基于神經(jīng)網(wǎng)絡的形狀記憶合金形變識別研究.pdf

1、形狀記憶合金(SMA)是一種新型的金屬性智能材料，它獨特的形狀記憶效應，以及其良好的機械性能近年來引起廣泛關(guān)注，并在很多領域都有廣闊的應用前景。形狀記憶合金中，銅合金的形變是相當可觀的，因為其可能的應變單晶體變形可達到12％。此外，一旦將形狀記憶合金小型化，其形變時間系數(shù)可以減少到滿足實際工程應用的要求。可用于如人工肌肉、位置調(diào)節(jié)器等。然而，這種材料呈現(xiàn)出遲滯現(xiàn)象，嚴重影響了形狀記憶合金驅(qū)動器的推廣和使用，并使控制變得復雜。更糟的是，材

2、料的老化特性嚴重能影響了記憶合金的性能。本文以形狀記憶合金中存在的遲滯現(xiàn)象作為研究對象，建立了數(shù)學模型，設計神經(jīng)網(wǎng)絡結(jié)構(gòu)及其學習算法，并構(gòu)建了基于神經(jīng)網(wǎng)絡的非線性遲滯環(huán)的逼近插值仿真系統(tǒng)。 介紹了形狀記憶合金中形變遲滯模型的選擇，簡單描述了每個模型的特點和優(yōu)缺點，采用了Preisach模型捕捉材料的形變遲滯行為。詳細介紹了Preisach模型的特性，對本文研究的適用性。給出了此模型的幾何表達方式和數(shù)字表達式。引入了記憶距陣解決系

3、統(tǒng)多變量系統(tǒng)的輸入問題。 分析了Preisach模型中第一下降曲線(FODs)測量和計算的問題，提出了本文解決問題的方案。采用高斯徑向基神經(jīng)網(wǎng)絡，并選取相應的學習算法自動調(diào)整神經(jīng)網(wǎng)絡中神經(jīng)元的數(shù)量和分布，分離了非線型部分的計算，確定一個基于神經(jīng)網(wǎng)絡非線性模型，結(jié)合Preisach模型仿真形狀記憶合金的遲滯特性。 提出了用Everett函數(shù)解決Preisach平面三角形計算和插值問題。降低了問題的復雜性，減少了雙積分計算難