基于CMAC小脑神经网络的超磁致伸缩作动器高精度控制的仿真研究

为了补偿超磁致伸缩作动器(GMA)内在的滞回非线性提高其精度,将小脑神经网络（CMAC）前馈和PID反馈控制器相结合,提出了一种实时滞回补偿控制策略,以期实现GMA的高精度跟踪控制。由于CMAC神经网络不能够直接逼近滞回逆这种具有记忆性的多映射现象,通过引入一个滞回逆算子,将多映射的滞回逆转换成一一映射,然后运用CMAC神经网络控制器来逼近这个一一映射,从而建立一个基于CMAC神经网络的滞回逆模型。仿真结果表明该控制策略能适应GMA滞回特性随输入信号的变化,在线建立GMA的滞回逆模型,从而消除滞回非线性的影响,实现GMA的高精度控制。     

机器人柔顺装配夹具的双小脑模型神经网络控制系统

介绍了一种新型的机器人柔顺装配夹具及其装配系统。设计了由装配力信号为输入的小脑模型神经网络CMAC1和以浮动平台位移信号为输入的小脑模型神经网络CMAC2并行叠加构成的双CMAC神经网络控制器，前者作为前馈控制，后者当夹具刚启动时为前馈控制，装配开始后转为反馈控制。双CMAC神经网络控制器具有存储容量少、系统较稳定、能减少系统误差影响、装配力小等优点。     

前馈控制的神经网络实现

不依赖对象模型,在前馈－反馈定值控制系统中,借助神经网络构成前馈控制器,以反馈输出引导网络权值及输出的调整,使网络逐步学成前馈补偿功能,并最终在控制中占据主导地位,实现对主要可测干扰的补偿。文章分析了神经网络前馈控制器的作用效果,并与根据精确模型设计的常规前馈控制器的作用特性进行了比较。文中采用两种不同方式对神经网络进行训练,仿真结果证实了在模型未知的条件下,利用神经网络实现前馈控制的有效性。     

空调系统神经模糊控制器-仿真和优化

以恒温空调系统为控制对象，对神经模糊控制器、常规模糊控制器和PID控制器进行了数字仿真，并用单纯形法对控制比例因子进行了参数寻优，获得了最优参数和动态响应曲线；通过对神经模糊控制器的优化学习，大大提高了神经模糊控制器的控制精度和稳定性，其性能优于最优化的PID控制器和最优化的常规模糊控制器，能有效地满足温度控制要求，并具有较好的鲁棒性；由于神经模糊控制器具有模糊控制和神经网络的智能，经过优化学习后，它具有艮好的控制性能和自适应能力。     

PID参数模糊自整定控制器的设计与仿真研究

针对常规PID控制器不能在线进行参数自整定的问题，结合模糊控制技术，提出了一种PID参数模糊自整定的方法．运用Matlab模糊逻辑工具箱进行仿真研究表明，该模糊PID控制器能迅速消除系统余差，改善普通模糊控制器的性能；既具有PID控制器高精度的优点，又具有模糊控制器快速、适应性强的特点，保证了调节系统具有良好的动、稳态特性．     

舵机电液伺服加载复合控制方法研究

为解决飞机舵面加载控制中出现的强干扰、耦合等问题,分析被动式加载系统中干扰力矩的特点,对前馈补偿方法中存在的高阶微分补偿控制器物理上难以实现以及模型失配问题,提出了基于改进型前馈补偿结构和FCMAC-PID控制算法相结合的复合控制方法.在前馈补偿控制器设计中采用加载马达输出转轴角速度作为补偿输入,该种补偿器不仅有效地消除了多余力矩,而且降低了整个系统以及补偿器的阶次.针对普通PID控制器快速性和稳定性之间的矛盾,研究了FCMAC-PID控制器,在保证稳定性的同时快速性得到了改善.仿真表明:采用补偿复合控制器可以有效消除扰动,系统能快速准确跟踪载荷谱.     

电流自适应控制抑制开关磁阻电机转矩脉动

开关磁阻电机(SRM)的强非线性源自其双凸极结构、磁路非线性和脉冲供电方式。传统控制多采用SRM线性转矩模型求得参考电流,导致其运行时转矩脉动大。提出基于转矩偏差的双权值神经网络(DWNN)自适应PID控制与基于有限差分扩展卡尔曼滤波(FDEKF)预测电流的前馈补偿控制相结合的SRM控制策略。(1)加入偏差预处理,对转矩偏差进行非线性处理,实现"小误差,大增益,大误差,小增益"的控制,以此为基础进行双权值神经网络自适应PID的电流控制;(2)采用预测电流,构成参考电流的前馈补偿控制,提高控制系统一步预测能力。基于有限差分扩展卡尔曼滤波预测电流,将其与参考电流之差实时补偿参考电流,优化得到恒转矩下有效的控制电流,间接实现总转矩的有效控制。仿真结果证明所提控制策略能有效抑制SRM的转矩脉动。     

汽车四轮转向自适应模糊神经网络控制研究

为了实现现实车辆运动的多自由度和非线性,在Simulink环境下建立包含车辆侧倾运动和轮胎非线性的三自由度四轮转向模型,针对大多控制方法需要依赖被控对象为精确数学模型的缺陷,提出具有联想、自学习、自识别、自适应特性的自适应模糊神经网络四轮转向控制策略;通过以前轮转角及车速作为输入,并依此确定后轮转角的输出,建立获得训练样本的仿真实验模型,用混合法训练得到自适应模糊神经网络控制器,并分别与前轮转向、比例控制和横摆角速度反馈控制下的四轮转向控制器进行仿真比较分析．结果表明自适应模糊神经网络控制使车辆在低速到中、高速时质心侧偏角趋于零,具有较强的鲁棒性;在角阶跃、移线实验中,控制效果优于前轮转向、比例控制和横摆角速度反馈控制,较大地改善了车辆的操纵性能．     

电动负载模拟器的非线性因素分析及补偿

为提高电动负载模拟器系统的动态性能和信号跟踪准确度,提出针对系统摩擦非线性和间隙非线性进行补偿的方法。分析系统存在的非线性因素及其对系统造成的影响,在此基础上建立其非线性数学模型。采用基于小波神经网络的PID控制器实现摩擦非线性补偿,同时利用间隙逆模型针对间隙非线性进行补偿。利用Matlab软件对补偿结果进行仿真验证,仿真结果显示经过补偿后系统正弦响应曲线跟随性能变好,跟踪误差明显减小,准确度得到很大改善。仿真结果证明:基于小波神经网络的PID控制器和间隙逆模型分别对摩擦非线性和间隙非线性有明显的抑制效果,系统动态性能得到提高。     

基于模糊树的Hammerstein-like模型对超磁致伸缩作动器的建模与控制

基于模糊树提出一种带有动态非线性环节的Hammerstein-like建模方法以描述超磁致伸缩作动器的率相关迟滞非线性特性。所提方法能在一定频率范围内建立一个统一模型,使之不仅能较好地描述单一频率输入信号下的迟滞环,也能较好地描述复合频率输入信号下的迟滞环。同时,基于所提Hammerstein-like模型,设计前馈逆补偿+PID反馈控制策略,实现参考输入信号的跟踪实验,实验结果表明,该控制策略能较好地跟踪频率范围为1的参考输入信号,跟踪精度令人满意,满足工程要求。     

半桥逆变型磁共振式无线充电系统建模与控制

针对半桥谐振逆变型磁共振式无线充电(MCR-WCT)系统工作状态模糊、高阶非线性、控制理论不成熟等问题,在建立半桥谐振逆变电路等效模型的基础上,采用广义状态空间平均法(GSSA)对MCR-WCT系统进行大信号和小信号建模,在GSSA模型的基础上设计电流单闭环控制器,制定基于BP神经网络的自整定PID控制策略。最后,通过Matlab编程对GSSA大信号模型进行暂态和稳态分析,对比Simulink模型仿真结果验证GSSA模型的可行性;通过Matlab仿真对比经典PID控制和BP神经网络自整定PID控制策略,在电流设定值为1 A的阶跃响应中,BP神经网络自整定PID控制在0.25 ms内达到稳态,稳态误差在2%内,最大超调量只有5%,相比经典PID控制具有更好的动静态性能。     

压电式二维微动工作台的迟滞补偿与解耦控制

为了提高压电式二维微动工作台的定位精度,基于改进的Prandtl-Ishlinskii模型设计了前馈与解耦控制器,并结合反馈控制器开发了复合控制系统.在分析x与y方向电压与位移之间迟滞关系的基础上,前馈控制器通过改进的Prandtl-Ishlinskii模型描述迟滞的逆过程,分别补偿了x与y方向的迟滞.解耦控制器通过改进型Prandtl-Ishlinskii模型估算耦合位移值,修正驱动电压,抵消耦合效应引起的位移.复合控制系统结合了前馈与解耦控制器,并加入PID反馈控制进一步提高定位精度.实验结果表明:控制前,x方向与y方向定位误差的最大绝对值分别是4.16μm和4.18μm,而采用复合控制后定位误差的最大绝对值降为0.06μm和0.07μm.这种复合控制方法能够补偿压电式微动工作台的迟滞非线性,无需改变结构或更换零件就能减小耦合效应,有效地提高微动工作台定位精度.     

Stribeck模型自适应滑模摩擦补偿控制

针对高速高准确度滚珠丝杠伺服控制系统,提出一种基于Stribeck模型的滑模自适应摩擦补偿控制方法。采用PMAC运动控制器搭建开放式控制平台,建立伺服系统的动力学模型,并通过Stribeck模型来反映系统的摩擦特性。采用Backstepping方法设计自适应滑模摩擦补偿控制器,并采用Lyapunov定理证明系统的全局渐进稳定性,最后通过编写伺服算法实现该摩擦补偿。实验结果表明:与速度加速前馈控制补偿相比,当输入速度为10 mm/s信号时,自适应滑模摩擦补偿其跟踪误差由35μm降低到±4μm;当输入速度为100 mm/s信号时,自适应滑模摩擦补偿其跟踪误差由98μm降低到±4μm。采用该补偿方案能有效抑制伺服系统的摩擦干扰,提高伺服系统准确度和动态跟踪性能。     

潜艇定深运动的自适应模糊控制研究

针对潜艇定深运动过程中存在非线性、时变参数、复杂干扰的特点，提出了一种基于神经网络的自适应模糊控制器。并采用学习速率自调整的EBP算法对模糊控制器进行了在线调整．仿真结果表明，该控制器能辨别出潜艇的平衡舵角。与常规的PID控制相比，具有抗干扰能力强、响应速度快、精度高等优点。     

压电微动平台的定位控制

为使压电微动平台定位速度快、定位精度高,采用复合控制方法来对其进行定位控制。基于保证模型精度并使精度在整个阈值区间变化尽量均匀的要求,来使阈值最优化,进而建立了压电微动平台的迟滞模型。基于所建平台迟滞模型,设计了其前馈控制器;为抑制平台的超调,在常规数字增量式PID中引入滤波器设计了其反馈控制器;将前馈控制与PID反馈控制相结合,设计了平台的复合控制器。实验结果表明:所建平台迟滞模型仅有7个算子,且均为有效算子,在16.3μm的最大实测位移下,模型最大误差为0.208μm;在复合控制作用下,平台达到5μm目标值的响应时间为0.173 s,虽慢于前馈控制,但明显快于PID反馈控制;在最大位移为17.155μm的参考输入作用下,若不考虑传感器噪声,平台的定位误差几乎为零。     

空调房间温度模糊分数阶PID控制器的设计

针对具有大时滞、大惯性和时变等动态特性的空调房间对象,综合模糊控制与分数阶PID控制理论,提出了模糊分数阶PID室温控制器的设计方法.首先,对于空调房间温度对象,进行数学建模.然后,运用模糊控制规则,获取相应的分数阶PID室温控制器的控制参数,从而构建出空调房间温度的模糊分数阶PID控制系统.并且,通过数值仿真对其进行验证.结果表明,该模糊分数阶PID室温控制器是可行的,与分数阶PID控制器相比,具有更好的控制性能.     

基于模糊分数阶PID的开关磁阻电机直接瞬时转矩控制

针对开关磁阻电机直接瞬时转矩控制系统,引入分数阶积分与分数阶微分和二维模糊控制器结合,设计模糊分数阶PID转速外环控制器,提出了基于模糊分数阶PID的开关磁阻电机直接瞬时转矩控制。引入分数阶积分可提高系统的稳态精度,削弱积分饱和引起的大超调;运用分数阶微分解决原一阶微分易受高频干扰的缺点,提高系统的动态性能;基于RBF神经网络设计了PID转矩内环控制器,适应开关磁阻电机的非线性,实现转矩的双闭环跟踪控制。通过仿真表明:设计的模糊分数阶PID转速外环控制器能有效减小开关磁阻电机转矩脉动,系统快速达到稳态,动态性能良好,适应性强。     

船舶发电机组转速神经网络模型参考自适应控制研究

将基于神经网络的模型参考自适应控制（NNMRAC）作为控制策略用于研究船舶发电机组的时变与非线性转速控制,以提高控制质量。研究中建立了船舶发电机组二阶传递函数模型,模型参考自适应控制的神经网络辨识器与控制器均采用多层前馈拓扑结构,网络训练采用量化共轭梯度反向传播优化学习算法。学习完成的神经网络模型参考自适应控制器与PID控制器并行作用于船舶发电机组,仿真数据表明船舶发电机组转速控制系统的调速快速性得到了提高、灵敏度得到了改善。     

两自由度导管机器人的动力学仿真研究

对三形状记忆合金(SMA)螺旋弹簧驱动的导管机器人的动态特性进行了研究。首先基于综合力学方程、SMA的本构方程和传热方程建立了动力学模型,然后针对双输入双输出(TITO)系统的2个自由度间存在强耦合和因SMA的高度非线性使得难以采用解耦实现对相邻SMA驱动器控制的现象,设计了具有混合结构的模糊控制器。它用传统的模糊控制器控制系统的2个自由度,同时用耦合模糊控制器补偿2个自由度之间的耦合作用。仿真结果表明,所推导的动力学模型能够正确描述这种结构的特性,并且混合模糊控制器具有良好的控制效果。     

基于信号主频分析的隔振系统前馈模糊控制

针对电流变液智能阻尼器的力学特性，从激励信号频域的角度提出了一种新的前馈模糊控制方法来控制半主动隔振系统。它以信号的主频特性作为模糊控制器的输入，主频对半主动隔振系统的影响系数作为模糊控制器的输出．根据使被隔振体响应最小的原则求出最优阻尼比并转换成应施加的电压来控制电流变液智能阻尼器，达到最佳的减振效果。实验证明用这种方法控制的半主动隔振系统比最优被动隔振系统有更好的减振性能。