基于高斯基模糊神经网络的漂浮基柔性空间机械臂自学习控制

讨论了载体位置不受控、姿态受控情况下,自由漂浮柔性空间机械臂的高斯基模糊神经网络自学习控制问题。利用拉格朗日方程和模态综合法可建立柔性空间机械臂的动力学模型,但由于此类空间机器人系统严格遵守动量守恒,其动力学方程表现出强烈的非线性性质。结合神经网络和模糊控制,即利用神经网络来实现模糊推理可使模糊控制具有自学习能力,在此基础上,设计了柔性空间机械臂关节空间的高斯基模糊神经网络自学习控制方案。由于将动量守恒定理耦合到系统动力学方程的推导过程中,所提出的控制方案具有不需要测量、反馈载体位置、移动速度和移动加速度的显著优点。系统的数值仿真,证实了方法的有效性。     

空间机械臂碰撞过程的模糊无模型自适应振动控制EI北大核心CSCD

空间机械臂在执行操作任务时会面临碰撞问题,例如主动捕获或被动碰撞均会引起机械臂瞬时动量急剧变化,机械臂杆弹性振动加剧,轨迹跟踪精度降低,甚至会导致空间机械臂系统失稳。空间机械臂是一种非线性、强耦合的复杂系统,尤其是对于碰撞过程,很难实现系统精确建模。为实现对空间机械臂碰撞过程的振动抑制,提出了模糊策略与无模型自适应控制相结合的模糊-无模型自适应控制(fuzzy model-free adaptive control,Fuzzy-MFAC)方法。基于臂杆振动位移响应和关节角速度误差设计模糊策略,对无模型自适应控制中步长因子与权重因子进行在线自整定,解决传统无模型自适应控制对于参数初值敏感的局限性,实现了对空间机械臂碰撞过程中的振动自适应控制。仿真试验结果表明,Fuzzy-MFAC方法相较于传统无模型自适应控制算法振动响应衰减速度提高了34%,振动幅值降低了42%,验证了该方法的有效性。     

RBF模糊神经网络在刚性机械臂控制中的应用

为了提高刚性机械臂轨迹跟踪控制的精度,本文在分析RBF神经网络与模糊逻辑系统的函数等价性基础上,提出了一种基于T-S型模糊推理方法的RBF模糊神经网络,设计出基于RBF模糊神经网络的工业机器人控制器.研究发现,与普通的模糊神经网络相比,该网络结构简单,层数少,训练速度快,能自动寻优,通过在线调整网络隶属函数的中心值和宽度,优化了模糊规则,实现了对非线性系统的高精度轨迹跟踪控制,而且表现出有效性和鲁棒性.     

机器人关节摩擦建模与自适应RBF神经网络补偿计算力矩控制

目的:补偿机器人关节摩擦力矩,提高关节轨迹跟踪效果。方法:以直流伺服电机和谐波减速器组成机器人关节为对象,基于Stribeck模型建立摩擦模型;采用最小二乘法和Matlab编程辨识模型参数;利用自适应RBF神经网络算法对系统模型参数误差引起的未建模动态进行在线观测;将观测结果补偿到计算力矩控制器中,建立含摩擦模型的自适应RBF神经网络补偿计算力矩控制器,推导出控制参数的约束条件。结果:基于自主设计的机器人关节进行对比实验。实验表明,含摩擦模型的自适应RBF神经网络补偿计算力矩控制追踪误差是无摩擦模型的自适应RBF神经网络补偿计算力矩控制追踪误差的55.12%,是传统计算力矩控制追踪误差的31.28%。结论:本文的控制方法提高了机器人关节轨迹跟踪精度。     

伸缩因子优化机械臂轨迹跟踪控制的误差分析

提出了一种通过伸缩因子在线调节论域来优化机械臂轨迹跟踪控制的变论域模糊控制方法。首先设计了一种与关节角度偏差和偏差变化率动态加权相关的比例-指数混合型伸缩因子;然后,运用时间最优轨迹规划算法获取机械臂笛卡尔空间的期望关节轨迹;最后,基于所设计的变论域模糊控制器实现了一种三关节机械臂轨迹跟踪控制仿真,并分析了轨迹跟踪误差。仿真结果表明: 所设计的基于比例-指数混合型伸缩因子的变论域模糊控制器应用于机械臂轨迹跟踪的控制效果良好,具有响应速度快、无超调、稳态误差小的优点。     

漂浮基柔性空间机械臂关节运动的分块神经网络控制及柔性振动模糊控制

讨论了载体位置不受控、姿态受控情况下,漂浮基柔性空间机械臂关节运动及柔性振动主动抑制的控制问题。由系统动量守恒关系及假设模态法,利用拉格朗日方法建立了漂浮基柔性空间机械臂的系统动力学方程。之后采用奇异摄动理论,将其分解为表示刚性运动的慢变子系统和柔性振动的快变子系统。据此,设计了柔性空间机械臂系统载体姿态及机械臂关节铰协调运动的组合控制器。针对慢变子系统——柔性空间机械臂的刚性运动,设计了分块神经网络控制器,以完成系统参数未知情况下关节空间协调运动的轨迹跟踪;而对于快变子系统——柔性臂的振动,则设计了模糊控制器来主动抑制柔性杆的振动。数值仿真证实了提出方法的有效性。     

基于PLC的定量称量包装控制系统设计

目的提高定量称量包装机的包装精度。方法在传统包装机械的基础上,基于PLC设计一种定量称量包装控制系统。结合RBF神经网络和PID控制方法,提出一种定量称量包装控制策略,以实现闭环控制。利用RBF神经网络的快速自学习能力调整PID控制的比例、积分、微分系数。以PLC为核心设计控制系统硬件结构并给出人机界面组成。结果通过多次实验,包装精度得到大幅提高,最大相对误差不超过0.6%。结论文中方法提高了定量称量包装机的精度、可靠性和可操作性。     

柔性机械臂的轨迹跟踪与振动模糊控制

由于柔性机械臂的动态模型较为复杂,传统的基于模型的控制策略一般难以处理.基于PD型模糊控制器,提出一种基于新型的模糊控制的柔性机械臂轨迹跟踪与振动控制策略.首先推导用于柔性机械臂角控制的PD型并联模糊控制器,随后将其改进,提出了一种非并联型模糊控制器,并结合输入整形策略,推导了一种新型的柔性机械臂的混合模糊控制器.在此基础上,构建了柔性机械臂实验平台,开展实时控制实验,给出了相关的时域和频域控制效果.相关的实验结果表明,所提出的新型模糊控制器能够较好地完成柔性机械臂的轨迹跟踪任务,并显著降低柔性机械臂的振动.     

柔性机械臂的动力学模型及滑模变结构控制

本文针对轴向不伸长的Euler-Bernouli梁模型,采用假设模态法,对带有末端荷载的柔性机械臂,推导出考虑动力刚化影响的柔性机械臂有限维一致线性化动力模型.通过极点配置技术设计滑模超曲面参数,采用滑模变结构控制方法,实现关节转角的运动轨迹控制.采用LQR方法设计弹性模态稳态器,抑制由于刚体运动而激发的弹性振动.文中最后针对一单杆柔性机械臂进行了计算机仿真,验证了本文所提出的控制策略的有效性.     

无菌包装预热系统温度控制方法研究

目的为了提高无菌砖包设备预热系统温度控制精度,设计一种温度控制器。方法基于模糊神经网络算法设计一种温度控制器。在预热系统硬件结构的基础上,建立被控对象数学模型。利用模糊控制的良好收敛性和对模糊量的运算优势,以及神经网络自学习、自适应的特性,将常规PID控制与模糊控制、神经网络结合起来,提出一种基于模糊神经网络的PID控制策略,以实现对PID参数的实时在线整定。结果试验结果表明,与其他方法相比,所述控制方法能够将温度超调从2.6℃减小到0.9℃,稳态偏差从±1℃减小到±0.4℃。结论该方法能够满足预热系统温度控制需求。     

基于模糊神经网络的包装机械臂定位方法研究

目的 为提高包装机械臂的抓取精度,文中基于模糊神经网络设计一种包装机械臂定位方法。方法 将激光测距仪与工业相机融合,可实现目标点的初步定位并得到位姿偏差。以机械臂末端位置误差补偿为例,设计一种模糊神经网络控制器,可实现PID控制关键参数的在线调整以提高误差补偿精度。进一步地,采用果蝇优化算法实现神经网络控制器初始值的优化,可提高控制系统性能。最后,进行实验研究。结果 实验结果表明,机械臂定位算法可使最大绝对误差从7.704 9 mm下降到1.424 2 mm;平均绝对定位误差降低约82.5%;机械臂执行效率与对照组相当。结论 该定位方法可以大幅度提高包装机械臂定位精度,可满足包装、化工、食品等相关行业要求。     

基于滑模变结构的柔性机械臂振动控制

目的为了消除柔性机械臂的弹性振动,保证机械臂稳定运行。方法以水平运动的单杆柔性机械臂为研究对象,建立动力学模型,并以此为依据运用奇异摄动法将动力学方程分解为慢变和快变2个子系统,对2个子系统分别采用反演滑模变结构和模糊控制的手段进行控制,最后利用ADAMS和Matlab软件进行联合仿真,将控制结果与传统PID控制进行对比分析。结果稳定时间、振动量、角速度、控制力矩都得到提高,此种控制方式与传统的PID控制相比,平稳时间缩短了75%。结论该控制方法能够很好地对柔性机械臂进行振动控制,且控制效果明显强于传统的PID控制。     

基于RBF神经网络的镍基TiN纳米复合镀层显微硬度预测

针对神经网络在预测复合镀层性能方面的应用情况,以及传统的BP神经网络存在缺陷;通过对RBF神经网络的基本原理和特点的研究,建立了利用RBF神经网络对Ni-TiN纳米复合镀层显微硬度进行预测的模型。通过实验数据验证了所建立的RBF神经网络模型具有很高的精确度,其最小相对误差可达0.62%,而且所建立的预测模型具有优化工艺参数的功能,对复合镀层的其它性能进行预测具有指导意义。     

基于RBF神经网络的自动包装机温度控制算法研究

目的针对传统热封工艺中温度调节PID算法参数过度依赖人工经验的缺点,提出一种RBF神经网络与PID算法相结合的具有参数自适应的热封温度控制算法。方法使用控制系统的输出误差作为代价函数,采用最小均方误差(LMS)调整权值与偏置参数,并通过中心自组织算法实现径向基函数中心和中心宽度的动态调节,在Matlab软件中的Simulink子系统中建立仿真模型进行算法验证,并与传统PID控制算法进行比较。结果仿真结果表明,径向基神经网络与传统PID算法的结合使得系统输出响应在动态性能和静态性能方面均优于传统PID,在系统上升时间、调节时间等方面均优于增量式数字PID。结论将RBF神经网络PID算法应用于自动包装机,避免了传统热封工艺中PID控制算法参数不能适应于复杂变换控制环境的问题,神经网络PID算法的自适应性强,实现了热封温度变化下PID参数的自动调整,在一定程度上提升了生产效率和包装设备的智能化水平。     

基于改进FNN-CCC的双伺服压力机同步控制策略研究

目的 改善双伺服压力机同步控制策略的动态响应性能和鲁棒性,提升双伺服压力机的单轴跟踪精度和双轴同步精度,实现成形过程的高精度位置控制。方法 建立双伺服压力机驱动系统数学模型,分析系统同步误差来源,结合模糊神经网络单轴控制算法,引入迭代学习律,设计一种改进模糊神经网络-交叉耦合（FNN-CCC）同步控制器。基于系统控制模型进行单轴阶跃响应特性与双轴正弦跟随特性仿真,搭建嵌入式双伺服压力机驱动系统试验平台,在偏载干扰条件下进行双轴同步控制试验,验证所提出理论的有效性。结果 仿真结果表明,与模糊控制算法和BP神经网络控制算法相比,该控制器单轴控制算法的超调量分别减少了11.5%和25.5%,调节时间分别减少了48.8%和34.4%,具有更好的动态响应性能。与原控制器相比,改进后的交叉耦合同步控制器最大双轴同步误差降低了65.7%,同步控制精度有所提高。试验结果表明,与传统PID-交叉耦合控制器相比,改进的FNN-CCC控制器有更好的控制性能,在热冲压合模成形阶段,单轴跟踪误差分别减小了81.8%和75.0%,双轴同步误差减小了69.2%。结论 所提出的同步控制策略在偏载干扰条件下具有较好的动...     

基于小波基模糊神经网络的漂浮基柔性空间机械臂轨迹跟踪控制

讨论了载体位置不受控、姿态受控情况下,参数未知漂浮基柔性空间机械臂关节空间协调运动的轨迹跟踪控制问题。依据系统动量守恒关系和拉格朗日第二类方程,由假设模态法,建立了漂浮基柔性空间机械臂的系统动力学方程。以此为基础,针对系统参数未知的情况,设计了一种小波基模糊神经网络的控制方案,以使柔性空间机械臂的载体姿态到达期望位置的同时,机械臂关节铰能够协调地跟踪关节空间的期望轨迹。该方案具有无需预知柔性空间机械臂的模型和系统参数的优点,且网络权值是通过在线学习进行调整,节省了离线训练的时间。系统的数值仿真表明了所提出方案的有效性和可行性。     

基于RBF-PID的啤酒灌装机贮液缸内液位控制

目的提高啤酒灌装质量和效率,对贮液罐液位进行精确控制。方法在传统PID控制的基础上,提出一种RBF神经网络与PID相结合的啤酒灌装机贮液缸内液位自适应控制方法。利用RBF神经网络的快速自学习能力调整PID控制的比例、积分、微分系数。结果与传统PID控制相比,RBF-PID控制响应速度快,超调量较小,系统达到稳定的时间得到大大缩短。结论文中方法提高了啤酒灌装机贮液罐内液位的控制精度,有效提高了啤酒的质量和产量。