基于NARX神经网络的液压系统模型建模

作者：李崇; 樊留群; 刘广杰; 黄云鹰

来源：机电一体化, 2019, 25(Z1): 42-46.

DOI：10.16413/j.cnki.issn.1007-080x.2019.z1.007

• 非线性有源自回归神经网络
• 列文伯格学习算法
• 液压系统

神经网络是一种黑箱建模方法,具有很高的非线性映射能力。研究了基于神经网络的液压系统动态模型建模方法。首先建立液压系统的传递函数模型,通过该模型产生样本数据,以液压系统的输入压强、节流阀截面积及四通阀控制信号为输入,液压缸压强为输出;采用Levenberg-Marquard学习算法构建NARX神经网络,建立液压系统动态模型。经过与系统的传递函数模型的输入输出进行对比,证明采用NARX神经网络建立动态模型的方法是可行的。与RNN神经网络模型进行对比,证明NARX神经网络在建立液压系统动态模型方面更具有优越性。

• 单位
  同济大学