模糊控制在流体控制系统中的应用

本文介绍了模糊控制在开关式液压控制系统和位置伺服系统以及在气体压力伺服系统中的应用,并对模糊控制器的设计方法及如何减少液压控制系统中的压力冲击进行了分析和研究。     

双电液伺服马达位置同步控制研究

针对液压伺服系统所具有的时变性等特点,建立了双电液伺服马达位置同步系统模型,并提出一种基于模糊控制的双电液伺服马达模糊复合交叉耦合式控制方式,通过模糊控制器来补偿同步通道由于时变性和外部干扰所导致的同步误差。仿真结果表明：该方法能提高位置同步精度。     

基于变参数模糊控制器的液压舵机伺服系统动态仿真

针对飞机舵机在实际使用过程中的非线性问题,采用变参数模糊控制器来控制液压舵机伺服系统.首先,建立了液压舵机伺服系统的数学模型;其次,设计了一种变参数模糊控制器,通过S函数实时改变模糊控制器的比例因子和量化因子,从而改善系统的控制品质;最后,将P控制、PID控制和变参数模糊控制的系统模型同时进行仿真试验.仿真结果表明,变参数模糊控制与PID控制、P控制相比,使系统的调节时间缩短为P控制的1/7,受到单位阶跃干扰后再次稳定的时间也大大缩短,使系统具有更好的快速性和抗干扰能力,为解决实际中的不确定使用因素提供一定借鉴.     

蚁群算法在中厚板液压伺服系统中的应用研究

为解决在环境及负载扰动影响下,中厚板液压位置伺服系统采用常规控制方式很难取得理想效果的问题,首先为便于分析研究,根据中厚板液压系统各环节的机制特性,分别建立了位移传感器、伺服放大器、伺服阀、液压缸及轧辊组合等环节的数学模型.然后在对性能优良的离散蚁群算法改进基础上,通过多层次异构搜索机制对解空间精细搜索,得到可用于连续域寻优的多层蚁群算法.并将改进算法应用到液压位置伺服系统中,根据系统性能指标对控制器进行智能优化.仿真结果表明,采用多层蚁群优化算法的液压位置伺服系统收敛速度明显加快,适应能力与鲁棒性也要好于常规控制方式.     

神经网络监督控制在液压舵机伺服系统中的应用

针对液压舵机伺服系统中存在的非线性因素和工作环境的不确定干扰,提出将改进的神经网监督控制算法应用到舵机伺服控制系统设计中.该算法采用单神经元PID控制取代常规线性控制用于神经网络控制器学习,以提高控制系统的鲁棒性及神经网络模型学习初期系统的稳定性.在Simulink环境中建立液压舵机伺服控制系统模型并进行仿真,仿真结果表明:改进的神经网络监督控制,在液压舵机伺服系统中,具有良好的控制效果和较强的鲁棒性,为舵机伺服系统设计提供了一条新的思路.     

电液伺服阀的设计和研究

一、概述在所有的伺服系统中(包括电伺服、液压伺服、气动伺服、电液压伺服、气液压伺服等),电液伺服系统的质量最高,品质最好。原因是它集中了电气输入讯号和反馈讯号的灵活性、快速性和液压执行元件(液压马达、油缸)的小惯量的优点,使电液伺服系统能达到的精度和快速性为最高。特别是在大功率系统中,这个优点更为突出。电液伺服系统虽然具有上述无可比拟的优越性,但是在发展这种系统时碰到的一个困难是电和液压之间的转接元件——电液伺服阀是比较复杂的,从而限制了电液伺服系     

液压伺服系统讲座(八)

第三章伺服阀与液压放大器伺服阀是液压伺服系统的核心元件。它由转换器和液压放大器组成。它能将输入功率很小的电气(或气动、机械)信号加以转换并放大,输出一个与输入成比例的液压信号(流量或压力),用于控制执行机构。根据输入信号及转换器型式分电液伺服阀、气液伺服阀和机液伺服阀。其中电液伺服阀最为普遍。电液脉冲马达是另一种液压伺服元件,它由步进电机和液压扭矩放大器组成,广泛应用于开环数控机床的驱动系统。它们的特点是功率放大系数大、灵敏度高、快速性好、体积小、正是这些显著优点使电液伺服系统获得了广泛的应用。     

模糊控制的液压位置伺服系统

本文提出了一个采用微型计算机进行模糊控制的液压位置伺服系统,该系统将微型计算机的灵活性与开关式液压伺服系统的优点结合起来,采用最优模糊控制取代多级继电器控制方式,并在实际系统实验中取得了十分满意的结果。     

高强钢单机架轧机伺服系统压力异常分析

针对实际生产中高强钢单机架侧支撑伺服系统液压元件损坏问题,分析了非对称伺服阀控制非对称液压缸参数对液压缸两腔压力的影响。分析结果表明,现场液压元件损坏是由于液压缸内部压力超出元件最大工作压力所致;通过优化伺服阀参数、减小系统工作压力、选择更高工作压力的液压元件可以解决类似液压元件损坏。分析方法和分析结论可供同类液压系统的设计和使用借鉴。     

基于位置控制的电液伺服弹簧疲劳试验台液压系统仿真研究

在大弹簧疲劳测试中,电液伺服疲劳试验台是最为常用的设备。电液伺服疲劳试验台的性能主要取决于液压系统和控制系统性能的好坏。从液压伺服系统的设计计算入手,采用传递函数的方法建立了液压系统的模型。设计一种基于遗传算法的模糊控制器,将模糊控制与遗传算法结合起来,弥补了常规凭经验来确定隶属函数的粗糙方法的不足。