本申请涉及振动台控制，尤其涉及一种基于模糊神经网络的实时混合试验加载装置时滞补偿方法。
背景技术：
1、实时混合试验(real-time hybrid simulation，rths)是土木领域常用的结构抗震测试方法。在rths中振动台用于模拟真实运行环境下的振动载荷，以评估结构或设备在实际工作条件下的可靠性和耐久性。振动台可以产生特定的振动频率和幅度，模拟实际过程中可能遇到的振动环境。通过这种方式，研究人员可以评估产品或设备在实际使用环境中的性能表现。因此，试验过程中振动台对于加载信号的复现精度，比如时滞、均方根误差和峰值误差，很大程度上影响了rths的稳定性和精度。
2、为了在工作频率变化时振动台能保持良好的控制性能，目前常用方法为将自适应算法与时滞补偿算法结合，通过自适应算法估计系统的时滞和幅值超调程度，形成了自适应多项式外推(adaptive polynomial extrapolation，ape)算法，解决了动态时滞以及未知时滞补偿问题。但是该方法在使用过程中容易出现过补偿从而引入负时滞，在高频信号输入时还会出现幅值超调的现象，导致在实际应用中稳定性较差。
3、因此，如何提高ape算法在实时混合试验中振动台时滞补偿的稳定性，成为了亟待解决的问题。
技术实现思路
1、本申请实施例提供了一种基于模糊神经网络的实时混合试验加载装置时滞补偿方法，提高了ape算法在实时混合试验中振动台时滞补偿的稳定性。
2、第一方面，本申请实施例提供了一种基于模糊神经网络的实时混合试验加载装置时滞补偿方法，所述方法包括：获取当前时刻输入信息和当前时刻偏差信息；基于所述当前时刻输入信息、当前时刻偏差信息和预设模型创建时滞补偿算法；基于所述时滞补偿算法对所述振动台进行时滞补偿。
3、在一种可能的实现方式中，所述基于所述当前时刻输入信息和当前时刻偏差信息与预设模型创建的时滞补偿算法，包括：基于所述当前时刻输入信息和偏差信息获取系统时滞和幅值系数；基于所述系统时滞、所述幅值系数和所述预设模型创建时滞补偿算法。
4、在一种可能的实现方式中，所述基于所述系统时滞和所述幅值系数与预设模型创建的时滞补偿算法为：
5、
6、其中，kρ为幅值系数；r(k)、r(k-1)、r(k-2)和r(k-3)分别为k、k-1、k-2和k-3时刻输入的位移信号；为系统时滞后的预测值；ρi为拉格朗日系数，由所述系统时滞确定。
7、在一种可能的实现方式中，所述拉格朗日系数ρi计算式为：
8、
9、其中，θ＝t(k)/h，θ为过程变量，h表征系统的采样时间，t(k)表征系统时滞。
10、在一种可能的实现方式中，所述当前时刻输入信息包括当前时刻期望位移、速度和加速度；所述当前时刻偏差信息包括当前时刻输入信号与输出位移的偏差。
11、在一种可能的实现方式中，所述方法还包括：基于所述当前时刻期望位移、速度和加速度和所述当前时刻输入信号与输出位移的偏差进行模糊神经网络模型训练，确定所述幅值系数kρ和所述系统时滞t(k)。
12、在一种可能的实现方式中，所述方法还包括：将所述当前输入位移和实际位移的偏差作为目标函数，确定模糊神经网络模型的隶属度函数以及权重。
13、第二方面，本申请实施例提供了一种基于模糊神经网络的实时混合试验加载装置时滞补偿装置，所述装置包括：获取模块，用于获取当前时刻输入信息和当前时刻偏差信息；创建模块，用于基于所述当前时刻输入信息、所述当前时刻偏差信息和预设模型创建时滞补偿算法；处理模块，用于基于所述时滞补偿算法对所述振动台进行时滞补偿。
14、第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面或其中任意一种实现方式所述的方法。
15、第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或其中任意一种实现方式所述的方法。
16、第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面或其中任意一种实现方式所述的方法。
17、本申请实施例与现有技术相比存在的有益效果是：获取当前时刻输入信息和当前时刻偏差信息；基于当前时刻输入信息、当前时刻偏差信息和预设模型创建时滞补偿算法；基于时滞补偿算法对振动台进行时滞补偿。相比于现有技术中，自适应多项式外推法通过自适应算法估计系统的时滞和幅值超调程度解决动态时滞以及未知时滞补偿问题，但是自适应多项式外推法的自适应参数准确性受到经验法整定的限制，通常容易导致过补偿从而引入负时滞，在高频信号输入时会存在信号超调的问题。本申请通过模糊神经网络与现有ape算法相结合，提供了一种振动台的时滞补偿方法。通过模糊神经网络实时估计系统时滞以及幅值超调系数，实现对不同频段信号的时滞补偿，提高参数估计的准确性，克服了高频信号的时滞补偿信号超调问题和时滞过补偿问题。改善了算法对高频信号复现时滞的补偿能力。
1.一种基于模糊神经网络的实时混合试验加载装置时滞补偿方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述当前时刻输入信息和所述当前时刻偏差信息与预设模型创建的时滞补偿算法，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述系统时滞和所述幅值系数与预设模型创建的时滞补偿算法为：
4.根据权利要求3所述的方法，其特征在于，所述拉格朗日系数ρi计算式为：
5.根据权利要求4所述的方法，其特征在于，所述当前时刻输入信息包括当前时刻期望位移、速度和加速度；所述当前时刻偏差信息包括当前时刻期望位移与输出位移的偏差。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
8.一种基于模糊神经网络的实时混合试验加载装置时滞补偿装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
