基于CMAC的电动负载模拟器的研究

为了抑制电动负载模拟器中存在的多余力矩,增强加载系统的非线性抑制能力,提出小脑模型(CMAC)神经网络与经典PID结合的复合控制策略,CMAC网络用于前馈控制,经典PID实现反馈控制,能够快速实时地消除多余力矩对系统的干扰。将存储单元的先前学习次数作为可信度,提出基于可信度分配的权值更新算法,来消除常规CMAC网络的过学习现象。建立了电动负载模拟器的数学模型,并给出了具体的算法流程。经仿真和试验结果表明,该方法具有很强的鲁棒性,有效地抑制了系统的多余力矩,提高了系统的加载精度。     

基于干扰观测和前馈补偿的电动加载复合控制

对于含有舵机位置扰动、模型参数摄动和传感器噪声等多余力的电动加载系统,仅采用传统的速度前馈补偿很难对系统多余力矩进行完全抑制。在传统速度前馈补偿的基础上针对系统扰动问题引入了扰动观测器,并利用改进的干扰观测器对高频噪声进行抑制。再通过微分负反馈阻尼补偿增强控制回路稳定性,利用重复PID控制器进行负反馈控制来改善系统的动态性能。仿真结果表明,该复合控制策略能够在很大程度上提高系统对多余力矩的抑制能力,并改善系统的加载精度。     

被动式电液伺服加载系统复合控制方法研究

研究了基于新型补偿结构和非线性PID控制器的被动式电液伺服加载复合控制方法.提出了将加载马达输出轴角位移作为输入信号的多余力矩前馈补偿方案,在有效抑制多余力矩的同时降低了系统阶次.研究了一种带调节因子的非线性PID控制器,克服了常规PID控制器难以解决的快速性与稳定性之间的矛盾.仿真与试验结果证明,该复合控制策略具有较高的载荷谱跟踪精度.     

双电机舵机负载模拟器设计与研究

提出了一种电动负载模拟器的新结构方式,即通过跟随电机进行舵机位置跟随,加载电机进行舵机载荷谱跟随。首先建立了电动负载模拟器的数学模型,分析了多余力矩产生的机理,提出采用双电机加载的方法来抑制多余力矩,然后补偿多余力矩采用基于结构不变性原理的前馈补偿方法,在MATLAB中进行仿真并进行试验,得到了很好的补偿效果。     

基于模糊PID控制的电动负载模拟器研究

介绍了电动负载模拟器的系统结构和工作原理,分析了所存在的摩擦现象对负载模拟器控制系统的影响,建立了负载模拟器系统的数学模型。针对负载模拟器设计中主要存在的控制问题,采用模糊自适应整定PID控制方法设计控制器,消除摩擦等非线性因素对系统的影响,并基于结构不变性原理设计前馈补偿以抑制多余力矩。     

直升机舵机电动加载测试系统的建模与仿真

为提高小扭矩时的加载精度并消除多余力矩,对舵机电动加载测试系统进行了建模与仿真。给出了加载系统的结构和工作原理,建立了系统数学模型,分析了系统稳定性,通过PID控制器进行偏差调节,以保证闭环控制系统的加载精度。分析了多余力矩产生的原因,并设计了前馈结构补偿环节来抑制多余力矩。在Simulink下对系统进行仿真,结果表明：所设计的电动加载测试系统加载精度高,有效地消除了多余力矩,满足舵机检测要求。     

基于BP神经网络的电动伺服加载算法研究

该文从加载控制器角度出发将BP神经网络算法引入加载系统削弱多余力矩对系统的影响,提高加载精度。建立了电动伺服加载系统的数学模型,分析了多余力矩产生的原因以及基于结构不变原理存在的局限性。介绍了BP神经网络控制算法基本原理,并给出了具体控制结构及相应算法,设计了一种BP/PID复合控制器。仿真结果表明,复合控制器有效地抑制了系统的多余力矩,降低跟踪误差,改善加载系统的动态性能,提高了跟踪精度,增强了稳定性。     

前馈PID控制器在钻柱运动补偿系统中的应用

针对"深海钻柱运动补偿系统负载大时,钻柱运动补偿系统响应的时间长,使得补偿系统在控制过程中出现滞后、反馈补偿出现振荡"等问题,设计了钻柱运动补偿系统中的前馈PID控制器。根据对负载变化趋势的预测结果,采取前馈补偿的方法来减小补偿系统负载变化对钻压产生的影响,提高了系统的响应速度;同时,引入PID反馈控制消除补偿系统在前馈控制过程中产生的误差,提高了系统跟踪补偿的精度。研究结果表明,该方法对于大惯性负载的运动补偿装置控制器的设计具有一定的借鉴意义和实用价值。     

刚度和惯量对电动负载模拟器的影响分析

为了提高电动负载模拟器的加载性能,根据电动负载模拟器的系统构成,建立其相应的数学模型,分析系统刚度和负载惯量对多余力矩、系统稳定性和响应速度这3个方面的影响,分析和确定了系统的最佳刚度和负载惯量,利用MATLAB软件对结果进行仿真验证;仿真结果表明:加载后的正弦曲线能够较好的复现,且响应速度快、稳定性好;设计电动负载模拟器最佳的刚度和负载惯量的时候,不仅要考虑到对多余力矩的抑制,还要考虑到系统的稳定性和响应的快速性。     

基于复合控制的电液负载模拟器设计

设计了应用于模拟助力器气动载荷的电液负载模拟器,该负载模拟器由推动助力器运动的位置系统和模拟助力器气动栽荷的力加载系统组成.为了解决负载模拟器在位置系统和加载系统之间耦合性的影响和取得良好的跟踪效果,在分析了负载模拟器的耦合关系数学模型基础上,设计了复合控制方法.该方法设计前馈补偿环节以减小位置系统和加载系统所构成的耦合性,利用重复补偿PID控制方法对解耦后的位置系统和加载系统进行控制,用以提高系统的跟踪性能.试验结果表明了该方法的有效性,跟踪性能良好.     

电液负载模拟器复合控制方法研究

提出了一种新的电液负载模拟器复合控制方案,采用改进型多余力补偿方法和PID自适应控制器并行的方式来实现对指令控制力的精确跟踪。改进型的前馈补偿方法除了有效地消除了多余力,还提高了系统的动态性能。利用CMAC神经网络的非线性逼近原理设计的鲁棒PID自适应控制器,在一定程度上改善了传统PID控制在快速性和稳定性之间存在的矛盾,降低了系统的非线性和不确定性造成的影响。仿真和试验结果证明了该控制方案的有效性。     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

基于变模糊PID控制器的阀控非对称缸复合控制策略

针对非对称液压缸正反向运动的不对称性对位移控制精度的影响,为了提高阀控非对称液压缸伺服系统位移控制精度,设计了根据液压缸运动方向选择对应模糊PID位移控制器的位移闭环及速度前馈复合控制方案。搭建了基于ADAMS,AMESim和Simulink的阀控非对称液压缸伺服系统联合仿真模型。研究表明,采用速度前馈控制系统响应更快;采用对应变模糊PID位移控制器控制策略,非对称缸换向跟踪期望位移的精度更高。     

转向缸系统反馈线性化分析与系统解耦

为解决汽车转向缸加载控制中出现的诸如强位置干扰、多通道耦合、非线性等问题,将线性系统和非线性系统理论引入系统控制器的设计中,对各通道耦合问题开展了以前馈补偿为基础的解耦控制,所设计的前馈补偿结构简单,解耦网络阶次低;针对非线性问题提出了将非线性系统精确反馈线性化与最优控制相结合的方法,设计了基于精确反馈线性化的最优控制器,该方法将复杂的非线性系统问题转化为线性系统的综合问题,采用渐近输出跟踪方法实现系统控制。仿真结果表明:采用前馈补偿解耦控制器可以有效消除耦合,但当系统存在高度非线性时,仅采用前馈补偿解耦控制不能达到高品质的性能要求,而进一步设计的基于精确反馈线性化的最优控制器考虑系统非线性时,系统能快速、准确达到预置设定。     

改进型BP-PID的舵机控制系统研究

针对机械式负载模拟器体积大、成本高及电液式负载模拟器污染大、维修困难等问题,设计了一款电动式直线电机加载测试台。通过Simulink仿真对比了二自由度PID和改进型BP-PID两种控制系统的控制效果。结果表明,改进型BP-PID控制系统不依赖于参数整定,而是通过神经网络多次训练样本自整定出所需参数,稳定性更高、跟踪性更好,完全满足加载测试系统指标要求。     

模拟复合正交神经网络在轴向磁轴承中的控制研究

由于磁轴承的动态性能主要取决于所采用的控制规律,控制器是磁轴承系统的关键.在数字复合正交神经网络(NN)的基础上,提出了一种模拟复合正交神经网络,并用于轴向磁轴承的控制中.控制器采用模拟复合正交神经网络与PID的并行控制方法,对带有负载干扰的轴向磁轴承控制系统作了PID控制与NN PID控制的仿真实验.仿真结果表明,相对于常规PID控制器,该并行控制法具有较高的抗干扰与自适应能力-控制效果理想.