基于RBF最小参数学习法的正流量变量泵滑模自适应控制

为了提高正流量变量泵的性能,提出基于RBF最小参数学习法的正流量变量泵滑模自适应控制方法。分析正流量变量泵电液伺服系统的动力学特性,并进行系统辨识实验获得较为精确的系统数学函数模型;基于RBF最小参数学习法设计滑模控制器,在系统参数不确定性、摩擦力干扰和系统泄漏等非线性因素的情况下实现对目标流量的跟踪响应和自适应控制;最后利用MATLAB/Simulink对正流量变量泵的控制系统性能进行仿真实验,并和传统的PID控制器和模糊PID控制器进行比较。仿真实验结果验证了所设计控制方法的可行性和有效性。     

气动油压伺服系统模糊自适应整定的PID控制研究

针对经典的基于对象精确模型的PID控制方法自适应性差,难以适应具有非线性、时变不确定性的被控对象,采用了一种结构简单的模糊自适应整定的PID控制方法。将该智能PID控制应用于气动油压伺服系统中。实验结果表明：具有自学习和自适应能力的模糊PID控制方法,能够适应被控对象在较大范围内的变化,具有较强的鲁棒性,其控制品质明显优于常规PID控制方法,将其应用于气动油压伺服系统是可行的。     

SCARA机械手的RBF神经网络自适应轨迹跟踪控制

为了解决机械手系统模型存在参数变化、强耦合、高度非线性等不确定性因素,提出基于RBF神经网络机械手自适应控制方法。该方法利用RBF神经网络的自适应、容错、并行处理及非线性映射能力,从而实现了无需机械手精确模型信息的控制。通过Matlab/Simulink环境下的仿真实验表明,该方法可实现对SCARA机械手的位置跟踪控制,通过控制算法适时地修正网络参数,实现对非线性系统任意轨迹的轨迹跟踪控制,具有良好的控制品质。     

一种基于聚类的板形控制模糊神经网络模型

针对冷轧过程中难以建立精确的板形控制数学模型的问题,设计了RBF模糊神经网络模型用于冷轧板带过程中的板形控制.基于一种无监督聚类方法确定了模糊规则数和网络初始参数以建立网络初始模型;采用BP算法训练网络,使网络能够快速收敛;同时,为使所建立的控制系统能够应用于在线控制,增加了模糊规则在线自学习功能,避免网络过度修正权值.仿真实验表明,所建立的RBF模糊神经网络模型控制精度高,满足板形在线控制要求.     

基于CAPSO-RBF的磁悬浮系统控制研究

为解决传统控制器磁悬浮球系统快速性和稳定性易受干扰等问题,建立云自适应粒子群优化（CAPSO）的RBF神经网络监督控制器。通过RBF神经网络学习整定PD控制器的输出后采用云自适应粒子群算法对RBF网络的3个参数进〖JP+1〗行归一动态优化。采用原有RBF神经网络梯度下降法、粒子群算法、云自适应粒子群算法分别训练后进行对比控制仿真。结果表明：基于CAPSO-RBF的混合控制算法实现了磁悬浮球系统自适应控制,其动态性能和稳态性方面有较好的提升。     

非线性电液位置伺服系统的自学习滑模模糊控制

针对电液伺服系统存在参数变化、负载干扰等非线性因素，且难以建立精确的数学模型用于实时控制的特点，将一种自学习滑模模糊控制方法应用于电液伺服系统，并将滑模控制策略应用于模糊控制中，建立以滑模函数值为输入、伺服阀控制电压为输出、模糊规则只有11个的简单模糊控制器，通过在线学习调整模糊规则使系统状态快速滑向状态平衡点。该控制方法结合了滑模控制和自适应模糊控制，鲁棒性强、结构简单。仿真和实时控制结果表明：在电液位置伺服系统中取得良好的控制精度和稳定性。     

四旋翼飞行器自适应神经网络轨迹跟踪控制器设计

针对带有模型不确定性和未知外界干扰的四旋翼飞行器轨迹跟踪控制问题,提出一种自适应RBF神经网络控制策略。该方法利用RBF神经网络在线逼近和补偿系统中的未知非线性函数,减少对数学模型的依赖,提高抗干扰能力;结合Lyapunov方法导出在线调节神经网络权值的自适应律,增强鲁棒性;利用Lyapunov理论证明控制器的稳定性。通过仿真和试验验证该方法的有效性和工程应用价值,结果表明：在时变干扰和参数摄动作用下,所提方法相对于自抗扰控制的调节时间缩短1.1~2.1 s,轨迹跟踪的绝对误差平均值减小38.27%,具有更好的鲁棒性和抗干扰能力。     

一种基于模糊补偿的自适应控制在液压转台伺服系统中的应用

本文针对电液伺服系统的非线性特点，提出了一种基于模糊补偿的自适应控制方法。该方法把实际系统看成是由线性和非线性两部分所组成，对线性部分采用基于精确数学模型的控制方法，而对非线性部分主要采用以模糊自适应补偿为主的控制方式。为了提高模糊自适机构的补偿效果，采用了规则可调整的模糊控制器，仿真结果表明，该方法具有较高的控制精度和鲁棒性能。     

锻造操作机夹钳旋转系统的T-S模糊建模

针对锻造操作机液压伺服驱动夹钳旋转系统的强非线性问题,提出了一种基于T-S模糊模型的夹钳旋转系统的建模方法。根据夹钳旋转系统的非线性特性,把锻造操作机夹钳旋转系统的状态空间划分为若干个子空间,构建成具有参数不确定性的T-S模糊模型。将模糊推理系统中的模糊规则及隶属度函数参数通过自适应模糊神经网络自学习整定,产生模糊规则和隶属度函数。通过实验验证所建夹钳旋转系统T-S模糊模型的合理性。实验结果表明,建立夹钳旋转系统T-S模糊模型的输出与实验实际系统的输出基本吻合,所建立的夹钳旋转系统T-S模糊模型为夹钳旋转系统的控制提供了基础。     

基于死区时间补偿的永磁同步电机改进型模糊自适应PI控制策略

由于模糊自适应PI控制不需要精确的被控对象数学模型,且对于线性系统和非线性系统都具有良好的适用能力,而逐渐应用到电机控制系统中来。但传统模糊自适应PI控制在应用过程中,存在控制性能较差的问题。在模糊自适应PI控制理论基础上,提出一种基于死区时间补偿的永磁同步电机改进型模糊自适应PI控制策略,采用该策略能够实现无论在加速阶段还是减速阶段,均能准确、稳定地调节永磁同步电机转速。     

一种节能非线性电液伺服系统双层模糊控制方法研究

为了降低电液伺服阀控制系统能量损失,设计了双层模糊控制器,并对电液伺服系统能量进行仿真验证。分析了电液伺服阀模型简图,建立了电液伺服阀动力学模型,推导出比例溢流阀的开启压力与泵压的关系方程式。设计变论域双层模糊控制方法,分别对电液伺服系统负载反馈和输出误差反馈进行在线调节,通过MATLAB软件对控制系统节能效果进行仿真验证,并且与传统PID控制方法进行对比和分析。结果表明:采用传统PID控制方法的电液伺服系统输出误差较大、能量损失较多;采用双层模糊控制方法的电液伺服系统输出误差较小、能量损失较少。采用双层模糊控制方法,能够提高非线性电液伺服系统输出精度,从而有效减小了控制系统的能量损失。     

电液位置伺服系统神经PID控制及仿真研究

以三阶系统和实际被控对象的辨识模型NNI为研究对象，提出了一种神经PID控制策略。利用神经PID控制器的自学习、自适应能力实现PID控制参数的自整定，利用BP网络的离线辨识，简化了电液位置伺服系统数学模型的建立婪堡，并在此基础上对论文提出的研究对象进行了仿真研究。实践证明，神经PID控制策略能较好地解决电液位置伺服系统存在的问题，是一种实用可行的控制策略。     

轴对称矢量喷管液压伺服系统设计与仿真研究

针对轴对称矢量喷管的功能要求,设计一种基于模糊PID 控制的轴对称矢量喷管液压伺服系统。运用 AMESim 和 MATLAB/Simulink 对该系统进行建模与联合仿真,并与常规 PID 控制进行比较,分析系统的响应特点,验证电液伺服阀冗余备份功能和故障回中功能的可行性。仿真结果表明：所设计的轴对称矢量喷管液压伺服系统具有良好的工作性能,而加入模糊 PID 控制的系统具有更好的稳态特性、动态特性和更强的鲁棒性,同时验证了电液伺服阀冗余备份功能和故障回中功能是切实可行的。     

自学习模糊滑模控制及其在电液伺服系统中的应用

本文针对一类非线性系统的跟踪控制问题,基于滑模等价控制的基本概念,提出了一种具有在线学习能力的模糊滑模控制方法,利用学习控制实现模糊控制规则的动态更新,使得模糊控制的输出逐步逼近滑模等价控制,最终实现渐近稳定的滑模控制。     

基于DSP的高速开关阀控液压伺服系统的研究

针对高速开关阀控液压系统,介绍基于DSP的高性能电液伺服控制器的设计方法。该控制器以TMS320LF2407A DSP为平台,采用模糊自适应PID控制技术,实现系统的实时控制。该控制器响应快、稳定性好。同时也说明模糊自适应PID控制技术是适合于非线性系统的一种有效控制方法。     

基于模糊PID控制的直驱式电液伺服系统研究

介绍了直驱式电液伺服系统的实现方案,并建立了系统的数学模型.将模糊控制和PID控制结合在一起,利用模糊控制对PID控制器参数进行在线调整,结合系统的数学模型进行Matlab/Simulink仿真.结果表明,该控制器提高了系统的动态性能,具有很强的实用性.     

电液位置伺服系统鲁棒反馈线性化控制

针对电液位置伺服系统存在强非线性和外界干扰不确定性的问题,提出将反馈线性化与滑模控制相结合的鲁棒反馈线性化控制策略。建立了电液位置伺服系统非线性模型,利用反馈线性化技术将其精确线性化,利用滑模控制来补偿其外界干扰不确定性,同时采用最优控制理论设计了切换函数,并引入模糊控制设计了自适应指数趋近律。以时变负载力扰动为例对系统性能进行了研究,仿真结果表明:该方法有效提高系统鲁棒性、加快响应速度和削弱了抖振。     

锻造机双缸液压同步控制系统建模及仿真

为了提高锻造机双缸液压同步控制的精度,以便保证锻造成形的质量,简化锻造机双缸液压同步电液伺服控制系统模型,推导同步控制系统模型,得到控制目标方程。使用单神经元PID控制算法和交叉耦合算法作为锻造机双缸液压同步控制算法,通过仿真,分别得到并对比了使用常规模糊PID控制算法与模糊-单神经元PID控制算法作用下的锻造机左右液压缸的位置跟踪误差、相对同步控制误差以及液压缸的速度和压力跟踪误差。结果表明,相比于常规模糊PID控制算法,模糊-单神经元PID控制算法下的系统能够更快速地收敛,说明模糊-单神经元PID控制算法使得锻造机双缸液压同步电液伺服控制系统具有更强的鲁棒性。实验结果与仿真结果的变化规律一致,两者之间的误差小于10%,验证了提出的锻造机双缸液压同步控制方法的可行性。     

基于鲁棒线性逼近的电液伺服系统精确位置控制研究

通过对非线性时不变系统进行分析,提出了一种鲁棒线性逼近的电液伺服系统精确位置控制方法。基于电液伺服控制系统的模型,得到了其非线性动力学方程。在此基础上设计了鲁棒H∞方法,并引入图解法和整体凸映射方法求解控制器的模型,用于电液伺服系统的位置控制;通过分析非线性时不变系统,找出线性化误差出现的起因;在泰勒级数展开式的基础上,对减小线性化误差的方法进行了研究;联合图解法以及整体凸映射方法,从构造多面体和构造网格的角度出发,研究线性化不确定度问题,用于减小线性化误差。实验结果表明:所提方法对位置控制的性能较好,超调量较小、调节速度较快、准确度较高。     

基于反馈线性化的电液伺服系统线性二次型最优控制

由于电液伺服系统的非线性,常规建模方法不能准确建模,导致控制精度与稳定性难以提高。针对电液伺服闭环控制系统建立了非线性数学模型,基于微分几何方法对模型进行反馈精确线性化建模,利用线性二次型最优控制方法计算出系统的最优控制律,利用该模型实现了某船用构件力学性能测试平台的最优控制。研究结果表明:在反馈精确线性化结合最优控制的作用下,系统的响应快速性及控制精度均优于常规PID控制算法。