忆阻迟滞模型与神经网络并联的谐波减速器混合迟滞建模研究

针对谐波减速器随负载变化所表现出的负载转矩与扭转角之间的迟滞特性,导致谐波减速器转换精度下降的问题,构建了忆阻迟滞模型与RBF神经网络并联的谐波减速器混合迟滞模型。将忆阻器模型改进成忆阻迟滞模型,用于描述谐波减速器迟滞输出的基本变化规律;借助具有非线性拟合能力的RBF神经网络对谐波减速器迟滞模型与忆阻迟滞模型之间的差值进行补偿。实验数据验证结果表明,与忆阻迟滞模型相比,所构建的混合迟滞模型能有效描述谐波减速器迟滞的突变和非光滑特性,模型验证均方误差为0.06。