文献

J-GLOBAL ID：201802265503157120   整理番号：18A1738378

Preisachモデルに基づく深さ学習ネットワークヒステリシスモデリング【JST・京大機械翻訳】

Hysteresis modeling with deep learning network based on Preisach model

著者 (2件)： Wu Yinan (南開大学机器人与信息自動化研究所,天津,300350) ,  Fang Yongchun (天津市智能机器人技術重点実験室,天津,300350)
資料名： Kongzhi Lilun yu Yingyong  (Kongzhi Lilun yu Yingyong)
号： 6  ページ： 723-731  発行年： 2018年 
JST資料番号： W1473A  ISSN： 1000-8152  CODEN： KLYYEB  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来の圧電スキャナのヒステリシスモデルの一般化能力が弱い問題に対して、Preisachモデルに基づいた深度学習ネットワークを提案し、ヒステリシスモデルを構築し、モデルの学習能力と汎化能力を高めた。具体的には,深さ特徴抽出における深さ学習の優位性を用いて,畳込み層,プール化層,展開層,および深さ特性層を含む深さ学習層を構築し,入力電圧信号の特徴情報を抽出した。次に,入力信号の周波数をFourier変換層により計算し,入力信号の周波数に関する非線形項を,重み関数とPreisachモデルのヒステリシスユニットの出力として出力した。積重ね合せにより,モデル出力ベクトルを得た。最後に,深さ学習層から出力された特徴ベクトルとPreisachモデルの出力ベクトル点を乗算して,深さ学習ネットワークの最終出力変位を得た。静電容量変位センサで収集した16組の入出力信号を用いて、深度学習ネットワークに対して訓練を行い、ネットワーク中の重みパラメータを得て、その他の8組の入出力データを利用して、深さネットワークに対してテストを行い、訓練とテストの結果によって、以下のことが明らかになった。Preisachモデルに基づく深さ学習ネットワークは,高精度のヒステリシスモデルを得て,モデルの一般化能力を改善した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 重合せ ,  重み関数 ,  ベクトル ,  特徴抽出 ,  *モデリング ,  静電容量 ,  畳込み ,  周波数 ,  圧電気 ,  *ヒステリシス ,  *学習 ,  *ネットワーク ,  走査装置 ,  *モデル ,  パラメータ

著者キーワード (4件)： piezoelectric scanner ,  hysteresis nonlinear ,  Preisach model ,  deep learning

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (2件)： Preisachモデル ,  学習