压电陶瓷微位移工作台的建模方法

压电陶瓷存在着迟滞非线性特性,而且在运行过程中,特性的变化规律也是未知的、不确定的,难以用传统方法获取既有足够精确性又不至于过分复杂的压电陶瓷微位移工作台的数学模型。基于神经网络,本文提出了一种新的建模方法。分析了微位移工作台的结构和建模方法,利用神经网络的自学习和自适应能力,在线调整模型结构和参数,减小工作台的建模误差,为控制系统提供了更为准确的模型信息。采用工作台的位移数据对网络模型进行了训练,实验结果表明,在80μm行程范围内,工作台的平均定位误差为80 nm,最大误差为100 nm,基本满足纳米定位的精度要求。