磁懸浮軸承，是一種新型高性能軸承，已被廣泛用于機械加工、渦輪機械、航空航天、真空技術(shù)等領(lǐng)域，被公認(rèn)為是極有前途的新型軸承。目前，國內(nèi)外對磁懸浮軸承系統(tǒng)的控制多采用線性控制理論，采用的數(shù)學(xué)模型也是經(jīng)過了近似和線性化后得到的模型。然而，磁懸浮軸承系統(tǒng)是一個復(fù)雜非線性的系統(tǒng)，將它抽象成為一個線性系統(tǒng)，無法體現(xiàn)實際系統(tǒng)本身的動態(tài)特性，也無法滿足更高的控制精度的要求。 神經(jīng)網(wǎng)絡(luò)能以任意精度逼近任意非線性連續(xù)函數(shù)，逐漸成為處理非線性系統(tǒng)的重要工具，在系統(tǒng)辨識領(lǐng)域中越來越受到重視。本論文嘗試在磁懸浮軸承轉(zhuǎn)子的機理分析的基礎(chǔ)上，結(jié)合神經(jīng)網(wǎng)絡(luò)基本理論，設(shè)計一種反映磁懸浮軸承系統(tǒng)動態(tài)特性的神經(jīng)網(wǎng)絡(luò)作為它的數(shù)學(xué)模型，對實際的磁懸浮軸承系統(tǒng)進(jìn)行系統(tǒng)辨識。實驗結(jié)果表明本論文中設(shè)計的外時延反饋網(wǎng)絡(luò)DTNN能在允許誤差范圍之內(nèi)擬合系統(tǒng)的輸入輸出特性，并且比BP網(wǎng)絡(luò)和ELMAN網(wǎng)絡(luò)更適用于模擬實際的磁懸浮軸承系統(tǒng)。為磁懸浮軸承系統(tǒng)的建模探索了一種新方法。本論文主要研究內(nèi)容如下：(1)回顧了系統(tǒng)辨識的基本理論和基本方法。(2)在自制的實驗平臺上采集磁懸浮軸承的輸入輸出數(shù)據(jù)，并用小波去噪技術(shù)減小隨機噪聲對數(shù)據(jù)的污...

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景及科學(xué)意義
    1.2 磁懸浮軸承的研究現(xiàn)狀
    1.3 磁懸浮軸承系統(tǒng)建模的研究現(xiàn)狀
    1.4 本論文的研究內(nèi)容
第二章 系統(tǒng)辨識基礎(chǔ)理論
    2.1 系統(tǒng)辨識的定義
        2.1.1 系統(tǒng)模型的定義
        2.1.2 建立數(shù)學(xué)模型的基本方法
        2.1.3 系統(tǒng)辨識的定義
    2.2 系統(tǒng)辨識的內(nèi)容
    2.3 線性系統(tǒng)辨識的常用方法
        2.3.1 線性系統(tǒng)的經(jīng)典辨識方法
        2.3.2 線性系統(tǒng)的現(xiàn)代辨識方法
    2.4 非線性系統(tǒng)的辨識方法
        2.4.1 非線性系統(tǒng)的常用數(shù)學(xué)模型
        2.4.2 非線性系統(tǒng)的常用辨識方法介紹
    2.5 本章小結(jié)
第三章 磁懸浮軸承系統(tǒng)辨識的實驗準(zhǔn)備
    3.1 磁懸浮軸承系統(tǒng)辨識硬件平臺介紹
        3.1.1 磁懸浮實驗裝置原理
        3.1.2 磁懸浮軸承激勵源的電路的設(shè)計
        3.1.3 磁懸浮軸承位移信號檢測電路
            3.1.3.1 氣隙傳感器的研究與設(shè)計
            3.1.3.2 氣隙檢測電路的實現(xiàn)
        3.1.4 數(shù)據(jù)采集卡PC-7483的使用
    3.2 磁懸浮軸承系統(tǒng)辨識實驗系統(tǒng)的軟件平臺
    3.3 磁懸浮軸承輸入輸出數(shù)據(jù)的采集
    3.4 輸入輸出樣本數(shù)據(jù)處理
        3.4.1 輸入輸出數(shù)據(jù)時序圖
        3.4.2 樣本數(shù)據(jù)去噪處理
            3.4.2.1 小波去噪技術(shù)的原理
            3.4.2.2 基于MATLAB的磁懸浮軸承樣本小波去噪
    3.5 本章小結(jié)
第四章 神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辨識中的應(yīng)用
    4.1 神經(jīng)網(wǎng)絡(luò)簡介
    4.2 神經(jīng)網(wǎng)絡(luò)的基本原理
        4.2.1 神經(jīng)元模型
        4.1.2 神經(jīng)元連接方式
        4.1.3 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和學(xué)習(xí)
    4.2 BP網(wǎng)絡(luò)介紹
        4.2.1 BP網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.1 BP算法
        4.2.2 BP算法推導(dǎo)
        4.2.3 BP算法的不足和改進(jìn)
    4.3 ELMAN網(wǎng)絡(luò)介紹
        4.3.1 ELMAN網(wǎng)絡(luò)結(jié)構(gòu)
        4.3.2 ELMAN網(wǎng)絡(luò)的學(xué)習(xí)算法
    4.4 神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辨識中的應(yīng)用
    4.5 本章小結(jié)
第五章 辨識單自由度磁懸浮軸承的神經(jīng)網(wǎng)絡(luò)設(shè)計
    5.1 單自由度磁懸浮軸承受力分析
    5.2 磁懸浮軸承系統(tǒng)模型的描述
    5.3 模擬磁懸浮軸承模型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    5.4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練及其結(jié)果分析
        5.4.1 DTNN的訓(xùn)練
        5.4.2 DTNN泛化能力的檢驗
    5.5 DTNN與BP網(wǎng)絡(luò)和ELMAN網(wǎng)絡(luò)的比較
        5.5.1 創(chuàng)建BP網(wǎng)絡(luò)并對它進(jìn)行訓(xùn)練
        5.5.2 BP網(wǎng)絡(luò)泛化能力的檢驗
        5.5.3 ELMAN網(wǎng)絡(luò)的創(chuàng)建及其訓(xùn)練
        5.5.4 ELMAN網(wǎng)絡(luò)泛化能力的檢驗
        5.5.5 性能比較
    5.6 DTNN網(wǎng)絡(luò)的權(quán)值和閾值參數(shù)
    5.7 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
碩士期間發(fā)表論文
中文詳細(xì)摘要



本文編號：3748390