音圈电机复杂迟滞建模：改进Preisach模型与RBF神经网络结合

"这篇论文是关于音圈电机复杂迟滞特性的建模研究，采用了改进的Preisach模型与RBF神经网络相结合的方法。作者党选举、梁卫和姜辉来自桂林电子科技大学电子工程与自动化学院。文章发表在《振动与冲击》杂志第31卷第21期，2012年。" 正文: 音圈电机（Voice Coil Motor, VCM）在高频响应、高速、高加速度运动中，常常表现出一种特殊的复杂迟滞现象，这会严重影响其定位精度和系统性能。为了解决这个问题，该研究提出了一种结合改进的Preisach模型和径向基函数（Radial Basis Function, RBF）动态神经网络的动态迟滞混合模型。 首先，改进的Preisach模型是针对传统Preisach模型的扩展。传统的Preisach模型基于磁滞回线，主要用于描述材料的单调迟滞行为。然而，针对音圈电机的非单调迟滞特性，研究者在模型中引入了非单调信息，使模型能够更好地模拟电机在不同工作条件下的输出特性，从而输出具有非单调迟滞特性的响应。 接下来，动态RBF神经网络被用于第二级建模，它主要负责对第一级Preisach模型输出的相位和幅值进行补偿。RBF神经网络以其快速收敛和高精度的特点，能够有效地捕捉系统的动态变化，进一步提高对音圈电机实际输出的拟合精度。 通过基于实测数据的仿真实验，该模型证明了对一般迟滞和非单调复杂迟滞的建模效果，而且在精度上优于传统的动态神经网络建模方法。这表明，该混合模型对于理解和控制音圈电机的复杂迟滞行为具有显著优势，有助于提升音圈电机在高速、高频响应用中的定位控制性能。 这篇论文的研究成果为音圈电机的控制策略提供了新的理论基础，改进的Preisach模型和RBF神经网络的结合使用，为解决电机在高速运动中遇到的非线性问题提供了一种有效途径。这一模型不仅可以应用于音圈电机，也对其他具有类似迟滞特性的系统建模具有参考价值。