本發(fā)明涉及液體控制系統(tǒng)，具體涉及使用adrc作為模型預(yù)測(cè)控制（mpc）的音圈伺服閥控制方法，特別涉及基于adrc的音圈伺服閥閥芯位置控制方法及系統(tǒng)。

背景技術(shù)：

1、音圈伺服閥?是一種傳動(dòng)閥，主要用于精確控制液體流量，由閥座、閥芯、音圈、傳感器和放大器組成，它實(shí)質(zhì)上就是一種動(dòng)圈式力馬達(dá)，可直接驅(qū)動(dòng)閥芯用來(lái)輸出位移；?因音圈伺服閥具有精度高、響應(yīng)快等優(yōu)點(diǎn)，通常在飛機(jī)操控機(jī)構(gòu)（如舵面、起落架和剎車(chē)）中作為主要控制元件廣泛應(yīng)用。音圈伺服閥的故障主要表現(xiàn)為可導(dǎo)致伺服系統(tǒng)性能惡化并帶來(lái)災(zāi)難性后果的閥芯振蕩和嘯叫所帶來(lái)的擾動(dòng)，因此現(xiàn)階段針對(duì)音圈伺服閥故障及控制方法的技術(shù)層出不窮。例如：

2、（1）文獻(xiàn)《任鵬達(dá),張偉,謝志剛,等.基于adrc和模型預(yù)測(cè)控制的直驅(qū)伺服閥振蕩抑制研究[j].航空科學(xué)技術(shù),2024,35(02):92-99.》公開(kāi)了一種adrc及模型預(yù)測(cè)控制器，其通過(guò)高頻小范圍調(diào)節(jié)直線(xiàn)電機(jī)各軸電流，抵消突變液流力，使閥芯運(yùn)動(dòng)平緩，能有效控制伺服閥閥芯抖振，進(jìn)而提升作動(dòng)器的響應(yīng)效果；

3、但因?yàn)橐羧λ欧y的電磁力與電流呈線(xiàn)性關(guān)系，所以控制參數(shù)（如adrc中的eso增益系數(shù)、模型預(yù)測(cè)控制中的預(yù)測(cè)步長(zhǎng)和控制步長(zhǎng)）的微小變化都可能導(dǎo)致電磁力的大幅波動(dòng)，進(jìn)而影響閥芯的位置和速度控制。adrc中的eso用于估計(jì)系統(tǒng)狀態(tài)和擾動(dòng)，其參數(shù)（如β01,?β02,?β03）的整定不準(zhǔn)確或過(guò)于敏感，系統(tǒng)在受到外部干擾時(shí)可能無(wú)法迅速且準(zhǔn)確地做出調(diào)整，導(dǎo)致性能波動(dòng)。同時(shí)，音圈伺服閥系統(tǒng)存在非線(xiàn)性因素和不確定性，如電磁轉(zhuǎn)換過(guò)程中的飽和效應(yīng)、閥芯運(yùn)動(dòng)的摩擦阻力變化。adrc雖然在一定程度上能夠處理這些非線(xiàn)性和不確定性，但模型預(yù)測(cè)控制器在預(yù)測(cè)系統(tǒng)未來(lái)狀態(tài)時(shí)依賴(lài)于精確的數(shù)學(xué)模型。若模型與實(shí)際系統(tǒng)存在較大偏差，尤其是在高頻、高動(dòng)態(tài)響應(yīng)要求下，預(yù)測(cè)誤差可能迅速累積，導(dǎo)致控制效果下降。

4、（2）文獻(xiàn)《王棒,李躍松,張貽哲.電液位置伺服系統(tǒng)的rbf-adrc控制仿真分析[j].機(jī)床與液壓,2024,52(20):168－174.》公開(kāi)了一種rbf-adrc控制模型，當(dāng)擾動(dòng)發(fā)生時(shí)，控制模型能快速響應(yīng)并迅速調(diào)整；

5、但是同樣的，音圈電機(jī)由永磁體和線(xiàn)圈組成，當(dāng)線(xiàn)圈中有電流流過(guò)時(shí)，會(huì)在永磁體的磁場(chǎng)中受到電磁力的作用，從而產(chǎn)生直線(xiàn)運(yùn)動(dòng)。這種電磁力的大小與電流強(qiáng)度成正比，方向由電流的方向和磁場(chǎng)的極性決定。由于音圈伺服閥的電磁力與電流呈線(xiàn)性關(guān)系，因此控制參數(shù)（如eso的增益系數(shù)）的微小變化都可能導(dǎo)致系統(tǒng)性能的大幅波動(dòng)。rbf神經(jīng)網(wǎng)絡(luò)雖然能夠在線(xiàn)整定這些參數(shù)，但如果整定算法不夠精確或訓(xùn)練數(shù)據(jù)不夠充分，可能導(dǎo)致整定出的參數(shù)并非最優(yōu)，從而影響系統(tǒng)性能，即魯棒性不理想。且rbf神經(jīng)網(wǎng)絡(luò)在參數(shù)整定過(guò)程中需要處理大量的輸入數(shù)據(jù)和實(shí)時(shí)反饋，如果計(jì)算速度跟不上系統(tǒng)的動(dòng)態(tài)響應(yīng)要求，可能導(dǎo)致控制延遲或超調(diào)量增加。

6、因此，可將現(xiàn)有技術(shù)所要解決的技術(shù)問(wèn)題總結(jié)如下：

7、（1）增強(qiáng)參數(shù)整定的精確性和魯棒性：傳統(tǒng)技術(shù)的控制參數(shù)（如eso的增益系數(shù)、模型預(yù)測(cè)控制中的預(yù)測(cè)步長(zhǎng)和控制步長(zhǎng)）的微小變化可能導(dǎo)致系統(tǒng)性能的大幅波動(dòng)。因此，需要開(kāi)發(fā)一種更加精確和魯棒的參數(shù)整定方法；

8、（2）提高模型預(yù)測(cè)控制的準(zhǔn)確性和適應(yīng)性：上述現(xiàn)有技術(shù)中提到模型預(yù)測(cè)控制器依賴(lài)于精確的數(shù)學(xué)模型，但實(shí)際系統(tǒng)與非線(xiàn)性模型之間可能存在偏差。因此，需要建立更加精確和適應(yīng)性強(qiáng)的模型；

9、（3）音圈伺服閥系統(tǒng)具有顯著的非線(xiàn)性和動(dòng)態(tài)特性，包括電磁轉(zhuǎn)換過(guò)程中的飽和效應(yīng)，以及閥芯運(yùn)動(dòng)的摩擦阻力變化。需要將這些特性納入模型的考量范圍。

10、為此，本發(fā)明提出基于adrc的音圈伺服閥閥芯位置控制方法及系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明希望提供基于adrc的音圈伺服閥閥芯位置控制方法及系統(tǒng)，以解決或緩解現(xiàn)有技術(shù)中存在的技術(shù)問(wèn)題，即如何在考慮電磁轉(zhuǎn)換過(guò)程中的飽和效應(yīng)，以及閥芯運(yùn)動(dòng)的摩擦阻力變化的前提下，增強(qiáng)參數(shù)整定的精確性和魯棒性，并提高模型預(yù)測(cè)控制的準(zhǔn)確性和適應(yīng)性；本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

2、第一方面，基于adrc的音圈伺服閥閥芯位置控制方法：

3、（一）概述：

4、本方案旨在通過(guò)一種創(chuàng)新的神經(jīng)網(wǎng)絡(luò)架構(gòu)，實(shí)現(xiàn)對(duì)音圈電機(jī)控制信號(hào)的精準(zhǔn)預(yù)測(cè)與輸出。方案的核心在于結(jié)合雙向bi-gru網(wǎng)絡(luò)、嵌入adrc模型、有序聚類(lèi)算法以及注意力與殘差回溯機(jī)制，構(gòu)建一個(gè)高效、準(zhǔn)確的控制系統(tǒng)。編碼層案采用雙向bi-gru網(wǎng)絡(luò)對(duì)輸入的閥芯目標(biāo)位置電信號(hào)進(jìn)行時(shí)序依賴(lài)關(guān)系的提取。在聚類(lèi)層利用有序聚類(lèi)算法對(duì)音圈電機(jī)的電磁轉(zhuǎn)換過(guò)程中產(chǎn)生的飽和效應(yīng)及其閥芯運(yùn)動(dòng)的摩擦阻力變化進(jìn)行特征提取和聚類(lèi)分析。在注意力及殘差回溯層對(duì)編碼層輸出的所有隱藏狀態(tài)進(jìn)行加權(quán)求和，生成中間向量。整合嵌入adrc模型對(duì)輸入進(jìn)行處理，以生成準(zhǔn)確的控制信號(hào)。逐步生成并輸出音圈電機(jī)的控制電信號(hào)到實(shí)際控制系統(tǒng)中。

5、（二）技術(shù)方案：

6、2.1步驟s1，編碼層處理：

7、將作為閥芯目標(biāo)位置電信號(hào)的輸入數(shù)據(jù)序列s輸入到編碼層的雙向bi-gru網(wǎng)絡(luò)中。在每個(gè)門(mén)控循環(huán)單元中，整合跟蹤微分器td、擴(kuò)張狀態(tài)觀測(cè)器eso和非線(xiàn)性狀態(tài)誤差反饋nlsef構(gòu)成嵌入adrc模型，用于處理輸入數(shù)據(jù)。雙向bi-gru網(wǎng)絡(luò)同時(shí)從前向和后向兩個(gè)方向提取輸入數(shù)據(jù)序列s中的時(shí)序依賴(lài)關(guān)系，生成隱藏狀態(tài)序列h。

8、2.1.1步驟s100，收集輸入數(shù)據(jù)序列s：

9、；

10、其中，t是時(shí)間序列長(zhǎng)度，是第i個(gè)閥芯目標(biāo)位置電信號(hào)。雙向bi-gru網(wǎng)絡(luò)由前向gru和后向gru組成，分別計(jì)算前向和后向的隱藏狀態(tài)。

11、2.1.2步驟s101，讀取門(mén)控循環(huán)單元（整合嵌入adrc模型）：

12、對(duì)于每個(gè)時(shí)間步t，門(mén)控循環(huán)單元（gru單元）的輸入為當(dāng)前輸入st和上一時(shí)間步的隱藏狀態(tài)ht-1。在整合了嵌入adrc模型后，gru單元的內(nèi)部計(jì)算如下：

13、跟蹤微分器；

14、擴(kuò)張狀態(tài)觀測(cè)器；

15、非線(xiàn)性狀態(tài)誤差反饋；

16、更新門(mén)：；

17、重置門(mén)：；

18、候選隱藏狀態(tài)；

19、更新隱藏狀態(tài)；

20、其中，w和u是權(quán)重矩陣，是需要訓(xùn)練的參數(shù)；σ是sigmoid激活函數(shù)，⊙表示元素乘法，xref是參考狀態(tài)（由外部給定或根據(jù)任務(wù)確定）。zt表示在當(dāng)前時(shí)間步t由跟蹤微分器td處理輸入st后得到的輸出。是擴(kuò)張狀態(tài)觀測(cè)器eso的輸出，表示對(duì)當(dāng)前時(shí)間步t系統(tǒng)狀態(tài)的估計(jì)。et是非線(xiàn)性狀態(tài)誤差反饋nlsef的輸出，表示當(dāng)前系統(tǒng)狀態(tài)估計(jì)與參考狀態(tài)xref之間的誤差。wu和uu是更新門(mén)（update?gate）中的權(quán)重矩陣，用于計(jì)算更新門(mén)的激活值。zu是更新門(mén)的激活值，它是一個(gè)介于0和1之間的數(shù)。當(dāng)zu接近1時(shí)，表示應(yīng)該更多地融入新信息；當(dāng)zu接近0時(shí)，表示應(yīng)該更多地保留舊信息。zr是重置門(mén)（reset?gate）的激活值，同樣是一個(gè)介于0和1之間的數(shù)。是候選隱藏狀態(tài)。wet是權(quán)重矩陣w與非線(xiàn)性狀態(tài)誤差反饋et之間的矩陣乘積。

21、2.1.3步驟s102，執(zhí)行雙向bi-gru網(wǎng)絡(luò)：

22、s1020，對(duì)于前向gru，從前向方向計(jì)算隱藏狀態(tài)序列：

23、；

24、；

25、其中，表示前向gru計(jì)算得到的隱藏狀態(tài)序列的集合，它是一個(gè)矩陣或向量序列，包含了從時(shí)間步1到時(shí)間步t的所有前向隱藏狀態(tài)。表示在時(shí)間步t時(shí)，前向gru計(jì)算得到的隱藏狀態(tài)向量，它包含了輸入序列到當(dāng)前時(shí)間步為止的所有信息，并經(jīng)過(guò)gru單元的內(nèi)部處理（門(mén)控機(jī)制）后得到。gruforward表示前向gru的計(jì)算函數(shù)或模型，它接收當(dāng)前時(shí)間步的輸入st和上一時(shí)間步的前向隱藏狀態(tài)，然后計(jì)算并輸出當(dāng)前時(shí)間步的前向隱藏狀態(tài)。

26、s1021，對(duì)于后向gru，從后向方向計(jì)算隱藏狀態(tài)序列：

27、；

28、；

29、其中，表示后向gru計(jì)算得到的隱藏狀態(tài)序列的集合，與前向隱藏狀態(tài)序列類(lèi)似，它也是一個(gè)矩陣或向量序列，但包含了從時(shí)間步t到時(shí)間步1的所有后向隱藏狀態(tài)（注意順序是反的）。表示后向gru的計(jì)算函數(shù)或模型，它接收當(dāng)前時(shí)間步的輸入st和下一時(shí)間步的后向隱藏狀態(tài)ht+1，然后計(jì)算并輸出當(dāng)前時(shí)間步的后向隱藏狀態(tài)ht。表示下一時(shí)間步（即時(shí)間步t+1）的后向隱藏狀態(tài)。在后向gru中，它作為當(dāng)前時(shí)間步計(jì)算的輸入之一，幫助傳遞之后時(shí)間步的信息（反向傳遞）。

30、s1022，合并前向和后向隱藏狀態(tài)：

31、將前向和后向的隱藏狀態(tài)進(jìn)行合并，得到最終的隱藏狀態(tài)序列：

32、；

33、；

34、其中，表示向量拼接操作。ht表示在時(shí)間步t時(shí)的最終隱藏狀態(tài)向量。這樣，雙向bi-gru網(wǎng)絡(luò)就同時(shí)從前向和后向兩個(gè)方向提取了輸入數(shù)據(jù)序列s中的時(shí)序依賴(lài)關(guān)系，并生成了隱藏狀態(tài)序列h。

35、2.2步驟s2，聚類(lèi)層處理：

36、利用有序聚類(lèi)算法，對(duì)音圈電機(jī)的電磁轉(zhuǎn)換過(guò)程中的產(chǎn)生的飽和效應(yīng)及其閥芯運(yùn)動(dòng)的摩擦阻力變化所組成的序列l(wèi)，進(jìn)行特征提取和聚類(lèi)分析；根據(jù)聚類(lèi)結(jié)果，生成權(quán)重因子δ，權(quán)重因子δ對(duì)隱藏狀態(tài)序列h進(jìn)行加權(quán)修正，得到修正后的隱藏狀態(tài)序列h'。

37、2.2.1步驟s200，確定序列l(wèi)：

38、；

39、其中，表示時(shí)間步t的第i個(gè)飽和效應(yīng)及其所對(duì)應(yīng)的摩擦阻力特征值，t是時(shí)間序列長(zhǎng)度，n是飽和效應(yīng)及其所對(duì)應(yīng)的摩擦阻力特征值的總數(shù)。

40、2.2.2步驟s201，特征提?。?/p>

41、對(duì)序列l(wèi)?進(jìn)行特征提取，得到特征向量序列；

42、其中，ft是的特征向量表示。

43、2.2.3步驟s202，執(zhí)行有序聚類(lèi)：

44、s2020，初始化每個(gè)特征向量，設(shè)ft為一個(gè)單獨(dú)的聚類(lèi)，即：

45、；

46、其中，c0表示初始聚類(lèi)集合。

47、s2021，定義聚類(lèi)間距離度量d(ci,?cj)，其中ci和cj表示兩個(gè)聚類(lèi)，d是歐氏距離或曼哈頓距離；

48、s2022，迭代合并聚類(lèi)：

49、重復(fù)以下步驟，直到滿(mǎn)足停止條件或達(dá)到最大迭代步驟：

50、1）計(jì)算所有聚類(lèi)對(duì)之間的距離，即d(ci,?cj)對(duì)于所有i<j；

51、2）找到距離最小的聚類(lèi)對(duì)；

52、即；

53、3）合并聚類(lèi)對(duì)形成新的聚類(lèi)，并更新聚類(lèi)集合。

54、4）更新聚類(lèi)間的距離矩陣，以反映新的聚類(lèi)結(jié)構(gòu)。

55、5）得到聚類(lèi)標(biāo)簽序列：

56、聚類(lèi)過(guò)程結(jié)束后，得到最終的聚類(lèi)集合；

57、其中，k是聚類(lèi)的數(shù)量。

58、6）對(duì)于每個(gè)特征向量ft找到其所屬的聚類(lèi)ck并分配聚類(lèi)標(biāo)簽ct=?k；

59、7）最終得到聚類(lèi)標(biāo)簽序列c?=?{c1,c2,...,ct}；其中，ct表示特征向量ft所屬的聚類(lèi)類(lèi)別。

60、2.2.4步驟s203，映射形成權(quán)重因子δ：

61、根據(jù)聚類(lèi)標(biāo)簽序列c映射形成權(quán)重因子序列；首先定義權(quán)重映射函數(shù)δ(c)將聚類(lèi)標(biāo)簽c映射到權(quán)重因子δ，滿(mǎn)足δ(c)∈[0,?1]；然后映射形成權(quán)重因子序列，方法為：

62、1）對(duì)于每個(gè)聚類(lèi)標(biāo)簽ct，計(jì)算其對(duì)應(yīng)的權(quán)重因子δt=δ(ct)；

63、2）基于“聚類(lèi)越小，權(quán)重越大，反映稀有性的重要性”的思想，基于現(xiàn)設(shè)定的k個(gè)聚類(lèi)，每個(gè)聚類(lèi)ck包含nk個(gè)特征向量：

64、2.1）定義聚類(lèi)大?。簄k=?|ck|，其中k=1,2,...,k；

65、2.2）定義總特征向量數(shù)量；

66、2.3）定義權(quán)重映射函數(shù)；

67、或者等價(jià)地（如果每個(gè)聚類(lèi)的權(quán)重都按其大小成比例分配時(shí)）；

68、其中，nk是聚類(lèi)ck中特征向量的數(shù)量；n是所有聚類(lèi)中特征向量的總數(shù)。

69、最終得到權(quán)重因子序列；

70、其中，δt是聚類(lèi)標(biāo)簽ct對(duì)應(yīng)的權(quán)重因子。

71、2.2.5步驟s204，權(quán)重因子δ對(duì)隱藏狀態(tài)序列h進(jìn)行加權(quán)修正：

72、得到修正后的隱藏狀態(tài)序列h'：；

73、其中第t個(gè)經(jīng)修正的最終隱藏狀態(tài)向量。

74、2.3步驟s3，注意力及殘差回溯層處理：

75、在解碼層生成每個(gè)輸出時(shí)，考慮編碼層輸出的所有隱藏狀態(tài)序列h'，并通過(guò)注意力機(jī)制對(duì)它們進(jìn)行加權(quán)求和，生成中間向量ci；注意力機(jī)制根據(jù)當(dāng)前輸出與輸入序列的相關(guān)性動(dòng)態(tài)調(diào)整加權(quán)系數(shù)，以增強(qiáng)對(duì)重要信息的關(guān)注；利用最小二乘法最小化殘差平方和，計(jì)算誤差反饋系數(shù)，并通過(guò)殘差回溯機(jī)制利用歷史預(yù)測(cè)誤差進(jìn)行補(bǔ)償，生成修正后的中間向量c'i；將修正后的中間向量c'i作為解碼層的輸入。

76、2.3.1步驟s300，讀取隱藏狀態(tài)矩陣及確定輸出狀態(tài)：

77、定義編碼層輸出的所有隱藏狀態(tài)矩陣rd×t：

78、；

79、其中，定義解碼層在第i步的輸出狀態(tài)si∈rd；rd×t是一個(gè)d×t的矩陣，其中d是隱藏狀態(tài)的維度，t是序列的長(zhǎng)度（即時(shí)間步數(shù)或隱藏狀態(tài)的數(shù)量）。

80、2.3.2步驟s301，執(zhí)行注意力機(jī)制：

81、定義注意力機(jī)制中的加權(quán)系數(shù)向量；

82、其中，αi是注意力機(jī)制的加權(quán)系數(shù)向量，用于對(duì)隱藏狀態(tài)進(jìn)行加權(quán)求和。

83、定義中間向量；

84、其中，注意力機(jī)制的加權(quán)系數(shù)計(jì)算（基于當(dāng)前輸出狀態(tài)與隱藏狀態(tài)的相關(guān)性）在于；

85、其中，和分別是編碼層在第t和第j個(gè)時(shí)間步輸出的隱藏狀態(tài)向量；score函數(shù)是點(diǎn)積操作，或是雙線(xiàn)性函數(shù)：

86、；

87、其中，解碼層在第i個(gè)時(shí)間步的狀態(tài)向量。是的轉(zhuǎn)置，即一個(gè)行向量。w是一個(gè)可學(xué)習(xí)的權(quán)重矩陣，用于計(jì)算和之間的相關(guān)性得分。是編碼層在第t個(gè)時(shí)間步輸出的隱藏狀態(tài)向量。

88、2.3.3步驟s302，定義歷史預(yù)測(cè)誤差向量：

89、；

90、其中，是歷史預(yù)測(cè)誤差向量，表示前一步的預(yù)測(cè)值與實(shí)際值之間的差異；rm是表示這是一個(gè)m維的向量，其中m是輸出的維度。是在第個(gè)時(shí)間步的實(shí)際輸出（或目標(biāo)）向量。在第個(gè)時(shí)間步的預(yù)測(cè)輸出向量。

91、利用最小二乘法計(jì)算誤差反饋系數(shù)矩陣b（其中b∈rd×m），最小化殘差平方和：

92、；

93、其中，b是一個(gè)誤差反饋系數(shù)矩陣，是一個(gè)可學(xué)習(xí)的參數(shù)，用于根據(jù)歷史預(yù)測(cè)誤差來(lái)調(diào)整中間向量ci，其維度為d×m，其中d是中間向量的維度，m是輸出向量的維度（也即誤差向量的維度）；表示歐氏距離的平方；表示矩陣轉(zhuǎn)置操作；

94、利用誤差反饋系數(shù)和歷史預(yù)測(cè)誤差進(jìn)行補(bǔ)償，生成修正后的中間向量c'i：

95、。

96、其中，是根據(jù)歷史預(yù)測(cè)誤差和誤差反饋系數(shù)矩陣b計(jì)算得到的調(diào)整項(xiàng)。是前一個(gè)時(shí)間步的預(yù)測(cè)誤差向量，其維度為m；b的維度為d×m；因此，的結(jié)果是一個(gè)d維的向量，表示對(duì)原始中間向量的調(diào)整量。

97、2.4步驟s4，解碼層處理：

98、將修正后的中間向量c'i、上一時(shí)間步的隱藏狀態(tài)以及解碼器的預(yù)測(cè)結(jié)果輸入到解碼層的雙向bi-gru網(wǎng)絡(luò)中；在每個(gè)門(mén)控循環(huán)單元中，同樣整合嵌入adrc模型對(duì)輸入進(jìn)行處理，以生成準(zhǔn)確的控制信號(hào)；逐步生成輸出數(shù)據(jù)序列（即音圈電機(jī)的控制電信號(hào)），并將其輸出到實(shí)際控制系統(tǒng)中。

99、2.4.1步驟s400，解碼層處理：

100、1）輸入處理：

101、；

102、其中，c'i是修正后的中間向量，是上一時(shí)間步的隱藏狀態(tài)，是解碼器的上一時(shí)間步預(yù)測(cè)結(jié)果。xdecoder,i是解碼器在第i時(shí)間步的輸入向量；

103、2）雙向bi-gru網(wǎng)絡(luò)處理：

104、；

105、其中，通過(guò)未來(lái)的隱藏狀態(tài)進(jìn)行初始化。

106、2.4.2步驟s401，在每個(gè)門(mén)控循環(huán)單元（gru）中，整合嵌入adrc模型處理輸入：

107、；

108、其中，xgru,i表示門(mén)控循環(huán)單元中的輸入，hadrc,i表示adrc模型生成的控制信號(hào)或隱藏狀態(tài)；

109、然后進(jìn)一步更新門(mén)控循環(huán)單元的狀態(tài)使用：

110、；

111、其中，f表示gru單元的狀態(tài)更新函數(shù)。

112、2.4.3步驟s402，生成輸出數(shù)據(jù)序列：

113、；

114、其中，wout和bout是輸出層的權(quán)重和偏置，是解碼器在第i個(gè)時(shí)間步的預(yù)測(cè)輸出（即音圈電機(jī)的控制電信號(hào)）。

115、2.4.4步驟s403，輸出到實(shí)際控制系統(tǒng)中：

116、將整個(gè)序列的預(yù)測(cè)輸出輸出到實(shí)際控制系統(tǒng)中。

117、（三）解決技術(shù)問(wèn)題的機(jī)制：

118、3.1增強(qiáng)參數(shù)整定的精確性和魯棒性：

119、通過(guò)雙向bi-gru網(wǎng)絡(luò)，模型能夠同時(shí)考慮前向和后向的時(shí)序依賴(lài)關(guān)系，從而更準(zhǔn)確地捕捉系統(tǒng)的動(dòng)態(tài)特性。嵌入的adrc模型則通過(guò)其內(nèi)部的跟蹤微分器、擴(kuò)張狀態(tài)觀測(cè)器和非線(xiàn)性狀態(tài)誤差反饋機(jī)制，對(duì)系統(tǒng)狀態(tài)進(jìn)行精確估計(jì)和反饋控制，提高了參數(shù)整定的精確性和魯棒性。

120、相較于傳統(tǒng)的rbf神經(jīng)網(wǎng)絡(luò)，bi-gru網(wǎng)絡(luò)能夠更全面地利用時(shí)序信息，而adrc模型的嵌入則提供了更強(qiáng)的魯棒性和自適應(yīng)能力，使得模型在面對(duì)系統(tǒng)參數(shù)變化或外部擾動(dòng)時(shí)能夠更穩(wěn)定地工作。

121、3.2提高模型預(yù)測(cè)控制的準(zhǔn)確性和適應(yīng)性：

122、在解碼層，通過(guò)注意力機(jī)制對(duì)編碼層輸出的隱藏狀態(tài)進(jìn)行加權(quán)求和，生成中間向量，并根據(jù)歷史預(yù)測(cè)誤差進(jìn)行修正。這有助于模型更準(zhǔn)確地關(guān)注到與當(dāng)前輸出相關(guān)的關(guān)鍵信息，并減少歷史預(yù)測(cè)誤差的影響。同時(shí)，嵌入的adrc模型能夠根據(jù)系統(tǒng)狀態(tài)的變化實(shí)時(shí)調(diào)整控制策略，提高模型的適應(yīng)性。

123、注意力機(jī)制的引入使得模型能夠更靈活地處理不同時(shí)間步的信息，提高預(yù)測(cè)的準(zhǔn)確性。而adrc模型的實(shí)時(shí)調(diào)整能力則增強(qiáng)了模型的適應(yīng)性，使其能夠更好地應(yīng)對(duì)復(fù)雜多變的系統(tǒng)環(huán)境。

124、3.3處理音圈伺服閥系統(tǒng)的非線(xiàn)性和動(dòng)態(tài)特性：

125、通過(guò)聚類(lèi)層對(duì)音圈電機(jī)的電磁轉(zhuǎn)換過(guò)程中的飽和效應(yīng)及其閥芯運(yùn)動(dòng)的摩擦阻力變化進(jìn)行特征提取和聚類(lèi)分析，生成權(quán)重因子對(duì)隱藏狀態(tài)序列進(jìn)行加權(quán)修正。這有助于模型更準(zhǔn)確地捕捉系統(tǒng)的非線(xiàn)性特性，并通過(guò)加權(quán)修正來(lái)減少這些特性對(duì)控制性能的影響。同時(shí)，嵌入的adrc模型通過(guò)其內(nèi)部的非線(xiàn)性處理機(jī)制，進(jìn)一步增強(qiáng)了模型對(duì)非線(xiàn)性系統(tǒng)的控制能力。

126、聚類(lèi)層的引入使得模型能夠更精細(xì)地處理系統(tǒng)的非線(xiàn)性特性，而adrc模型的非線(xiàn)性處理機(jī)制則提供了更強(qiáng)的控制能力。這種結(jié)合使得模型能夠更好地應(yīng)對(duì)音圈伺服閥系統(tǒng)的復(fù)雜非線(xiàn)性和動(dòng)態(tài)特性。

127、第二方面，基于adrc的音圈伺服閥閥芯位置控制系統(tǒng)：

128、所述系統(tǒng)包括處理器、與所述處理器連接的存儲(chǔ)器，所述存儲(chǔ)器中存儲(chǔ)有程序指令，所述程序指令被所述處理器執(zhí)行時(shí)，使所述處理器執(zhí)行如上述所述的音圈伺服閥閥芯位置控制方法。

129、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

130、一、提高數(shù)據(jù)處理與建模的準(zhǔn)確性：本發(fā)明通過(guò)同時(shí)從前向和后向兩個(gè)方向提取輸入數(shù)據(jù)序列中的時(shí)序依賴(lài)關(guān)系，雙向bi-gru網(wǎng)絡(luò)能夠更全面地捕捉數(shù)據(jù)中的動(dòng)態(tài)特征，從而提高數(shù)據(jù)處理的準(zhǔn)確性和魯棒性。在gru單元中整合跟蹤微分器（td）、擴(kuò)張狀態(tài)觀測(cè)器（eso）和非線(xiàn)性狀態(tài)誤差反饋（nlsef）構(gòu)成的嵌入adrc模型，能夠?qū)崿F(xiàn)對(duì)系統(tǒng)狀態(tài)的精確估計(jì)和反饋控制，進(jìn)一步提升數(shù)據(jù)處理的準(zhǔn)確性和控制效果。利用有序聚類(lèi)算法對(duì)特定序列進(jìn)行特征提取和聚類(lèi)分析，并根據(jù)聚類(lèi)結(jié)果生成權(quán)重因子對(duì)隱藏狀態(tài)序列進(jìn)行加權(quán)修正，充分考慮數(shù)據(jù)中的異質(zhì)性，提高建模的準(zhǔn)確性和泛化能力。

131、二、增強(qiáng)系統(tǒng)的自適應(yīng)性和魯棒性：本發(fā)明通過(guò)注意力機(jī)制對(duì)編碼層輸出的所有隱藏狀態(tài)進(jìn)行加權(quán)求和，生成中間向量。注意力機(jī)制能夠根據(jù)當(dāng)前輸出與輸入序列的相關(guān)性動(dòng)態(tài)調(diào)整加權(quán)系數(shù)，從而增強(qiáng)系統(tǒng)對(duì)重要信息的關(guān)注，提高自適應(yīng)性和魯棒性。利用最小二乘法計(jì)算誤差反饋系數(shù)，并通過(guò)殘差回溯機(jī)制利用歷史預(yù)測(cè)誤差進(jìn)行補(bǔ)償。這種機(jī)制能夠有效地糾正預(yù)測(cè)過(guò)程中的誤差，提高系統(tǒng)的穩(wěn)定性和準(zhǔn)確性。

132、三、提升控制信號(hào)生成的精確性和實(shí)時(shí)性：本發(fā)明在解碼層中，將修正后的中間向量、上一時(shí)間步的隱藏狀態(tài)以及解碼器的預(yù)測(cè)結(jié)果輸入到雙向bi-gru網(wǎng)絡(luò)中，并整合嵌入adrc模型對(duì)輸入進(jìn)行處理。這種處理方式能夠充分利用歷史信息和當(dāng)前輸入，生成更精確的控制信號(hào)。

133、四、相較傳統(tǒng)rbf神經(jīng)網(wǎng)絡(luò)配合adrc模型的具有更好的處理效果：本發(fā)明的bi-gru網(wǎng)絡(luò)能夠同時(shí)考慮前向和后向的時(shí)序依賴(lài)關(guān)系，而rbf神經(jīng)網(wǎng)絡(luò)則主要關(guān)注當(dāng)前輸入與輸出之間的映射關(guān)系。因此，bi-gru網(wǎng)絡(luò)在時(shí)序處理方面具有更強(qiáng)的能力，能夠更準(zhǔn)確地捕捉系統(tǒng)的動(dòng)態(tài)特性。嵌入的adrc模型通過(guò)其內(nèi)部的機(jī)制對(duì)系統(tǒng)狀態(tài)進(jìn)行精確估計(jì)和反饋控制，提高了模型的魯棒性和自適應(yīng)能力。而rbf神經(jīng)網(wǎng)絡(luò)雖然也可以通過(guò)調(diào)整權(quán)重來(lái)適應(yīng)系統(tǒng)變化，但其自適應(yīng)能力相對(duì)較弱。通過(guò)聚類(lèi)層對(duì)系統(tǒng)的非線(xiàn)性特性進(jìn)行特征提取和聚類(lèi)分析，并結(jié)合adrc模型的非線(xiàn)性處理機(jī)制，使得模型能夠更精細(xì)地處理系統(tǒng)的非線(xiàn)性特性。而rbf神經(jīng)網(wǎng)絡(luò)雖然也具有一定的非線(xiàn)性處理能力，但其處理方式相對(duì)較為簡(jiǎn)單和粗糙。