玻璃基板码垛机械手位置的迭代学习跟踪控制

码垛机械手在玻璃基板生产过程中发挥着至关重要的作用。针对玻璃基板码垛机械手码垛过程具有较强重复性的特点,提出迭代学习的码垛机械手位置跟踪控制方法。考虑到运行过程中出现的非重复性干扰设计了鲁棒迭代学习控制器。同时采用Lyapunov函数分析了码垛机械手的收敛性。理论结果表明,鲁棒迭代学习控制算法可以保证码垛机械手的位置跟踪误差收敛到0。仿真结果表明,所提出的鲁棒迭代学习控制算法,较好地抑制了非重复扰动的影响,有效提高码垛机械手的位置跟踪性能,经过20次的迭代,控制精度能达到0．01mm。在实验测试中,相邻两个玻璃基板间的码垛误差最大不超过0．1mm,取得了良好的控制效果。     

基于鲁棒迭代学习的永磁直线电机控制

针对永磁直线电机速度和位置迭代学习跟踪控制中,由测量扰动引起的跟踪误差有界收敛问题,提出一种带有衰减因子的鲁棒迭代学习控制算法.采用λ范数方法分析鲁棒迭代学习控制算法的收敛性,理论结果表明,鲁棒迭代学习控制算法可以保证跟踪误差收敛到零,而P型迭代学习控制算法仅保证直线电机速度和位置的跟踪误差收敛到一个与扰动信号上界有关的域内.仿真结果表明,所提出的鲁棒迭代学习控制算法可以有效抑制测量扰动,获得较好的跟踪性能.带有衰减因子的迭代学习控制方法是一种抑制非重复测量扰动的有效方法.     

存在始误差的三维桥式起重机位置迭代控制

桥式起重机在运输货物样式相同、运输路线固定的情况下具有较强的重复性,而实际运输过程中,由于货物堆放位置不完全重叠,运输堆放位置临近的货物时有固定的初始误差。针对桥式起重机重复性工作且有固定初始误差的情况,采用迭代学习控制方法研究桥式起重机位置跟踪问题。建立了桥式起重机的三维数学模型,设计了桥式起重机位置跟踪的迭代学习控制算法,证明了算法的收敛性。仿真结果表明,迭代学习控制可有效利用桥式起重机运行的重复信息,经过一定次数的迭代学习后,起重机位移输出曲线可以精确跟踪位移期望曲线,达到预期的运行速度。     

基于迭代学习与FIR滤波器的PMLSM高精密控制

针对永磁直线同步电机(PMLSM)运行时易受端部效应、摩擦力、负载扰动、参数变化等不确定性因素的影响而难以达到高精度跟踪控制的问题,提出一种基于迭代学习与有限冲击响应(FIR)滤波器的控制方案。PMLSM伺服系统执行重复任务时,迭代学习控制(ILC)可有效地抑制重复性扰动,具有很高的控制精度,但执行非重复性任务时很难获得较高的控制精度。为了进一步改善基于ILC的PMLSM伺服系统运行迭代1次的跟踪精度,利用ILC的输出信息来设计FIR滤波器,进而用FIR滤波器来代替ILC,使控制系统达到最优的ILC,以提高系统的跟踪精度。采用滑模控制(SMC)对FIR滤波器进行补充,使位置误差快速收敛到一定的界限内,以提高系统的抗扰能力。实验结果表明,所提出的控制方案使系统具有很高的位置跟踪精度和很强的鲁棒性。     

基于迭代学习与小波滤波器的永磁直线伺服系统扰动抑制

针对迭代学习控制(ILC)算法抑制永磁直线同步电机(PMLSM)周期性扰动时存在非周期分量影响问题,提出一种迭代学习控制算法与小波滤波器相结合的扰动抑制方法。通过重构输入误差信号,剔除非周期分量,从而使设计的PMLSM伺服系统迭代学习控制器快速收敛,减少了迭代次数。提出通过实验确定ILC中L形滤波器参数的方法。实验结果表明,与不带小波滤波器及传统PID比较,所提出的控制方法能够使系统的跟踪效果更好,且保证了在较少迭代次数下,被控系统的输出轨迹能精确地收敛到期望轨迹。     

永磁直线同步电机伺服系统的分段变论域模糊迭代学习控制

针对执行重复任务的永磁直线同步电机(PMLSM)在迭代学习过程中易受负载扰动、参数变化等非重复性扰动的影响而难以实现高性能跟踪控制的问题,提出了一种迭代学习控制(ILC)与变论域模糊控制相结合的分段变论域模糊ILC方法。在误差较大的时间段,采用变论域模糊控制实时地改变ILC的学习增益,并智能地调整模糊控制的论域,抑制不确定性因素对系统的影响,提高控制精度;在误差较小的时间段,采用PD型ILC,使学习增益稳定,进一步减小位置误差。实验结果表明,该控制方法可以有效地加快收敛速度,提高位置跟踪精度,并增强系统的鲁棒性。     

基于迭代学习控制的并联型有源电力滤波器研究

在并联型有源电力滤波器控制方法中,传统PI控制的滤波效果不够理想。针对稳定性负载电网谐波具有重复周期的特点,提出迭代学习控制算法,并嵌入反馈环节,以提高迭代学习收敛速度。该方法计算量小,稳态误差小,易于实现,仿真分析和实验结果表明了该控制方法的有效性。     

基于迭代学习控制的并联型有源电力滤波器研究

在并联型有源电力滤波器控制方法中,传统PI控制的滤波效果不够理想。针对稳定性负载电网谐波具有重复周期的特点,提出迭代学习控制算法,并嵌入反馈环节,以提高迭代学习收敛速度。该方法计算量小,稳态误差小,易于实现,仿真分析和实验结果表明了该控制方法的有效性。     

基于经验模态分解算法的永磁直线同步电机迭代学习控制

在永磁直线同步电机驱动伺服系统的迭代学习控制(ILC)过程中,针对由于每次运行时跟踪误差的累积,导致系统出现收敛速度降低甚至发散的现象,提出一种基于经验模态分解(EMD)算法的迭代学习控制方法。首先设计闭环ILC控制器,然后利用EMD算法分解ILC过程中的跟踪误差,筛选并消除其中发散的分量,保证ILC的收敛性,提高ILC的收敛速度。仿真和实验结果表明,与传统ILC相比,所提出的控制方法能够使系统的跟踪效果更好,且保证了伺服系统的输出轨迹在较少的迭代次数下快速精确地收敛到期望轨迹。     

永磁同步电机位置伺服系统迭代学习控制

为了解决永磁同步电机位置伺服系统中的高阶非线性、强耦合性以及外部干扰,从而获得期望的跟踪精度,根据永磁同步电机位置伺服系统模型的特殊性提出了一种改进型迭代学习控制方法。有别于传统迭代学习控制方法中对系统误差求一阶导数,改进型迭代学习控制算法对误差求二阶导数后,设计D-型迭代学习控制策略,利用数学知识严格证明了算法收敛性,并推导出其收敛条件。算法解决了传统控制难以实现高精度永磁同步电机位置伺服的问题,利用迭代学习控制策略,使得系统能够达到期望的跟踪精度。仿真和实验结果表明了该算法的有效性。相较于传统方法,迭代学习控制策略误差更小,精度更高。     

基于ESO的磁悬浮直线同步电机变增益自适应迭代学习控制

对于可控励磁磁悬浮直线同步电机(CEMLLSM),常规迭代学习控制(ILC)精度低、抖振大,且抗外部扰动能力差。为提高跟踪精度,设计了一种基于扩张状态观测器(ESO)的变增益自适应ILC算法。首先,研究CEMLLSM的工作原理及数学模型。其次,设计基于ESO的变增益自适应迭代学习控制器,为控制器中固定增益部分引入指数可变增益,增加自适应迭代项对控制律中的未知参数进行迭代学习,从而减小系统抖振与误差并加快系统收敛速度。通过引入ESO观测系统的外部干扰,对控制量进行补偿,进而提高系统的抗扰动能力。最后,用MATLAB对控制系统进行仿真分析,仿真结果表明该算法能够有效减小跟踪误差,并对扰动有良好的抑制作用。     

基于神经网络的学习控制及其在机器人中的应用

针对一类非线性系统的跟踪控制问题 ,首先提出了一种遗忘因子迭代学习控制算法 ,给出了算法收敛的充分条件 ,然后 ,利用神经网络原理 ,对要求跟踪的新的期望轨迹 ,在系统的历史控制经验基础上 ,用神经网络估计系统的期望控制输入 ,然后将其作为迭代学习控制器的初始控制输入 ,再由迭代学习律逐步改善控制输入 ,使系统的实际输出只需较少的迭代次数就能达到跟踪的精度要求。机器人系统的仿真结果表明了该算法的有效性。     

原子力显微镜的分数阶PID控制设计

原子力显微镜(AFM)是测量材料物体表面形貌的重要工具。为了实现AFM的高速扫描成像,设计一种基于分数阶前馈-反馈PID控制算法的AFM扫描成像控制器。将分数阶迭代学习控制(FOILC)用于前馈回路,在跟踪过程中对当前周期的误差信息进行学习,实现输出沿迭代轴的快速收敛;在反馈回路中采用分数阶比例积分(FOPI)控制增加高速成像时的精度。轨迹跟踪仿真和实验成像结果表明,该算法能有效提高AFM成像速度和改善系统非线性的影响,在扫描频率为25 Hz时,控制精度达到10~(-5)量级,AFM成像质量得到显著提高。     

一种电子凸轮轨迹跟踪控制方法

以电子凸轮为研究对象,提出一种轨迹跟踪控制方法。阐述了电子凸轮运动规律,在此基础上基于3次非均匀B样条曲线给出了一种凸轮曲线设计方法。为提高凸轮轨迹跟踪精度,设计了模糊滑模迭代控制器。迭代学习控制算法可用于实现目标轨迹的跟踪;模糊控制和滑模控制则可以提高电子凸轮的收敛速度与鲁棒性。滑模控制器处理轨迹偏差及其变化率;模糊控制器对滑模输出进行模糊化和解模糊化处理;通过实时控制调节迭代学习控制器的增量得到理想的轨迹跟踪效果。针对基于伺服电机的电子凸轮,控制系统给出了具体硬件架构。通过实验验证表明,模糊滑模迭代控制算法能够满足电子凸轮对轨迹跟踪精度与鲁棒性的要求,电子凸轮能够有效取代传统的机械凸轮机构。     

迭代学习控制在GTAW焊接过程中的应用研究

针对相同工件的批量焊接,并且焊接轨迹相同的情况下,焊接过程具有极高的重复性。提出了基于迭代学习控制(ILC)的脉冲气体钨极氩弧焊(GTAW)焊接过程跟踪控制方法。根据GTAW焊接的动态过程模型,设计了GTAW焊接过程控制的ILC算法,并对算法的收敛性进行了证明。研究结果表明,ILC可以有效地利用焊接过程中的重复信息,经过60次迭代学习后,焊接系统输出可以较好的达到期望轨迹,并获得较高的控制精度,验证了方法的有效性。与PID控制相比ILC控制器不但可以获得较好的跟踪效果,而且还能有效抑制外部扰动的作用,具有较强的鲁棒性。     

输入受限下非完整轮式移动机器人迭代学习跟踪控制

为了解决输入受限下非完整轮式移动机器人的跟踪控制问题,考虑迭代学习控制方法,设计了一种迭代学习控制律,这里所设计的迭代学习控制律结合了系统的跟踪误差和约束下的上一代控制律.通过应用范数分析理论,对跟踪误差的收敛性进行了理论分析,验证了设计的控制律的有效性.最后,给出了一个仿真实例以证明理论分析结果的正确性,仿真结果表明,在设计的迭代学习控制律作用下,具有输入受限的非完整轮式移动机器人能够获得很好的跟踪控制性能,跟踪误差最终收敛于零的很小邻域内.