[发明专利]基于OS‑ELM的压电陶瓷驱动器建模、控制方法及系统

权利要求书

1.一种基于OS-ELM的压电陶瓷驱动器迟滞非线性建模方法，其特征在于，包括：

对与压电陶瓷驱动器的控制过程相关的数据进行采样，得到相应的样本数据；其中，所述样本数据包括输入样本数据和输出样本数据，每个采样时刻对应的输入样本数据包括当前时刻下的期望输出位移、之前若干采样时刻下的输出位移和输入驱动电压，每个采样时刻对应的输出样本数据包括当前时刻下的输入驱动电压；

基于在线序列极限学习机理论构建待训练模型；

利用所述样本数据训练所述待训练模型，得到训练后模型，以通过所述训练后模型对所述压电陶瓷驱动器进行位移控制。

2.根据权利要求1所述的方法，其特征在于，所述利用所述样本数据训练所述待训练模型的过程之前，进一步包括：

对所述样本数据中的位移数据进行预处理；

其中，所述预处理包括放大处理和/或去噪处理。

3.根据权利要求1所述的方法，其特征在于，所述基于在线序列极限学习机理论构建待训练模型的过程，包括：

基于在线序列极限学习机理论构建初始待训练模型；其中，所述初始待训练模型为：

O(t)=Σj=1sβjf(αj,θj,X(t));]]>

式中，X(t)＝[y(t),y(t-T),u(t-T),y(t-2T),u(t-2T)...y(t-kT),u(t-kT)]，表示所述初始待训练模型中输入端获取到的第t时刻下的数据，t＝T,2T...NT，T表示采样周期，y(t)表示第t时刻下所述压电陶瓷驱动器的输出位移，u(t)表示第t时刻下所述压电陶瓷驱动器的输入驱动电压；O(t)＝u(t)，表示所述初始待训练模型中输出端获取到的第t时刻下的数据，s表示所述初始待训练模型中隐含层的神经元的数量，β_j表示所述初始待训练模型中隐含层的第j个神经元与输出层之间的连接权值，α_j表示所述初始待训练模型中输入层与隐含层的第j个神经元之间的连接权值，θ_j表示所述初始待训练模型中隐含层的第j个神经元的阈值，f表示隐含层的激活函数；

对所述初始待训练模型中的连接权值α_j和阈值θ_j进行设定，得到所述待训练模型。

4.根据权利要求3所述的方法，其特征在于，所述对所述初始待训练模型中的连接权值α_j和阈值θ_j进行设定的过程，包括：

对所述初始待训练模型中的连接权值α_j和阈值θ_j进行随机设定。

5.根据权利要求4所述的方法，其特征在于，所述隐含层激活函数为无限可导函数。