AMESim在电动液压转向系统的转向平顺性研究中的应用

为了满足电动液压助力转向(EHPS)系统在转向助力时的平顺性要求,提出无刷直流电动机(BLDCM)调速系统模糊PID控制方法,介绍模糊PID控制策略以及模糊控制器的设计过程并设计模糊PID控制器。利用AMESim/Simulink联合仿真技术建立电动液压转向系统模型,进行对电机目标电流的跟踪响应仿真、电机转速特性仿真和EHPS系统的转向平顺性仿真。仿真结果表明:基于直流电机调速系统模糊PID控制的电机比传统PID控制的电机具有更好静、动态特性,从而使EHPS系统具有更好的转向平顺性。     

基于不完全微分反演变结构控制的液压系统位置控制

液压伺服系统位置控制的结构和非结构的不确定性阻碍了其控制精度的提高。对于结构的不确定性,可以采用非线性自适应控制,以实现渐近跟踪性能。但在液压系统中,经常会出现如非线性摩擦此类非结构的不确定性,导致跟踪精度的降低。提出一种不完全微分反演变结构控制器,实现基于摩擦补偿的液压伺服系统的位置控制。该控制器以反演设计为基础,融入滑模变结构控制,利用滑模变结构在滑动模态下对控制系统参数变化和外部干扰的完全不变性,解决系统结构的不确定性问题;结合摩擦补偿,解决系统非结构的不确定性问题;引入不完全微分,弱化控制器的微分效应,减小纯微分突变信号带来的干扰,不完全微分产生的滤波效应可以抑制滑模变结构存在的抖振。从理论上证明了在各种不确定性存在的情况下系统的渐近跟踪性能,仿真实验验证了所提出的控制策略的高精度跟踪性能。     

机械臂液压伺服系统的自适应模糊滑模控制

针对机械臂液压伺服位置系统存在非线性特性和参数不确定性,提出了一种自适应模糊滑模控制方法。利用参数自适应算法估计系统未知参数,有效地克服了系统不确定性的影响,提高了系统的鲁棒性;采用非连续投影算法保证了参数估计的有界性;引入模糊系统代替切换控制项,有效地消弱了抖振。仿真研究结果表明:所设计的自适应模糊滑模控制器能够快速准确地跟踪指令,并且对参数变化具有较强的鲁棒性,与PID控制器相比,系统跟踪误差小,响应速度快,跟踪性能好。     

一种用于液压伺服系统位置跟踪的混合模型预测控制器设计

为了提高液压伺服系统对目标位置的跟踪准确度,设计一种用于液压伺服系统位置跟踪的混合模型预测控制器。首先,通过对液压伺服系统建模,分析其组成结构,建立液压缸与伺服阀的运动学模型。然后,对传统模型预测控制器的工作状态进行分析,获取其对应的线性时不变模型。并在传统模型预测控制器的基础上,利用通过布谷鸟搜索算法改进的PID控制器,设计了混合模型预测控制器。最后,利用所设计的混合模型预测控制器,对阶跃、方波以及不规则信号产生的目标位置轨迹进行了跟踪测试。测试结果显示:所设计的混合模型预测控制器不仅能够跟踪多种信号产生的目标位置轨迹,而且跟踪准确度较高、波动性较小;混合模型预测控制器在跟踪阶跃、方波以及不规则信号产生的目标位置轨迹时,相比传统模型预测控制器的跟踪结果,最大偏离度分别减小了6.77%、17.39%、19.64%,说明所设计的混合模型预测控制器能够控制液压伺服系统对目标位置进行良好的跟踪。     

液压绞车运动跟踪前馈控制方法研究

当液压绞车跟踪特定运动时,其响应速度是影响运动跟踪控制性能的重要因素。为了提高液压绞车运动跟踪精度,设计跟踪运动前馈控制器并进行跟踪运动控制试验,结果表明,液压绞车的非线性因素对跟踪运动的控制精度有重要影响。利用最小二乘辨识方法实时辨识液压绞车的系统模型参数,在系统辨识的基础上设计自适应前馈控制器。仿真结果表明,液压绞车运动跟踪自适应前馈控制可以得到较高的控制精度。     

基于Simulink仿真平台上的随机干扰液压自适应控制系统

基于Simulink仿真平台,给出适合应用于液压系统的自适应控制策略.为简化控制算法,在设计自适应控制器时,只考虑控制输入作用,忽略随机干扰的作用,从而极大地简化了自适应控制器,有利于在线实时控制.通过大量的仿真研究,说明用这种简化的控制策略能有效地控制包含随机干扰作用下的整个液压控制系统,它不仅能使一个不稳定的系统变为稳定,且能在随机干扰作用下,也能渐近一致地跟随参考模型的希望输出,使被控系统满足性能指标要求.     

单杆液压执行器双侧触觉遥控操作的李雅普诺夫稳定控制器研究

液压执行器运动轨迹容易受到多种环境因素干扰,导致实际运动轨迹偏离理论运动轨迹,造成定位精度下降。对此,建立了单杆液压执行器模型简图,采用李雅普诺夫稳定控制器控制液压执行器的运动轨迹。分析了双侧遥控操作系统的动态模型,推导了液压执行器流量非线性控制方程式,设计了单杆液压致动器双侧控制的李雅普诺夫稳定控制方案,采用数学方法对控制器的稳定性进行了证明。结合具体实例,对单杆液压执行器的运动轨迹跟踪误差进行仿真,并与传统PID控制器的跟踪误差形成对比。对误差的仿真结果表明:在受到外界波形干扰时,采用李雅普诺夫稳定控制器控制液压执行器运动轨迹,产生误差较小。液压执行器采用李雅普诺夫稳定控制器,能够提高系统运动的稳定性,降低运动轨迹产生的误差。     

基于自适应滑模控制的随车起重机控制特性分析

为提高随车起重机的工作效率、改善控制性能、降低操作过程工作强度,对随车起重机液压控制系统的控制性能进行分析,提出一种自适应滑模控制方法。通过分析随车起重机液压控制系统工作原理和数学模型,设计了自适应滑模控制器;对比分析自适应滑模控制和PID控制系统的控制特性。结果表明：采用自适应滑模控制的随车起重机液压控制系统具有良好的稳定性、动态控制性能和伺服跟踪性能。     

微创介入手术导管机器人系统自适应模糊PID控制

针对人工介入手术中存在的插管精度低、射线环境伤害医生等问题,采用主从式导管机器人系统进行微创手术能够很好地解决人工介入手术中的弊端。通常主从导管机器人系统采用PID控制,但PID控制可能会产生较大的超调,导致系统跟踪性能下降,降低手术的安全性。因此,采用自适应模糊PID控制器在线调整PID控制的参数,提高主从控制系统的跟踪性能。首先建立了从手轴向运动和旋转运动的动态模型,然后设计了基于自适应模糊PID控制器的主从导管机器人系统,通过参数在线调整提高了从手对主手信号的跟踪性能。仿真结果表明,所提出的自适应模糊PID的控制方案是有效可行的,表明系统具有较强的跟踪性能和鲁棒性能,明显地减小了系统的跟踪误差。     

模糊自适应PID控制器在液压AGC系统中的应用

针对液压AGC(Automatic Gauge Control)系统生产工艺中对厚度控制的要求,设计一种应用于液压AGC系统的模糊自适应PID控制器。该控制器以常规PID控制为基础,根据偏差和偏差的变化率,利用模糊逻辑实现PID参数的在线自调整,进一步完善PID控制器的性能,提高厚度控制系统的控制精度。仿真结果表明:该控制器既具有常规PID控制器高精度的特点,又具有模糊控制器响应速度快的特点,而且具有良好的动态、稳态性能以及较强的鲁棒性,能够使液压AGC系统达到满意的控制效果。     

基于自抗扰控制的分布式铰接车辆转向控制

铰接车辆通过前后车体间的相对转动实现转向行驶,这种特殊的转向形式导致其转向稳定性差,转向运动控制精度要求高。针对此问题,以某四轮分布式驱动井下支架搬运铰接车为原型,构建包括车身模型、轮胎模型和单阀控双非对称缸液压转向系统在内的分布式铰接车辆11自由度非线性动力学模型,并设计基于自抗扰控制器的液压转向控制系统,用以提升铰接车辆的转向稳定性。为验证此方法的有效性,建立MATLAB/Simulink仿真模型,进行初始车速为2.5 m/s的转向分析,并在同种工况下,加入外界干扰力矩,以PID控制器为对照组,对比分析两种液压转向系统控制器的抗扰动性能。仿真结果表明：基于ADRC控制的液压转向系统的转向角度误差在0.017 rad以内,且转向角度跟踪速度快,相对于PID控制器具有更好的抗扰动性能,有效提高了铰接车辆的转向稳定性。     

自适应控制在水压伺服缸系统中的应用分析与研究

与电驱动、液压油驱动、气体驱动相比,水压伺服缸系统具有高功率、高安全性和环保性,且其具有较大的摩擦转矩和泄漏量,其稳态误差和超调量成为精准控制的主要问题。目前,传统模型参考自适应控制系统(MRAC)被广泛应用于水压伺服缸控制系统,且其具有较好的跟踪性,但其控制器结构复杂,阶次较高,且对外界干扰的鲁棒性不足。为此,应用简单自适应控制系统(SAC)对水压伺服缸进行控制,并对其跟踪性和鲁棒性进行研究分析。研究结果表明,SAC具有较好的跟踪性,且比MRAC具有更好的控制精度、更高的鲁棒性。     

动压缸电液伺服压力系统自适应反步双滑模控制

给出了轨道路基测试装置液压原理图、动压缸电液伺服压力系统数学模型和AMESim模型。将动压缸电液伺服压力系统拆分为动压缸位移子系统和动压缸输出压力子系统两部分,在此基础上,设计了一种自适应反步滑模控制方法:采用双滑模结构,分别构造动压缸位移子系统滑模自适应控制和动压缸输出压力子系统反步滑模自适应控制,给出了不确定参数的自适应律,并对该方法的稳定性进行了证明。最后将该方法作用于动压缸电液伺服压力系统AMESim模型上,仿真结果表明:该方法不仅可以有效地估计系统中参数,实现对目标期望变量精确地跟踪,具有比积分滑模自适应控制(ISAC)更好的控制性能和跟踪性能;而且可以有效地减小参数不确定性对跟踪性能的影响,具有较好的鲁棒性能。     

基于反馈型自适应鲁棒控制的伺服泵直接驱动电液系统精确运动控制研究

由于传统泵控液压系统存在位置跟踪精度低、频率响应慢的缺点,给精确运动控制造成很多困难。对此,针对伺服电机泵直接驱动电液系统模型的非线性动力学特性和参数不确定性,采用反馈型自适应鲁棒控制（ARC）,实现伺服泵直接驱动电液系统的精确运动控制。建立伺服电机泵直接驱动电液系统的动力学模型,通过非线性泵流量映射重新建立泵的动力学模型。采用反馈型ARC方法进行控制器设计,合成泵的控制输入,使气缸执行器位置跟踪一个期望的轨迹,并对系统模型的位移斜坡响应和伺服泵功率进行实验仿真。结果表明：相比于PID控制,反馈型ARC控制下的位移跟踪误差大幅度降低,伺服泵的平均功率分别降低了55%、26%、63%,峰值功率也有所降低。采用反馈型ARC控制,能够实现有效的模型补偿,使得系统运行稳定,提高系统模型的跟踪性能和鲁棒控制性能。     

串联型机械臂的自适应鲁棒容错控制研究

针对串联型机械臂关节空间内的轨迹跟踪控制,提出了一种自适应鲁棒容错控制方法。在机械臂动力学模型中加入了外界干扰、关节摩擦与故障模型,并将其等价成二阶被控系统。在此基础上,结合非奇异快速终端滑模面和反步法控制策略,设计一种新型的反步非奇异快速终端滑模控制器。通过李亚普诺夫准则验证了控制策略的全局渐近稳定性;引入自适应技术估计系统不确定性的上界,提高控制器的鲁棒性。以二自由度机械臂为被控对象,对所设计控制器的有效性进行了验证,结果表明:与传统的非奇异快速终端滑模控制器及反步非奇异快速终端滑模控制器相比,该控制器具有响应速度快、鲁棒性强、抖振小的优点,能有效应对系统故障和实现机械臂的高精度轨迹跟踪控制。     

移动机器人神经网络补偿计算力矩控制

针对存在动力学不确定建模项、建模误差及外界干扰的移动机器人,设计RBF神经网络补偿计算力矩控制算法。基于反步法设计运动学辅助速度控制率。根据动力学理想名义模型,基于计算力矩法设计一般的力矩控制器。在此基础上,建立具有不确定建模项、建模误差及外界干扰的移动机器人动力学模型,基于计算力矩法设计带有RBF神经网络补偿的力矩控制器,神经网络的权值由自适应律给出。最后,利用Lyapunov理论证明了系统的稳定性。仿真结果表明：神经网络对系统不确定项具有良好的逼近性能,相比于一般的计算力矩控制,所提出的神经网络补偿计算力矩控制算法具有更好的跟踪性能,控制系统具有更好的鲁棒性。     

粉煤灰恒压输送滑模控制系统研究

为了克服PID控制器的缺点,有效抑制状态变量的超调问题,加快系统的控制速度,增强系统的抗干扰性,针对粉煤灰恒压输送系统提出了一种自学习滑模控制方法。设计了一种非线性光滑函数,并将其应用于自抗扰控制器、跟踪微分器及滑模趋近律的设计。鉴于进一步提高系统的自适应控制能力,使用了最速下降法对滑模控制器的增益参数进行自学习镇定。仿真与实验结果表明:该方法不仅响应速度快、控制精度高,而且有效抑制和消除了系统抖振和超调现象。     

重型液压机执行器自适应滑模容错控制

为了提高重型液压机在执行器故障情况下的容错控制能力和控制精度,设计了自适应滑模容错控制器。建立了5缸液压机的滑块动力学模型和液压缸压力动态方程。使用积分滑模控制设计了3个子系统虚拟控制律;使用伪逆法实现了控制分配;在执行器故障情况下,在积分滑模控制基础上,提出了自适应补偿策略,从而给出了执行器故障情况下可以实现的虚拟控制律;使用分散滑模控制将虚拟控制律转化为伺服阀控制律,并证明了自适应滑模容错控制器具有Lyapunov意义下的稳定性。经仿真验证,在单个执行器故障或多个执行器故障的情况下,自适应滑模容错控制器能够将调平误差控制在2×10^-4rad内,位移跟踪误差最大为0.0111 m,体现了执行器故障情况下极高的调平和跟踪精度,也体现了自适应滑模容错控制器具有很好的鲁棒性。     

基于李雅普诺夫理论的电液伺服系统非线性位置控制研究

电液伺服系统存在高度非线性及参数时变等问题,同时由于其多学科性质导致精确模型的建立比较困难。针对电液伺服系统非线性位置控制问题,采用基于非线性系统的李雅普诺夫理论的控制器实现电液伺服系统的有效控制,并对控制效果进行仿真验证。构造了伺服阀以及液压执行器的动力学方程,建立电液伺服系统简化数学模型。基于非线性系统的李雅普诺夫理论,利用积分反演法设计了电液伺服系统控制器。采用MATLAB软件对电液伺服系统进行仿真,并与传统PID控制器的计算结果进行对比和分析。仿真结果显示:采用所设计的控制器,电液伺服系统对阶跃和正弦信号的跟踪性能较优,所需控制电压减少50%左右,跟踪误差也大大减少。