基于MPSO-BP 的超声波电动机Hammerstein 模型建模

邢 航，张铁民，张建桃，杨秀丽，漆海霞

(华南农业大学，广州510642)

0 引 言

超声波电动机是通过压电元件产生超声波振动来驱动的新型电机，它具有很多优点，如起动转矩大、结构简单、不受电磁干扰、不产生电磁干扰等，但它随着驱动条件不同具有严重非线性以及负载依赖性，因此，超声波电动机建模是一件困难并有挑战性的工作，其建模的理论和方法有很多，如等效电路建模、有限元建模、解析法建模等，但这些方法都较复杂，难以实用。从实现超声波电动机高精度控制的角度，系统辨识法可以克服上述方法在控制器设计中存在的问题［1］。

文献［2］提出了一种基于Hammerstein 结构的超声波电动机建模方法，但该方法不仅复杂而且由于采用试凑法提取参数，不适合所有超声波电动机，因为即使是同类型的超声波电动机，除了动态特性不同外，静态特性也是不同的，且该方法处理时间长。文献［1］提出一种超声波电动机Hammerstein模型建模方法，该方法需要识别死区，但考虑了驱动电压对模型参数的影响。文献［3］提出的Hammerstein 模型，其非线性静态部分采用RBFNN 结合遗传算法来近似，线性动态部分采用一阶传递函数。

粒子群优化算法(以下简称PSO)与遗传算法很相似，都是基于迭代的优化算法，都具有全局、并行搜索特性，都可以用于识别非线性系统模型的参数。但与遗传算法相比，PSO 算法的优点是实现简单，性能良好，因此在短短几年间得到了快速发展。本文提出一种超声波电动机的Hammerstein 模型的建立方法，其非线性静态部分采用改进的粒子群优化BP(以下简称MPSO－BP)算法来近似，线性动态部分采用一阶传递函数模型。……