基于RBF神经网络的泵控系统滑模控制器设计及仿真分析

针对泵控系统滑模控制方面的研究,根据泵控系统的降阶数学模型中存在的未知项f (),再结合滑模控制算法设计基于RBF神经网络的滑模控制器。通过MATLAB/Simulink建立系统的仿真模型,然后进行位置指令仿真分析。研究结果表明：相比较PID控制器,基于RBF神经网络的滑模控制器获得了最小跟踪误差。在干扰条件下跟踪10 Hz频率与1 mm幅值的正弦位置信号,基于RBF神经网络的滑模控制器误差最小;施加干扰力后,控制器都出现了更大的跟踪误差,此时基于RBF神经网络构建的滑模控制器可以快速恢复跟踪误差。研究设计的基于RBF神经网络的泵控系统滑模控制器具有很好的跟踪精度和更强的鲁棒性,可以拓宽应用到其他机械传动领域。     

基于RBF网络自适应滑模的非对称泵抗扰控制

针对非对称泵样机变排量试验中柱塞对斜盘冲击引起明显的斜盘角度波动现象，以及理论推导的控制系统模型存在误差问题，提出采用鲁棒性较强的RBF网络自适应滑模算法进行变排量抗干扰控制。非对称泵配流盘具有3个不同的串联配流窗口，柱塞经过配流窗口产生不对称的冲击力作用于斜盘，其可视作干扰信号。通过Simulation X和Simulink联合仿真，对比在40 Hz下的变量阻力矩作用下常规PID控制、普通滑模控制和RBF网络自适应鲁棒滑模控制的斜盘摆角响应特性。仿真结果表明：采用RBF网络自适应鲁棒滑模控制，其柱塞腔压力峰值和斜盘摆角的脉动相对于PID控制分别降低了5%和39%，相较于普通滑模控制分别降低了2.51%和4%，其流量的波动与斜盘摆角一致。抗干扰控制算法提高了系统的动态响应特性，削弱了系统的抖动。     

基于神经网络的磁轴承自适应控制器

研究机床电主轴上采用的主动磁轴承系统的建模,设计了基于RBF神经网络的自适应PID控制器.该控制器可根据磁轴承的运行情况进行在线自学习和自校正,避免了PID控制器参数整定困难且无法及时改变的缺点.基于某磁轴承系统的仿真和实验研究表明,该RBF-PID控制器能很好地抑制转子振动,满足控制要求.     

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。     

磁悬浮直线导轨悬浮高度的自适应积分滑模控制

介绍磁悬浮直线导轨这一新型机电进给装置。针对该装置悬浮部分复杂非线性、参数时变、强扰动的特点,应用自适应积分滑模控制方法设计磁悬浮系统恒悬浮高度控制器。自适应积分滑模控制器可以在线实时估计不确定系统的边界值,削弱滑模控制的抖振,减小稳态误差。与PID控制器的仿真对比实验表明,自适应积分滑模控制器具有更好的动、静态特性和鲁棒性。     

永磁同步直线电机的趋近率自适应软切换离散滑模控制

针对存在不确定参数、摩擦及外部扰动的永磁同步直线电机伺服系统,提出一种自适应软切换滑模位置控制策略。首先,将直线电机伺服系统的模型进行状态离散化;然后根据离散化的系统模型,设计一种切换增益自适应变化的滑模控制器;同时,对设计的闭环控制系统进行稳定性分析,并利用正切函数代替符号函数,进一步改善系统的性能;最后通过仿真实验将此方案与经典PID控制及滑模控制进行比较,仿真结果验证了此方案具有更好的跟踪性能和对不确定扰动的鲁棒性。     

神经网络在电液位置伺服系统中的应用

设计了基于BP神经网络的自适应PID控制器，该控制器充分利用了经典PID控制算法简单的特点，又利用了神经网络良好的自适应和抗干扰能力，通过神经网络的学习和对系统的在线辨识，自适应调整PID参数，使控制系统对参数变化表现出良好的鲁棒性和控制性能，并通过仿真证明了所设计系统的合理性。     

基于前馈和滑模复合结构的飞行器电动舵机控制

针对飞行器电动舵机伺服系统的控制问题,提出了一种能够有效抑制传动机构非线性摩擦的控制方法,该方法由前馈补偿器、基于LQR的PID反馈控制器以及滑模控制器构成。前馈控制能够提高系统响应的快速性,PID反馈控制提高系统的抗干扰能力,针对非线性摩擦设计的滑模控制律,用来削弱非线性摩擦对舵机伺服的影响。在分析电动舵机伺服系统构成的基础上,给出了非线性摩擦的Stribeck模型;建立了系统数学模型,在此基础上分析得出前馈补偿器的结构和参数;引入参考给定量,建立基于误差的状态控制方程,设计了基于LQR的PID控制器以及抑制非线性摩擦扰动的滑模控制律。分别对含有滑模控制器和不含滑模控制器的控制方法进行了仿真实验,实验结果表明:含有滑模控制器的控制方法能够有效抑制非线性摩擦引起的速度抖动问题以及位置"平顶"现象。     

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。     

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。     

泵控电液伺服系统滑模反步控制设计及其AMESim仿真

为了提高大负载输出泵控电液伺服系统滑模控制方法对非匹配干扰的影响,采用反步法对系统非匹配干扰进行补偿,通过光滑连续一阶可导滑模技术来消除滑模与反步控制的冲突,并通过联合仿真验证滑模反步控制设计的准确性。研究结果表明:滑模反步控制器结果最接近参考信号,误差最小,表现出最优的稳定性。滑模反步控制器输出电流最小,波动效果最低,证明所设计的光滑连续滑模控制律有效地抑制了输出抖动。滑模反步控制器获得了比反步控制器和PID控制器更小的I_(MSE)和I_(APE),表明在控制器输出强度较低的条件下,利用滑模反步控制器达到了优于PID控制器与反步控制器的控制性能。滑模反步控制器则同时拥有反步控制与滑模控制的优点,不需建立精确模型也能够达到较好的控制性能。     

基于单神经元PID自适应的液压型风力发电机组恒转速控制

以新型液压型风力发电机组为研究对象,针对风速随机变化引起变量马达转速恒定困难的问题,提出一种基于单神经元PID自适应控制的方法,深入研究单神经元PID自适应控制器参数对变量马达恒转速控制性能的影响。利用AMESim仿真软件建立定量泵-变量马达液压模型,联合MATLAB/Simulink仿真软件进行了仿真研究。仿真结果表明:相比于经典的PID控制方法,单神经元PID自适应控制方法对变量马达恒转速控制具有良好的效果,增强了系统的抗扰动能力,提高了变量马达恒转速输出精度。     

DRNN-PID趋近律的在线丢包补偿伺服电机NCS滑模控制

考虑存在马尔科夫时延和随机丢包的多包传输直流伺服电机网络控制系统(networded control system,NCS),文章设计了一种基于组合核函数最小二乘支持向量机(least squares support vector machine,LS-SVM)丢包在线预估的对角回归神经网络(Diagonal Recurrent Neural Network,DRNN)PID趋近律滑模控制器。首先,利用无时延等价变换与滑动窗口组合核函数LS-SVM丢包在线预估建立了系统时延补偿模型;其次,通过DRNN非线性映射实现对PID趋近律参数的在线调整,并分析了此种滑模控制器的稳定性;最后利用Truetime对进行仿真,结果表明组合核函数LS-SVM预估策略可以提升丢包补偿的精度,提出的DRNN参数自适应调整PID趋近律滑模控制能够在较快响应速度的条件下减小系统抖振,提升了控制效果。     

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。     

3-RRR平面并联机器人神经网络滑模控制研究

针对具有强耦合和高非线性并联机器人的轨迹跟踪控制研究,设计了一种基于神经网络滑模控制器的控制系统。在传统滑模控制的基础上,利用神经网络算法实时修正系统非线性项和不确定参数的功能,有效抑制了SMC系统的抖振现象。建立了3-RRR平面并联机器人的结构简图和Matlab模型,并采用闭环矢量法得到了机器人的运动学反解,为控制系统提供了参考输入。基于机器人的简化动力学方程,设计了一种RBF神经网络滑模控制器,并构造Lyapunov函数证明控制器的稳定性。分别采用传统滑模和神经网络滑模控制方式对机器人的轨迹跟踪进行仿真分析。仿真结果表明:神经网络滑模控制器具有更好的轨迹跟踪精度和较小的稳态误差,验证了神经网络SMC控制器的有效性。     

径向柱塞变量泵模糊自整定PID控制的研究

针对电液伺服控制径向柱塞变量泵变量机构,设计了模糊自整定PID控制器,并通过计算机仿真,再现了系统跟踪阶跃信号的系统响应。仿真结果表明,在该控制器下,径向柱塞变量泵具有良好的动态性能。     

模糊自适应PID控制在静压行驶驱动系统中的应用

针对工程车辆静压行驶驱动系统的特点及其性能要求,应用模糊控制理论,在传统PID控制基础上设计一种模糊自适应PID控制器。该控制器根据马达转速偏差和偏差的变化率,利用模糊逻辑实现PID参数的在线调整,使系统具有较好的自适应能力和较强的抗干扰性。在Matlab/Simulink环境下对其进行了动态仿真。仿真结果表明,模糊自适应PID控制器的性能远优于常规PID控制器。     

基于迭代学习的机器人自适应滑模控制

针对非线性强耦合、参数复杂且不确定以及干扰未知的机器人轨迹重复跟踪控制问题,提出一种基于迭代学习技术的自适应鲁棒控制策略。在迭代学习的基础上,引入自适应滑模控制器,以提高系统的鲁棒性;接着,对控制器进行了稳定性分析;最后,分别基于两种工况对该控制器的特性以及对随机干扰的抗干扰性能进行了仿真实验,结果表明基于迭代学习的自适应滑模控制相比于比例微分型迭代学习鲁棒性更强,轨迹精度更高且平滑。     

数控进给伺服系统的模糊免疫自适应PID控制研究

针对数控进给伺服系统的特点及其性能要求,应用免疫反馈系统的原理和模糊控制理论,在传统PID控制基础上设计出一种模糊免疫自适应PID控制器.运用模糊免疫PID控制,通过模糊控制规则对PID参数进行实时修改,使系统具有较好的自适应能力和较强的鲁棒性.在MATLAB环境下对进给伺服系统进行了动态仿真.仿真结果表明,模糊免疫自适应PID控制器的控制性能远优于常规PID控制器,即使在外界干扰和系统工况发生变化时,此控制器也具有很好的快速响应特性和较强的鲁棒性.     

液压位置伺服系统的模糊免疫自适应PID控制

以闪光对焊机为研究对象,针对其液压伺服系统存在的非线性、参数不确定性以及负载干扰等特点,借鉴生物免疫反馈响应过程的调节作用和模糊逻辑推理的自适应性,设计出一种模糊免疫自适应PID控制器。建立液压伺服控制系统的数学模型,并利用AMESim建模与仿真软件对液压伺服控制系统进行了分别采用模糊免疫自适应PID控制与常规PID控制的仿真对比试验。结果表明:该控制器性能优于传统的PID控制器,具有良好的快速响应特性、较强的鲁棒性和自适应能力。