自适应动态径向基函数网络死区补偿控制

死区非线性存在于许多实际系统中,这将影响控制系统的性能,甚至会造成系统不稳定.为了补偿动态系统中的死区非线性,提出一种基于自适应动态径向基函数网络 (DRBF)的死区补偿控制方法.先用自适应DRBF网络在线补偿未知死区产生的不良影响:对于补偿后的动态系统,设计一个与DRBF网络并联的线性控制器.通过Lyapunov方法证明闭环系统的稳定性.以液压系统为例进行仿真,仿真结果表明本文方法能有效地消除控制系统的稳态误差,减少计算量,而且控制信号没有频繁振荡.     

高精度大推力试验模型烧蚀补偿自动送进控制系统

采用计算机控制液压传动系统,实现了在电弧加热器上进行模型烧蚀试验过程的实时自动送进补偿,保证了试验模型在稳定的流场状态下烧蚀出一定的外形。实际的运行结果表明,该控制系统控制精度高、稳定性好。控制系统采用了液压伺服机构,在计算机的控制下完成试验模型边烧蚀边送进过程。为保证控制精度要求,系统采用了位置环和压力环相结合的双闭环控制方法。     

一种基于小波网络的模型参考间接自适应控制方法

本文提出一种基于小波网络的模型参考间接自适应控制方法,利用两个小波神经网络作为间接自适应控制系统的控制器和辨识器来构成自适应控制系统,与一般神经网络控制系统在同等结构下进行仿真相比,小波网络的控制精度高,跟踪效果好.     

基于非奇异快速终端滑模的轧机液压伺服位置系统反步控制

针对具有非线性、参数不确定性和未知负载扰动的非对称缸轧机液压伺服位置系统,提出一种基于模糊自适应观测器和非奇异快速终端滑模面的反步控制方法.首先,基于非奇异快速终端滑模面和双幂次趋近律完成非对称缸轧机液压伺服位置系统反步控制器的设计,并通过构造二阶滑模滤波器对虚拟控制量的微分信号进行估计,有效地避免了反步控制中的微分爆炸现象;然后,选用模糊自适应观测器对系统的不确定项进行逼近估计,并将输出的估计值引入到设计的控制器中进行补偿,有效地提高了系统的跟踪控制精度,且分析表明,所提出的控制方法能够保证闭环系统全局渐近稳定;最后,基于某650mm可逆冷带轧机液压伺服位置系统的实际参数进行仿真研究,并与常规线性滑模控制方法相比较,结果验证了所提出方法能够有效提高系统在整个全局过程的收敛速度和鲁棒稳定性.     

模糊神经网络在转台系统中的应用研究

在自动飞行控制系统与惯性导航系统模拟试验中,飞行仿真转台控制系统性能的优劣严重影响了试验结果.为了研究自动飞行控制系统和惯性导航系统,将模糊神经网络自适应控制方法应用于飞行仿真转台中.该方法通过神经网络来实现模糊推理,利用神经网络的学习能力调整模糊隶属函数和控制规则,从而克服模糊控制精度不高和自适应能力差的缺点.仿真结果表明,该方法可以使飞行仿真转台具有高的定位能力和控制精度,操作失真度小及具有良好的动态性.     

汽车变截面板簧轧机计算机控制系统的研究

介绍两辊式汽车变截面板簧轧机计算机控制系统的主要硬件结构、设计方法,以及多模态智能控制算法在液压伺服系统中的应用.该控制系统设计合理,运行稳定,控制精度高.     

六自由度液压运动平台的迭代学习控制

本文针对飞行模拟器六自由度液压运动平台的数学模型,设计了一个反馈—前馈迭代学习控制器,该控制器将迭代学习算法与传统的PID控制算法结合,控制器前馈部分用于提高系统的控制精度,控制器反馈部分用于提高系统的鲁棒性能。然后证明了控制器收敛条件并利用Simulink进行了仿真,仿真分析和实际应用表明,基于迭代学习算法的液压运动平台位置控制系统具有控制精度高、稳定性好、鲁棒性强等特点,实现了液压运动平台系统的精确位置控制。     

液压机器人自适应控制系统的研究

本文针对液压机器人在随机干扰和随机特征参数作用下的自适应控制系统设计研究的基础上,加入饱和非线性控制,从而改善了被控对象的控制输入,为机器人在线实时自适应控制提供了理论依据.通过仿真研究说明,文中采用的自适应控制方案具有很强的自适应能力.     

液压舵机伺服系统灰色预测模糊PID控制

研究灰色预测模糊PID控制在液压舵机伺服系统中的应用问题。由于液压舵机伺服系统具有典型非线性和不确定性,传统的PID控制很难满足控制要求。为解决这一问题,提出了灰色预测模糊PID控制方法。在SimuIink中搭建液压舵机伺服系统的模型并进行仿真,灰色预测模糊PID控制无超调,调节时间为0．008s,消除干扰使系统再次达到稳定的时间为0．045s。结果表明：灰色预测模糊PID控制与传统PID控制、模糊PID控制相比,能有效加快系统的控制速度,缩短调节时间,提高控制精度,具有较强的抗干扰能力。     

自适应模糊控制器在液压电梯中的应用

采用一种建立在连续输入输出论 的模糊控制器,避免了普通模糊控制器由外论域的离散化而存在量化误差。通过采用分级模糊控制的方法一步提高了系统的控制精度和收敛品质,同时还给出了一种自适应控制算法,利用它可以调整模糊规则以适应系统的时变性。利用该文的模糊控制器对典型非线性时变系统一－ＶＶＶ液压电梯的实时控制结果表明,这种模糊控制器鲁棒性好,控制精度高,自适应能力强,具有很高的实用价值。     

基于PSO的钻机快速自适应PID控制

针对传统液压盘刹钻机PID控制系统响应速度慢、稳态误差大、参数整定周期长,以及无法满足随钻遇地层变化实时参数优选的不足,以恒钻压自动送钻为研究对象,构建了液压盘刹钻机控制模型,设计了粒子群算法(PSO)优选钻机PID控制参数,并实现在Simulink环境下自动调用优选出的PID参数,提高了钻机控制参数的快速、自适应整定。仿真结果表明,与传统采用Z-N经验公式法、试凑法和遗传算法(GA)实现钻机PID控制相比,基于PSO的钻机快速自适应PID优化控制能够有效地提升系统响应速度,降低系统稳态误差,满足钻机恒钻压随钻控制的实时性、准确性需求,实验结果证明了该方法的可行性和优越性。     

电液制动系统液压力控制

电液制动系统(electro-hydraulic brake system,EHB)作为未来制动系统发展的重要方向,已受到广泛关注.本文基于一套自主设计的集成式电液制动系统(integrated electro-hydraulic brake system,I–EHB)系统进行研究,为确保其压力控制动态响应及精度,克服工作中存在的延迟及能量损失,设计了两种液压力控制方法,分别是基于田口方法优化的自适应PID控制和基于滑模变结构的补偿控制,并搭建台架对两种控制方法进行测试.通过对两种控制方法下系统响应的比较分析,发现滑模变结构补偿控制效果较好,系统响应快、稳态误差小、鲁棒性好,尤其在系统常用的低频及中高压阶段控制表现突出,验证了该方法的正确性和有效性,并为进一步探索提出了方向.     

雷达天线模糊自适应控制器的设计及分析

针对雷达天线控制系统对稳定性、精确性、鲁棒性以及随动性的高要求,结合控制系统PID参数调整经验,以积分时间和微分时间的关系为基础,设计一种新的模糊自适应PID控制器,并提出基于常规PID控制器参数的简易参数调整方法。通过Matlab/Simu-link进行仿真分析,结果表明,所设计的控制器在简单易用的基础上,弥补了常规PID控制器的不足,在超调量、响应时间和稳态静差都有比较好的效果;对随动信号也有较好的跟踪能力;尤其在系统辨识存在误差的情况下仍有较好的控制效果,具有广泛的实用价值。     

基于幂次趋近率的机械手滑模控制系统

为实现对机械手的快速高精度跟踪,采用滑模变结构控制算法对机械手进行控制。针对机械手在趋近滑模面的过程中所存在的抖震问题,在基于模糊补偿的鲁棒自适应控制的基础上,设计了一种基于趋近率的自适应模糊滑模机械手控制系统,使得系统能更快的趋近滑模面,削弱系统抖震现象。基于Matlab/Simulink仿真平台上搭建了机械手控制系统,仿真结果表明,加入趋近率能加快系统趋近滑模面,提高了系统的稳定性和跟踪性能。     

基于P-模糊自适应PID控制的无刷直流电动机调速系统

分析了无刷直流电动机的数学模型,提出了一种新型的P-模糊自适应PID控制方法,并在Matlab/Simulink环境中建立了基于P-模糊自适应PID控制的无刷直流电动机调速系统仿真模型。在该调速系统中,电流控制采用电流滞环,转速控制采用P控制和模糊自适应PID控制相结合的方式,实现了电流滞环和转速模糊控制的双闭环调速控制功能。仿真结果表明,该系统与基于常规PID控制的调速系统相比,系统响应时间缩短一半,且超调减小,具有较强的鲁棒性和自适应能力。     

非线性主动悬架系统自适应最优控制

针对非线性主动悬架系统多性能指标综合优化问题,提出一类自适应最优控制方法.首先,通过引入一阶低通滤波操作,利用系统输入输出构建结构简单且调节参数少的一类未知非线性动态估计器,在线估计系统未知非线性动态;其次,构建包含乘驾舒适度、悬架行程空间及输入能耗的性能指标函数,采用单层神经网络对最优性能指标函数进行在线逼近,并得到新的哈密尔顿函数;为实现在线求解,构建一类新的基于参数估计误差信息的自适应律,在线更新神经网络权值并计算最优控制律;最后,理论分析闭环系统稳定性和收敛性,并通过专业软件Carsim与Matlab/Simulink搭建的联合仿真平台给出的对比仿真结果,验证所提出方法可有效解决主动悬架系统多目标性能优化控制问题,提升主动悬架系统综合性能.     

陀螺仪系统同步控制的参数自适应滑模控制

针对带有内部不确定性及外部扰动的陀螺仪混沌系统的同步问题,提出了一种参数自适应滑模控制方法,并给出参数自适应律.该方法不依赖被控混沌系统的数学模型,可以快速跟踪主混沌系统.时域及复频域理论分析表明,由参数自适应滑模控制器组成的闭环控制系统是全局渐近稳定的,而且参数自适应滑模控制器具有良好的抗扰动鲁棒性.仿真结果表明该控制方法计算量小、响应速度快、控制精度高、抗扰动鲁棒性强,在非线性不确定系统控制领域具有广泛的应用价值.     

Identification Recurrent Type 2 Fuzzy Wavelet Neural Network and L2‐Gain Adaptive Variable Sliding Mode Robust Control of Electro‐Hydraulic Servo System (EHSS)

An electro‐hydraulic servo system (EHSS) is a kind of system with the characteristics of time‐variant, serious nonlinearity, parameter and structural uncertainty, and uncertain load disturbance in most cases. These characteristics make it very difficult to realize highly accurate control by conventional methods. In order to solve the above problems, this paper introduces a recurrent type 2 fuzzy wavelet neural network to approximate the unknown nonlinear functions of the dynamic systems through tuning by the desired adaptive law. Based on the identification by recurrent type 2 fuzzy wavelet neural network, a L2 gain design method, combining gain adaptive variable sliding mode control with H infinity control, is proposed for load disturbance, thereby accommodating uncertainties that are the main factors affecting system stability and accuracy in EHSS. In this algorithm, a recurrent type 2 fuzzy wavelet neural network is employed to evaluate the unknown dynamic characteristics of the system and gain adaptive variable sliding mode control to compensate for evaluating errors, and H infinity control to suppress the effect on system by load disturbance. The experiment results show that the proposed system L2 gain design method can make the system exhibit strong robustness to parameter variation and load disturbance.     

基于AMEsim的自适应控制在电液力伺服系统上仿真研究

由于实际电液伺服系统大量存在非线性、时变、不确定、时滞及强耦合特性等,一般无法获得精确的教学模型.为了解决参数的不确定性和随机变化性对电液力控伺服系统的影响,设计了自适应控制器.利用AMEsim和Simulink联合仿真技术建立了该电液力控制系统模型,设计一种自适应控制器,进行了电液力控伺服系统的控制仿真.仿真结果表明了自适应控制器对于系统控制的有效性和鲁棒性.     

PID控制在火箭炮伺服系统中的仿真实现——改进的专家自适应PID控制

针对传统PID（Proportional-Integral-Derivative）控制无法兼顾部分系统的静态性能和动态性能,结合专家PID控制原理,提出了一种改进的专家自适应PID控制器的设计方案,对某火箭炮伺服系统进行仿真跟踪。给出了伺服系统的分析设计过程,利用MATLAB/Simulink完成了改进的专家自适应PID控制器在某伺服系统中的仿真应用,得到了良好的跟踪特性图,说明了该方法的有效性。