- 文献综述（或调研报告）：
部分文献综述：
1、基于差分进化算法的超声波电机Hammerstein非线性建模：本文作者建立了超声波电机的Hammerstein非线性模型，利用差分进化算法来辨识模型参数。本文的模型由输入变量电机驱动电压的频率和输出变量电机转速构成。辨识建模的含义是利用合适的算法得到最优模型参数，使模型的数据与电动机自身的运动特性实验数据接近，比如本文作者使用的就是差分进化算法，分为变异交叉和选择三种操作，得到超声波电动机的适应度参数。在不同的转速阶跃给定值下测得阶跃响应数据用于模型校验，分离稳态数据进行函数拟合；设定不同的模型阶次进行模型参数辨识，选出最优函数值确定阶次，将模型计算数据作图和实测数据比较，发现精度较高，由此得到结论：该建模方法是有效的。本文作者详细介绍了建模方法和差分算法，给我的课题中“模型辨识”部分带来了很大启示，但还可以再探究一下有无别的方法。
2、基于模型参考自适应的异步电动机转速辨识新方法研究：本文作者提出了一种基于无功功率模型参考自适应的异步电动机转速辨识方法。对电机参数的辨识是当下无速度传感器的核心内容，作者利用定子电阻来追踪参数值变化，用matlab/simulink搭建了仿真模型，发现这种辨识方法精度较高。
3、基于RBF神经网络的超声波电机参数辨识与模型参考自适应控制：超声波电动机控制难度大，至今没有能完全表达其动态稳态特性的精确数学模型，而本文作者提供了一种双闭环控制的自适应策略，将RBFNN应用于超声波电动机的参数辨识和自适应控制。作者简要介绍了RBF网络，从输入到输出是一种非线性映射，输出参数对可调参数是线性映射。通过离线训练（用MATLAB完成）得到权值初始值，再通过在线训练（用DSP完成）调整权值，输入电动机参数进行实验，分别在空载和稳定运行突加负载两种情况下进行系统跟踪，发现电动机运行特性良好。本篇提出了基于RBFNN的USM模型参考自适应控制策略，可以在线辨识系统参数，从而实现跟踪，这和我选的课题中的模型辨识紧密联系，了解了一种有效的辨识方法，但前提是要足够理解RBF的用法。
4、超声波电动机驱动控制系统研究：作者利用TMS320F240型数字信号处理器构建的超声波电动机的驱动控制系统作为实验平台，首先简单介绍了行波超声波电动机(USM)的原理：两个同频等幅相位相差pi;/2的交流电压在压电陶瓷元件的A相和B相上作用产生行波。其次介绍了USM的驱动控制系统的构成:由TI公司的TMS320F240为核心，定时器输出作为信号源，改变寄存值可以调节驱动信号的相位差和频率；利用光耦隔离电路控制DSL信号和外围电路，使得USM能够稳定运行；利用分频分相电路，将光耦隔离电路给的两路输出转换为四路开关信号；利用驱动和功放电路，选择MOSFET作为主开关器件，设定驱动信号占空比为2％以防止直通的死区电路。最后将上述驱动控制器连接USM进行起动测试。通过本篇我大致了解了行波型超声波电动机的含义和驱动控制的内容，但未涉及辨识模型的内容。
5、超声波电动机特征模型的辨识建模：作者提出了三种确定辨识算法参数初值的确定方法，确定特征模型后，可以得到较为简单的控制器结构。文中首先介绍了什么是超声波电动机的特征模型，其机电能量转换非常复杂，因此运用辨识建模的方法，建立一个逼近实验数据所描述的动态特征的模型，采用适当的辨识方式可以得到更精确的模型；紧接着介绍了超声波电动机的固定参数模型，该模型（频率-转速模型）的目的是确认合适的辨识算法，在对比了四种算法后选用LS算法；特征模型的建立过程，利用最小二乘一次完成算法表示特征模型，用RELS作为在线递推算法，进行特征建模。本篇对超声波电动机的辨识模型建立过程非常完整，验证过程比较简略，对超声波电动机自身的介绍也比较简略。
6、基于神经网络的超声波电机模型辨识:本文作者提出了一种改进的误差反向传播神经网络用以建立超声波电动机的模型，引入了迟滞算子构造扩张输入空间，提出了变斜率与带死区的神经元，用来描述电机的死区特性。提出这种神经网络法的主要依据是超声波电动机的非线性特征，建模的过程中还需改进激活函数（利用的是反对称双曲切sigmoid函数）并引入广义梯度。实验采用TRUM-60A进行试验，发现该模型能准确描述特性，但当次环较小时误差较大。本篇提出了新型的辨识建模方法，不管对电机的静态还是动态描述都较为准确，美中不足是要用到相对复杂的平台系统，毕设中进行这样的实际操作模拟可能不方便。
7、共阶梯轴双定/转子超声电机的极端环境试验研究：本篇作者主要为扩展超声电机在航空航天领域的应用因而对共阶梯轴双定转子超声电机进行真空，高低温和振动环境下的性能研究。首先介绍了超声电机对航空航天领域的重要性；选用电机结构(TRUM60)和驱动方式（四路功率信号）；紧接着进行真空和高低温实验，气压和温度都要维持30min左右再进行实验，这三种极端环境对电机影响都较明显；进行振动环境试验，选用宽带随机信号，分别在轴向和纵向进行测试，发现轴向波动更小。本文主要探究的是双定转子超声波电动机在极端环境下的运行性能，没有提到辨识模型和控制系统相关的内容，只能作为我所选论题的补充内容。
8、基于BFO算法的超声波电机非线性Hanmmerstein辨识建模：本篇前面一部分和RBF神经网络那篇大致相似，唯一不同的是这里是基于BFO算法。BFO即菌群觅食优化算法，包含趋化、复制、迁徙等步骤，各个参数的取值不仅会优化进程效率，也能影响最终优化效果。BFO算法的初始参数不适合超声波电机辨识，需调整参数以提高收敛速度得到更高的模型精度并通过计算选择合适的阶次建模。最后用三组建模数据和实验数据进行对比，精度较高，说明能反映超声波电动机的非线性动态运行特性。本文提出的模型较为简单，不同于频率-速度模型，这里的输出是电机转轴角度，更好操作，值得参考。
9、行波型超声波电动机变频控制系统：本篇和文献1相似，但论述内容更为集中简明。首先作者介绍了行波型超声波电动机的定义；紧接着将驱动控制系统分解为功放部分（两个推挽放大器），波形产生及鉴相回路，可调频率产生电路（以NE555定时器为主构成的可调多谐振荡器）和反馈电路（目的是保持正常工作状态）分别进行介绍，进行性能分析对比；最后补充了MR传感器在无刷直流电机转速控制系统中的应用。本文作者重点研究行波型超声波电动机的变频控制系统，与我的选题紧密相关，但是实验数据、性能分析部分有所欠缺。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
