磁悬浮主被动隔振系统自适应控制及非线性补偿

 In order to effectively control the low frequency vibration of ship machinery,a passive-active hybrid vibration isolation mount using maglev actuator was designed. Maglev actuator is excellent for active vibration isolation, with non-contact structure, low stiffness and rapid response. However, the actuator’s nonlinearity has to be restrained by control algorithm. The nonlinearity of maglev actuator was analyzed, the nonlinear reverse model of actuator was built through theoretical analysis and experimental correction, and an improved FxLMS algorithm based on reverse model linearization and frequency range division control was put forward, which has the advantage of low computation load for real time control. Experiments were performed on a multiple-DOF active vibration isolation system, results show that the improved FxLMS algorithm could effectively reduce the vibration energy at targeted frequency, and well restrain the nonlinearity-induced vibration.  

      

机器人关节摩擦建模与自适应RBF神经网络补偿计算力矩控制

目的:补偿机器人关节摩擦力矩,提高关节轨迹跟踪效果。方法:以直流伺服电机和谐波减速器组成机器人关节为对象,基于Stribeck模型建立摩擦模型;采用最小二乘法和Matlab编程辨识模型参数;利用自适应RBF神经网络算法对系统模型参数误差引起的未建模动态进行在线观测;将观测结果补偿到计算力矩控制器中,建立含摩擦模型的自适应RBF神经网络补偿计算力矩控制器,推导出控制参数的约束条件。结果:基于自主设计的机器人关节进行对比实验。实验表明,含摩擦模型的自适应RBF神经网络补偿计算力矩控制追踪误差是无摩擦模型的自适应RBF神经网络补偿计算力矩控制追踪误差的55.12%,是传统计算力矩控制追踪误差的31.28%。结论:本文的控制方法提高了机器人关节轨迹跟踪精度。     

基于模糊RBF神经网络的水下机械臂控制研究

针对水下复杂工作环境下机械臂控制性能易受影响,而传统控制方法效果不佳的问题,提出了一种基于模糊RBF（radial basis function,径向基函数）神经网络的智能控制器,用于精确、稳定地控制水下机械臂。考虑到在水扰动环境下,机械臂通常受到附加质量力、水阻力和浮力的影响,运用拉格朗日法和Morison方程,建立包含水动力项的二杆机械臂动力学模型,通过模糊RBF神经网络对水下机械臂动力学方程中的水动力不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统具有较高的控制精度和较强的自适应性。考虑到水动力项,采用Lyapunov稳定性理论验证了水下机械臂系统的稳定性。最后利用MATLAB对二杆机械臂进行轨迹跟踪控制仿真实验,并对比模糊RBF神经网络与常规RBF神经网络识别方法和传统模糊控制方法的控制效果。仿真结果表明：与常规RBF神经网络识别方法相比,模糊RBF神经网络控制下二杆机械臂关节1的响应时间缩短了91%,相对误差减小了88%,关节2的响应时间缩短了92%,相对误差降低了77%;与传统模糊控制方法相比,关节1的相对误差减小了65%,关节2的相对误差减小了10%。研究结果表明模糊RBF神经网络的控制效果优于常规RBF神经网络识别方法和传统模糊控制方法,可为水下机械臂的控制提供一种精度较高、较有效的方法。     

基于DNA遗传算法的气动驱动柔性梁振动控制

采用气动脉冲码调制(Pulse Code Modulation,PCM)方式,给出一种基于有杆气缸驱动进行压电柔性梁振动控制系统。考虑到系统的复杂性,采用DNA-GA进行参数自适应整定控制。首先,介绍气动系统和控制回路;利用系统模型进行了能控性和基于性能指标函数控制算法的稳定性分析。其次,阐述了DNA-GA进行控制参数优化的原理和方法,进行了数学仿真研究。最后,建立了试验装置,进行同时气动定位和振动控制试验研究。理论分析、仿真和试验研究结果表明,采用DNA-GA参数自适应整定控制算法可改善控制系统动态性能,有效抑制柔性梁的大幅值低频模态振动。     

一类含间隙碰撞振动系统混沌运动的RBF神经网络控制

应用基于RBF神经网络的智能优化控制方法研究一类含间隙碰撞振动系统混沌运动的控制。基于RBF神经网络设计混沌控制器,利用混沌控制器输出小扰动施加于系统的可控参数,将混沌运动控制为预期的规则运动,同时将自适应混合引力搜索算法与RBF神经网络相结合,利用自适应混合引力搜索算法收敛速度快和全局寻优能力强的优势,优化混沌控制器的参数,避免了控制器参数选择的盲目性和主观性,提高了控制器的性能。该方法不需要被控系统的精确数学模型,适用于系统模型未知而仅获得实验数据的情况。     

一类非线性振动自适应控制的神经网络方法

针对一类非线性振动系统，本文详细阐述了非线性振动自适应控制的神经网络方法。首先提出一类非线性系统的控制模型与自适应控制策略；然后介绍了神经网络控制器的模型，进而导出了基于神经网络的振动自适应控制算法，数字仿真结果表明了这种方法的有效性。     

柔性空间机器人基于关节柔性补偿控制器与虚拟力概念的模糊全局滑模控制及振动主动抑制

空间机器人系统的柔性主要体现在空间机器人的臂杆和连接各臂杆之间的铰关节;由于空间机器人系统结构的复杂性,以往研究人员对同时具有柔性关节和柔性臂的系统关注不够;为此讨论了参数不确定情况下柔性关节、柔性臂空间机器人系统的动力学模拟、运动控制方案设计和以及臂、关节双重柔性振动的分阶主动抑制问题。依据线动量、角动量守恒关系并基于拉格朗日方程、线性扭转弹簧及假设模态法推导了系统动力学模型;以此为基础;针对空间机器人实际应用中各关节铰具有较强柔性的情况,引入了关节柔性补偿控制器并结合奇异摄动技术将整个系统分解成独立时间尺度的电机力矩动力子系统和柔性臂子系统;针对电机力矩动力子系统,设计了力矩微分反馈控制器来抑制关节柔性引起的系统弹性振动;针对柔性臂子系统,提出了一种基于虚拟力概念的自适应模糊全局滑模控制方案,由于运用了虚拟力的概念,从而通过仅设计一个控制输入就可达到既跟踪期望轨迹又抑制柔性臂柔性振动的控制目标。计算机数值仿真对比实验证实了该方法的可靠性和有效性。     

关节柔性的漂浮基空间机器人基于奇异摄动法的轨迹跟踪非奇异模糊Terminal滑模控制及柔性振动抑制

如果在漂浮基空间机器人系统动力学建模和控制方法设计过程中忽略关节柔性的存在,其控制系统的精度和稳定性将受到极大影响。以考虑关节柔性、系统参数不确定的漂浮基空间机器人系统为研究对象,讨论了其动力学建模过程、运动轨迹跟踪控制方案设计及柔性振动振动抑制。结合拉格朗日第二类方法并结合系统动量、动量矩守恒关系,分析、建立了系统动力学方程。以此为基础,为了同时实现空间机器人运动轨迹的渐近跟踪和抑制由关节柔性引起的系统弹性振动,采用奇异摄动理论的双时间刻度分解,将系统分解为表示系统刚性运动部分的慢时标子系统和表示系统柔性运动部分的快时标子系统。针对慢时标子系统设计了非奇异模糊Terminal滑模控制方案。该控制方案采用非奇异Terminal滑模面,并基于模糊逻辑系统自适应调整控制律的切换项,不但克服了在设计中需要知道系统不确定性的上界的限制,又消除了滑模变结构控制器抖振的缺点。针对快时标子系统,采用速度差值反馈控制律来抑制关节柔性引起的系统弹性振动,保证系统的稳定性。仿真时以平面两刚性臂、两柔性关节的漂浮基空间机器人系统为例证明了所提出方法的有效性。     

空间机械臂碰撞过程的模糊无模型自适应振动控制EI北大核心CSCD

空间机械臂在执行操作任务时会面临碰撞问题,例如主动捕获或被动碰撞均会引起机械臂瞬时动量急剧变化,机械臂杆弹性振动加剧,轨迹跟踪精度降低,甚至会导致空间机械臂系统失稳。空间机械臂是一种非线性、强耦合的复杂系统,尤其是对于碰撞过程,很难实现系统精确建模。为实现对空间机械臂碰撞过程的振动抑制,提出了模糊策略与无模型自适应控制相结合的模糊-无模型自适应控制(fuzzy model-free adaptive control,Fuzzy-MFAC)方法。基于臂杆振动位移响应和关节角速度误差设计模糊策略,对无模型自适应控制中步长因子与权重因子进行在线自整定,解决传统无模型自适应控制对于参数初值敏感的局限性,实现了对空间机械臂碰撞过程中的振动自适应控制。仿真试验结果表明,Fuzzy-MFAC方法相较于传统无模型自适应控制算法振动响应衰减速度提高了34%,振动幅值降低了42%,验证了该方法的有效性。     

基于神经网络的柔性结构振动主动控制研究

提出了采用压电元件作为传感器和驱动器 ,基于神经网络技术的柔性结构主动振动控制方法。阐述了神经网络控制的基本原理 ,导出了控制算法 ,并介绍了控制系统构成 ,最后对柔性梁在正弦和伪随机信号激励下的振动进行了主动控制实验 ,实验结果验证了本文所述方法的有效性     

刚柔耦合列车半主动悬挂参数自调整模糊控制

为抑制刚柔耦合列车模型车体横向振动,在ANSYS中建立车体有限元模型并将模态中性文件导入ADAMS/Rail,建立考虑车体横向弹性振动的刚柔耦合列车动力学模型,分析弹性振动对车体运行平稳性的影响。提出以车体前后两端横向振动加速度为反馈,采用参数自调整模糊控制对车体前后横向加速度进行双闭环独立控制。联合仿真结果表明,柔性车体的横向振动显著大于刚性车体的横向振动,通过必要的半主动参数自调整模糊控制,有效的降低车体横向振动,获得相比于普通模糊控制更优的控制效果。     

漂浮基柔性空间机械臂关节运动的分块神经网络控制及柔性振动模糊控制

讨论了载体位置不受控、姿态受控情况下,漂浮基柔性空间机械臂关节运动及柔性振动主动抑制的控制问题。由系统动量守恒关系及假设模态法,利用拉格朗日方法建立了漂浮基柔性空间机械臂的系统动力学方程。之后采用奇异摄动理论,将其分解为表示刚性运动的慢变子系统和柔性振动的快变子系统。据此,设计了柔性空间机械臂系统载体姿态及机械臂关节铰协调运动的组合控制器。针对慢变子系统——柔性空间机械臂的刚性运动,设计了分块神经网络控制器,以完成系统参数未知情况下关节空间协调运动的轨迹跟踪;而对于快变子系统——柔性臂的振动,则设计了模糊控制器来主动抑制柔性杆的振动。数值仿真证实了提出方法的有效性。     

基于模糊自整定PID算法的压电柔性机械臂振动控制研究

柔性臂运行过程中的振动降低了其定位和操作精度,不同控制算法时的柔性臂抑振效果也不相同。针对刚-柔-电耦合的双连杆压电柔性机械臂,提出基于模糊自整定PID算法的柔性臂振动主动控制方法。利用MATLAB软件中的模糊工具箱,建立有效的模糊规则,实现了PID参数在线自整定模糊控制系统的设计与仿真。与常规PID控制算法相比较,仿真及实验结果表明:两种算法均能抑制柔性机械臂的振动,但模糊自整定PID控制器具有响应快、鲁棒性好、调整方便等优点,并更好地改善了控制系统的动态性能。     

姿态受控柔性臂空间机器人的自适应神经网络容错控制及残振抑制

针对执行器发生部分失效故障的漂浮基姿态受控柔性臂空间机器人系统,研究了执行器故障的容错控制及柔性臂杆残余振动的主动抑制。结合假设模态法、线动量守恒定理和第二类拉格朗日方程建立了系统的动力学微分方程。基于奇异摄动理论将系统分解为一个表征载体姿态与关节轨迹跟踪的慢变子系统和一个表征柔性臂杆残余振动的快变子系统;据此设计了由慢变子系统的自适应神经网络容错控制器与快变子系统的线性二次型最优调节器组成的复合控制器;其中,慢变子系统的容错控制器使得系统对执行器故障不敏感,保证了跟踪误差的渐进收敛;快变子系统的最优调节器可以有效地抑制柔性臂杆引起的残余振动,减少能量损耗。对比数值仿真校验了理论推导的正确性与复合控制策略的可行性。     

导弹耦合作用研究

本文提出了轴对称导弹弹体在复杂条件作用下的动力学模型的建立方法,并对导弹弹体的振动特性及柔性变形对弹道的影响进行了研究。首先,依据传统的导弹飞行力学理论,分别建立了控制力、气动力耦合作用下的刚性导弹和柔性导弹弹体动力学模型;然后,在铁木辛柯梁弯曲理论的基础上,推导出控制力、气动力和弹性振动耦合作用下的柔性弹体变形方程;最后根据上述模型,分析了柔性变形对弹道参数的影响.     

基于高斯基模糊神经网络的漂浮基柔性空间机械臂自学习控制

讨论了载体位置不受控、姿态受控情况下,自由漂浮柔性空间机械臂的高斯基模糊神经网络自学习控制问题。利用拉格朗日方程和模态综合法可建立柔性空间机械臂的动力学模型,但由于此类空间机器人系统严格遵守动量守恒,其动力学方程表现出强烈的非线性性质。结合神经网络和模糊控制,即利用神经网络来实现模糊推理可使模糊控制具有自学习能力,在此基础上,设计了柔性空间机械臂关节空间的高斯基模糊神经网络自学习控制方案。由于将动量守恒定理耦合到系统动力学方程的推导过程中,所提出的控制方案具有不需要测量、反馈载体位置、移动速度和移动加速度的显著优点。系统的数值仿真,证实了方法的有效性。     

基于神经网络混合建模的结构振动滑模控制

将神经网络和标称系统混合建模方法引入到离散滑模控制当中,得到神经网络滑模控制,然后对结构振动进行控制,振动结构为具有不确定性参数的柔性附件,并受到随机外扰作用。离散滑模控制的滑模面是以标称系统为基础,由最优二次型价值函数求解黎卡提方程确定。利用标称模型和神经网络混合建模方法来减小系统的不确定性,达到提高滑模控制在实际控制系统中的控制效果。其中利用前馈神经网络来对不确定部分进行建模。最后通过对滑模控制和神经网络滑模控制进行仿真,结果表明,本文所提出的神经网络滑模控制对具有不确定性参数和随机外扰的柔性结构系统振动的控制效果要优于滑模控制。     

柔性机械臂的轨迹跟踪与振动模糊控制

由于柔性机械臂的动态模型较为复杂,传统的基于模型的控制策略一般难以处理.基于PD型模糊控制器,提出一种基于新型的模糊控制的柔性机械臂轨迹跟踪与振动控制策略.首先推导用于柔性机械臂角控制的PD型并联模糊控制器,随后将其改进,提出了一种非并联型模糊控制器,并结合输入整形策略,推导了一种新型的柔性机械臂的混合模糊控制器.在此基础上,构建了柔性机械臂实验平台,开展实时控制实验,给出了相关的时域和频域控制效果.相关的实验结果表明,所提出的新型模糊控制器能够较好地完成柔性机械臂的轨迹跟踪任务,并显著降低柔性机械臂的振动.     

汽车悬架磁流变减振器模型分析及半主动控制策略研究

用多项式模型作为磁流变减振器的力学模型,研究了传统"开-关"型半主动控制的阻尼力跳跃对汽车簧载质量振动加速度产生的不利影响,针对1/2汽车模型对具有磁流变减振器的汽车悬架简单模糊和自适应模糊神经半主动控制策略进行了数值仿真,基于数值仿真结果分析了各控制策略的效果.