混合Preisach迟滞模型及其性质研究

压电陶瓷执行器物理结构复杂,通过参数化方法辨识经典Preisach模型(CPM)描述其迟滞特性时,难以找到合适的Preisach函数,模型预测误差较大。为了提高建模精度,定义了均值迟滞模型作为CPM的补充,通过将均值迟滞模型与CPM加权叠加,得到混合Preisach模型(MPM),并将权值定义为迟滞度参数,用以描述模型的迟滞非线性强烈程度。证明了MPM具有类似于CPM的擦除特性和一致特性,给出了MPM的表示定理。最后结合神经网络方法完成了MPM的辨识过程。实验结果表明,MPM及其预测误差最大值较CPM降低了1.20μm,同时MPM的两种特性也得到了验证。