活塞数控加工的迭代学习前馈反馈控制研究

在高速精密非圆加工中,伺服刀架系统的幅值衰减产生较大的刀具轨迹跟踪误差,从而降低加工精度.针对活塞外圆数控加工数据控制,设计了一种迭代学习的前馈反馈控制方法,该控制算法中的前馈采用迭代学习控制,利用以往批次信息实现精确跟踪.反馈部分用于克服当前批次的扰动.推导该控制算法在频域下的收敛条件,经仿真实验验证,这种控制方法运用于活塞外圆加工中可以取得良好的控制效果.     

基于指数增益迭代学习算法的机械臂轨迹跟踪

工业机器人是有着非线性、强耦合以及时变性等特点的复杂动力学系统。针对某公司的六自由度机器人的轨迹跟踪问题,利用拉格朗日法对机器人进行了动力学建模,并提出一种指数增益的迭代学习控制算法以对机器人进行轨迹跟踪,并分析了该方法的收敛性。利用MATLAB软件中的Simulink功能对机器人模型工作轨迹进行仿真,将结果与传统PD型迭代学习算法进行比较,证明了该控制算法的有效性与可用性。     

基于优化迭代学习算法的机器人运行轨迹跟踪控制

为控制机器人跟踪期望轨迹或使其达到指定的目标位姿,设计基于优化迭代学习算法的机器人运行轨迹跟踪控制模型。联合四驱WMR机械构架、主控传感器等交互型应用控制模块,在处理机器人运行轨迹信号的同时,遵照迭代学习算法的极值收敛性优化原理,建立关键动力学模型,实现对机器人运行轨迹的实时跟踪与控制。设计仿真对比实验,证实优化迭代学习算法对机器人运行轨迹的控制有效性。     

单自由度振动台随机波形复现控制策略研究

波形复现作为振动环境模拟技术中的一种试验方法,对减小因振动造成的损失和满足产品升级需要等具有重要的实际意义。为了提高波形复现的精度和拓展伺服控制系统频宽,提出一种基于时滞估计的迭代控制随机波形复现策略。首先研究三状态控制策略来拓展系统频宽,之后通过计算响应信号与参考信号的相关系数算出系统的滞后时间,解决液压系统的时滞问题,提高波形复现精度。最后基于时滞估计的迭代控制算法进行波形复现试验,迭代后的相关系数均高于迭代前的相关系数,证明了基于时滞估计迭代算法的有效性。     

基于迭代学习控制模型的覆盖件模具拉深筋优化算法

提出了基于迭代学习控制模型的覆盖件模具拉深筋优化算法,极大地提高了优化效率。利用成形状态函数,成形质量函数和学习律函数构建工艺参数优化的迭代控制模型。将该模型应用到拉深筋阻力值优化中,利用有限元模拟代替很难显示表达的状态函数,预测给定工艺参数方案下板料成形后的应力应变状态。根据单元的应变状态,定义拉深筋线段的局部缺陷程度为成形质量函数,评价拉深筋周围的成形质量好坏。学习律函数不仅参考拉深筋段周围的成形质量偏差确定拉深筋阻力值的改变量,同时还能智能更新学习增益修正拉深筋阻力值的改变幅度,加快了优化收敛速度。通过门内板的算例,证明了该拉深筋优化算法的快速性和实用性。     

基于数据驱动的数控机床自适应迭代学习控制

数控机床位置伺服系统受加工环境、零件形状和机床机电特性等变化因素的影响,其零件加工是一个典型的非线性、时变和不确定动力学变化过程,因此,建立其精确机制模型很困难。针对相同零件批量加工过程呈现的重复运行特点,基于被控对象的等价数据模型,提出一种基于数据驱动的自适应迭代学习控制方法。所提控制方法采用沿迭代轴的动态线性化方法,通过最小化控制目标函数,仅利用数控机床位置伺服系统的输入输出数据,实现学习控制增益的自适应更新,克服传统P型迭代学习控制方法固定增益的问题,并经过严格理论分析保证了该方法的收敛特性。仿真结果表明:提出的数据驱动自适应迭代学习控制方法,相比传统P型迭代学习控制方法,平均绝对误差和最大绝对误差分别减小了46%和56%。     

电液比例系统位置伺服迭代学习控制

针对电液比例控制系统存在的时变性、非线性、强耦合以及液压参数摄动等问题，提出一种带补偿的迭代学习控制（ILC）算法。在分析电液比例位置伺服系统机制的基础上，建立系统的数学模型。设计不严格依赖于系统精确模型的迭代学习算法，以非常简单的方式处理不确定度相当高的非线性强耦合动态系统。为解决误差收敛过程中存在的抖动和尖峰毛刺，在算法中加入输入和误差补偿。利用先前控制输入和误差的变化量，对系统进行补偿。仿真和实验结果表明：迭代学习控制算法能够有效实现系统对期望轨迹的精确跟踪；与传统PID控制相比，迭代学习控制提高了系统的控制精度和快速跟踪能力。     

基于驱动谱迭代修正算法的三轴随机振动控制研究

经典的矩阵微分多输入多输出随机振动控制算法需要进行矩阵分解或矩阵微分等运算,计算复杂,不利于实时应用。针对一类低相干系数的多轴随机振动试验场景,利用牛顿法推导激励谱迭代方程,提出一种驱动谱迭代修正算法,简化了控制计算量,提高控制实时性。对算法收敛性和增益因子进行理论分析,并利用数值仿真在对算法进行验证。最后,利用三轴向振动台与集成该算法的多输入多输出振动控制器进行三轴向振动试验研究,结果表明：基于牛顿迭代法的驱动谱迭代修正算法在多输入多输出随机振动试验对功率谱控制试验中取得了良好的控制精度,满足工程应用需求。     

基于迭代学习交叉耦合的轮廓误差控制方法研究

针对进给伺服系统传统控制方法产生的各轴特性不匹配、控制精度不佳、抗扰动能力不足等问题,提出一种基于自抗扰控制(ADRC)和迭代学习交叉耦合控制(ILCCC)的轮廓跟踪控制算法。对于空间任意轮廓曲线,所提算法在三轴联动条件下,通过不断的迭代学习过程,优化分配给各轴的轮廓误差补偿量,加快伺服轴动态响应的同时,有效抑制伺服系统的轮廓误差。在仿真平台下建立控制器数学模型,对空间直线和空间螺旋线轨迹进行了三维跟踪验证。研究结果表明：与ADRC控制算法和ADRC+PIDCCC控制算法相比,ADRC+ILCCC控制算法在轮廓误差的最大绝对值、累计值以及平均值等指标上均有很大改善,证明了所提算法的优越性。     

基于交叉耦合迭代学习的三轴运动控制算法研究北大核心

随着科技的日新月异、工业的快速发展,许多工业领域对控制系统的性能提出了更高的要求,普通平面控制系统已经无法满足日益复杂的空间作业任务,而三轴运动控制系统在三维空间任务中具有强大的优势。从制造业的角度出发,致力于研究一种面向三轴运动控制系统的交叉耦合迭代学习的轮廓误差控制方法,既能保证单轴的跟踪性能,又能减小各轴之间运动的不协调,从而减小轮廓误差。介绍传统的两轴误差模型和基于向量法的三轴误差模型,以及迭代学习控制和交叉耦合控制的概念;针对三轴运动控制系统的性能提升提出一种三轴交叉耦合-迭代学习控制算法;设计相关对比实验,实验结果表明该算法能有效减小轮廓误差。