论文部分内容阅读
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染。(3)基于磁悬浮轴承系统转子的机理分析，结合神经网络的基本理论，设计了时延反馈网络DTNN。(4)分别对网络DTNN和相同规模的BP、ELMAN网络进行训练，并对训练结果进行比较。最后给出了训练好的DTNN的网络权值和阈值参数。