● 摘要
本文研究基于灰色预测的摩擦补偿应用问题。首先，分析了灰色GM(1，1)模型和GM(0，N)模型的建立以及基于GM(1，1)模型的预测，然后研究了BP神经网络在摩擦补偿中的应用，最后提出了将GM(0，N)模型与BP神经网络简单结合后用于转台控制的摩擦补偿方法。GM(1，1)模型因其原理简单、计算量少而成为灰色预测中最常用的模型。分析GM(1，1)模型的建立过程，对基于GM(1，1)的预测公式进行改进，将改进的预测公式应用于灰色预测PID控制。仿真表明改进的预测公式预测效果更好，基于此改进公式的灰色预测PID控制效果优于普通的PID。BP神经网络至今仍是最常用的网络形式之一。详细分析了BP算法的计算过程，设计了用于摩擦补偿的BP神经网络，通过仿真和实验手段验证了该网络在摩擦补偿中的可行性和有效性。提出将GM(0，N)模型与BP神经网络结合应用于摩擦补偿的方法，在一定时刻由GM(0，N)模型替代BP网络进行补偿。通过针对转台系统的仿真和实验研究表明，方法具有一定的可行性，对摩擦补偿效果良好。