基于CMAC神经网络的超磁致伸缩非线性控制

来源：电子测量技术杂志2023年第9期北京时间：

作者：潘明健，安坤，李健宏，王奇，孟江

单位：1.中北大学电气与控制工程学院 太原 030051; 2.中北大学机械工程学院 太原 030051

摘要：对于超磁致伸缩材料固有的迟滞非线性特性，本文提出一种基于小脑模型神经网络（CMAC）前馈逆补偿与PID相结合的复合控制方法。首先利用CMAC神经网络学习获得超磁致伸缩致动器（GMA）的迟滞逆模型进行补偿，再利用CMAC模型在线快速学习适应的能力，结合PID控制器降低跟踪控制时的误差和扰动，从而实现GMA的精密控制。通过MATLAB建立了CMAC前馈逆补偿控制器和CMAC-PID复合控制模型，最后通过仿真实验验证所提方法的有效性。结果表明,提出的利用CMAC神经网络逼近的迟滞模型具有令人满意的精度，在CMAC-PID复合控制方案的作用下，系统的期望位移与实际位移相对误差值最大值仅2.39%，平均相对误差值不到0.5%。说明该控制策略能适应控制对象的非线性变化，有效地提高GMA的跟踪精度。

关键词：超磁致伸缩;迟滞非线性;CMAC神经网络

基金资助：国家自然科学基金(61774138)、山西省自然科学基金面上项目(201801D121184)资助