法
2.4 非线性系统的辨识方法
2.4.1 非线性系统的常用数学模型
2.4.2 非线性系统的常用辨识方法介绍
2.5 本章小结
第三章 磁悬浮轴承系统辨识的实验准备
3.1 磁悬浮轴承系统辨识硬件平台介绍
3.1.1 磁悬浮实验装置原理
3.1.2 磁悬浮轴承激励源的电路的设计
3.1.3 磁悬浮轴承位移信号检测电路
3.1.3.1 气隙传感器的研究与设计
3.1.3.2 气隙检测电路的实现
3.1.4 数据采集卡PC-7483的使用
3.2 磁悬浮轴承系统辨识实验系统的软件平台
3.3 磁悬浮轴承输入输出数据的采集
3.4 输入输出样本数据处理
3.4.1 输入输出数据时序图
3.4.2 样本数据去噪处理
3.4.2.1 小波去噪技术的原理
3.4.2.2 基于MATLAB的磁悬浮轴承样本小波去噪
3.5 本章小结
第四章 神经网络在系统辨识中的应用
4.1 神经网络简介
4.2 神经网络的基本原理
4.2.1 神经元模型
4.1.2 神经元连接方式
4.1.3 神经网络的训练和学习
4.2 BP网络介绍
4.2.1 BP网络结构
4.2.1 BP算法
4.2.2 BP算法推导
4.2.3 BP算法的不足和改进
4.3 ELMAN网络介绍
4.3.1 ELMAN网络结构
4.3.2 ELMAN网络的学习算法
4.4 神经网络在系统辨识中的应用
4.5 本章小结
第五章 辨识单自由度磁悬浮轴承的神经网络设计
5.1 单自由度磁悬浮轴承受力分析
5.2 磁悬浮轴承系统模型的描述
5.3 模拟磁悬浮轴承模型的神经网络结构设计
5.4 神经网络训练及其结果分析
5.4.1 DTNN的训练
5.4.2 DTNN泛化能力的检验
5.5 DTNN与BP网络和ELMAN网络的比较
5.5.1 创建BP网络并对它进行训练
5.5.2 BP网络泛化能力的检验
5.5.3 ELMAN网络的创建及其训练
5.5.4 ELMAN网络泛化能力的检验
5.5.5 性能比较
5.6 DTNN网络的权值和阈值参数
5.7 本章小结
总结与展望
参考文献
硕士期间发表论文
中文详细摘要
本文编号：3748390
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/3748390.html