光学 精密工程
2021, 29(10): 2412
1 桂林电子科技大学 电子工程与自动化学院, 广西 桂林 541004
2 电子电路国家级实验教学示范中心 桂林电子科技大学, 广西 桂林541004
谐波减速器中柔性环节与传动的非线性摩擦, 导致谐波传动出现了不可避免地影响传动精度的复杂迟滞特性, 为了描述谐波减速器的迟滞特性, 本文构建了一个结构简洁的神经网络迟滞混合模型。该模型由类迟滞特性预处理环节和动态RBF神经网络两部分组成: 对输入信号进行类迟滞预处理, 处理后的信号与输入信号之间具有类迟滞特性; 充分利用动态RBF神经网络实现类迟滞到谐波减速器迟滞特性的高精度映射。根据本文搭建的实验平台, 在不同实验条件下获得的数据进行建模验证, 在不同频率输入信号、不同负载, 实现相同建模精度下,神经网络迟滞混合模型的验证精度为0.449 6(MSE), 远高于经典RBF神经网络模型的3.032 1(MSE)精度, 证明了所构造的神经网络迟滞混合模型的有效性和适应性。
谐波减速器 迟滞特性 径向基函数神经网络 混合模型 摩擦 harmonic drive hysteresis Radial Basis Function(RBF) neural networks hybrid model friction
桂林电子科技大学 教学实践部, 广西 桂林 541004
为获取更多惯性约束聚变内爆运动信息和测量聚变燃烧阶段等离子体的时空特性, 以微通道板(MCP)选通分幅变像管为基础, 采用电子束时间展宽技术和组合透镜成像技术, 研制了曝光时间优于30 ps的分幅变像管, 并通过变像管结构、工作原理和实验测试分析了2类像管性能差异的原因。研究结果显示, MCP选通分幅变像管具有良好的空间分辨性能, 而采用新技术的变像管则具有更优秀的时间分辨性能, 实验测试获得MCP选通分幅变像管的曝光时间和空间分辨率分别为97 ps和~53 μm(调制度为4%), 而采用新技术的分幅变像管分别为和21 ps和~74 μm(调制度为3%)。高时间分辨分幅成像技术的应用可为惯性约束聚变的研究提供更多的可信数据。
分幅变像管 微通道板 时间展宽技术 组合透镜成像技术 空间分辨性能 曝光时间 framing tube MCP pulse-dilation technology composite lenses imaging technology spatial resolution exposure time 红外与激光工程
2018, 47(6): 0624002
桂林电子科技大学 教学实践部,广西 桂林 541004
X射线分幅相机是惯性约束聚变实验中的重要二维超快诊断设备,具有长漂移区结构的时间展宽分幅相机,在大幅度提升时间分辨性能的同时,会使空间电荷效应时空弥散变大。为探讨空间电荷效应的影响,以短磁聚焦分幅变像管为例,通过平均场模型和电子轨迹及成像分布研究空间电荷效应的时空弥散,并分析其对像管的影响。研究和分析结果表明,空间电荷效应引起的时间弥散与阴极电压、展宽脉冲斜率和漂移距离有关,空间弥散与成像系统和电子脉冲电流密度相关。当分幅变像管的时间分辨率提升至2 ps左右时,空间电荷效应的时间弥散相当于物理时间分辨,成为制约时间分辨性能进一步提升的主要因素,此时像管空间分辨性能降低8 %左右。通过对像管空间电荷效应研究及其降低方法的探讨,为亚皮秒时间分辨分幅变像管的研制提供理论参考。
光电子学与激光技术 空间电荷效应 平均场模型 时间展宽分幅变像管 时间分辨性能 空间分辨性能 optoelectronics and laser technology space charge effect mean field model pulse-dilation framing tube temporal resolution spatial resolution
桂林电子科技大学教学实践部, 广西 桂林 541004
分幅变像管是惯性约束聚变诊断实验中重要的二维空间分辨诊断设备。为研究短磁聚焦时间展宽分幅变像管的成像性能, 通过计算像管中电子运动轨迹和成像分布来模拟空间分辨率和成像面, 并采用像差理论展开分析。结果表明, 短磁聚焦成像系统的球差和场曲是造成像管空间分辨性能下降的主要因素, 单/双透镜像管球差系数分别为0.229和0.07, 场曲分别为0.021和0.009。球差系数和场曲越小, 像管的成像性能越好。
超快光学 惯性约束聚变 分幅变像管 时间展宽技术 短磁聚焦 像差 空间分辨性能
桂林电子科技大学 智能系统与工业控制研究室,广西 桂林 541004
提出了基于内积的压电陶瓷动态神经网络非线性、非光滑迟滞逆模型,采用反馈误差学习方法,快速地在线得到压电陶瓷的逆模型,避免了通过正模型求取压电陶瓷的Jacobian信息。结合PID反馈控制,在dSPACE系统平台上实现了压电陶瓷的神经网络自适应逆控制。为提高实时性,采用了效率高、速度快的C-MEX S Function编程。实验结果表明:神经网络自适应逆控制的控制精度为0.13μm,而PID控制精度为0.32μm。所提出方法有效地消除了迟滞的影响,控制精度高。
压电陶瓷 迟滞特性 神经网络自适应逆控制 dSPACE系统 非光滑迟滞逆模型 piezoceramic hysteresis characteristic neural network adaptive inverse control dSPACE system no-smooth hysteresis inverse model