Preisach迟滞模型分类排序法的神经网络实现

针对非线性系统的迟滞特性开展建模研究,提出了一种Preisach模型分类排序法的神经网络实现方法,据此对压电陶瓷执行器纳米定位系统的迟滞非线性进行建模. 兼顾到迟滞的擦除特性和建模的精确度,建立BP神经网络求取收缩函数,避免了插值法求收缩函数值带来的插值误差. 实验结果表明,神经网络分类排序实现方法有效提高了Preisach模型的精度,减小了模型的误差.     

激光冲击强化对熔覆后TC4钛合金性能的提高

对TC4钛合金的熔覆试样进行激光冲击强化试验,比较了激光冲击强化前后试样的显微硬度、表面残余应力、显微组织和疲劳性能.TC4钛合金熔覆后,修复区表面残余拉应力为225 MPa,激光冲击强化消除了熔覆产生的拉应力,产生了449 MPa的残余压应力,在基体残留的压应力高达672 MPa;激光冲击强化后,修复区硬度由强化前的333 HV提高到381 HV.TEM显示:3次冲击后,在TC4材料表面形成了纳米晶层.对强化前后的激光熔覆试样进行高周疲劳试验,结果表明:激光冲击强化提高熔覆后钛合金疲劳强度达15.8％.经分析,冲击后细化晶粒和残余压应力对高周疲劳性能的提高起到了关键作用.     

激光冲击强化对熔覆后TC4钛合金性能的提高

对TC4钛合金的熔覆试样进行激光冲击强化试验,比较了激光冲击强化前后试样的显微硬度、表面残余应力、显微组织和疲劳性能.TC4钛合金熔覆后,修复区表面残余拉应力为225 MPa,激光冲击强化消除了熔覆产生的拉应力,产生了449 MPa的残余压应力,在基体残留的压应力高达672 MPa;激光冲击强化后,修复区硬度由强化前的333 HV提高到381 HV.TEM显示:3次冲击后,在TC4材料表面形成了纳米晶层.对强化前后的激光熔覆试样进行高周疲劳试验,结果表明:激光冲击强化提高熔覆后钛合金疲劳强度达15.8%.经分析,冲击后细化晶粒和残余压应力对高周疲劳性能的提高起到了关键作用.     

基于Preisach逆模型的压电陶瓷执行器迟滞补偿控制

为解决迟滞非线性对压电陶瓷执行器的影响,提出了基于Preisach逆补偿的闭环控制策略,利用考虑了擦除特性的分类排序方法实现了迟滞的Preisach逆模型,通过Preisach逆模型串联补偿降低迟滞作用的影响,并在逆模型前串联PI控制器,通过闭环控制抑制未能完全补偿的迟滞非线性,进而提高系统的控制精度,平均绝对误差下降到0.025μm.实验表明,基于Preisach逆补偿的迟滞补偿控制策略具有良好的控制性能.