1 中国科学院 上海应用物理研究所,上海 201800
2 中国科学院大学,北京 100049
3 中国科学院 上海高等研究院,上海 201210
针对压电陶瓷固有的迟滞非线性，设计了一种基于深度神经网络(DNN)的前馈补偿控制系统。该系统包含1个输入层、7个隐藏层和1个输出层。实验结果表明，开环情况下压电陶瓷的位移线性误差达8.91 μm。施加神经网络前馈补偿后，压电陶瓷的最大位移误差降低到80 nm，稳态误差为±20 nm。进一步测试表明，在10~100 Hz输入频率下系统最大误差小于100 nm，均方根误差为0.01 μm，验证了深度神经网络能够准确补偿压电陶瓷动态迟滞非线性，具有较好的频率泛化能力。
压电陶瓷 迟滞非线性 深度神经网络 前馈控制 piezoelectric ceramics hysteresis nonlinearity deep neural network feedforward control
确切知道X射线管激发的原级能谱分布是X射线荧光分析中的一个重要前提,所用能谱分布函数的准确度大大影响了最终的测量结果。提出利用间接测量法,选用合适的参量模型来描述X射线的原级能谱分布。依靠实验测得的厚靶纯元素样品的荧光强度,利用已知的理论公式,建立非线性方程,优化得到参量模型中的参量值。通过比较实验测得的元素的荧光强度值和利用得到的能谱分布函数计算的理论值,证明此种方法是可行的。
X射线光学 X射线荧光分析 质量吸收系数 荧光强度 最小二乘方优化方法
