基于遗传算法迭代学习的偏心轴廓形误差补偿研究

为了提高偏心轴类零件轮廓加工精度,引入遗传算法和迭代学习PID控制算法,利用遗传算法对偏心轴磨床不同转速下的X-C轴PID参数进行整定,再通过迭代学习PID控制方法对X-C轴进行迭代学习控制,减小偏心轴磨床X-C轴的跟踪误差,通过MATLAB的Simulink仿真工具建立偏心轴磨削迭代学习PID控制仿真程序,进行仿真实验。实验表明基于遗传算法的PID迭代学习控制比普通PID控制更能够有效控制X-C轴跟踪误差,提高偏心轴轮廓加工精度。     

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。     

地震模拟振动台迭代学习控制算法对比研究

为解决传统控制方法下电液伺服振动台复现波形精度不高的问题,对5种迭代学习控制算法进行了对比研究。采用的迭代学习控制算法包括时域迭代算法和频域迭代算法,时域迭代算法有P型学习律和PD型学习律,频域迭代算法有直接迭代、修正迭代和幂指数迭代,通过振动台仿真模型对比研究各种方法的控制效果。研究结果表明：在相同模型和相同波形条件下,所采用的5种算法中,频域迭代算法优于时域迭代算法,频域迭代算法下波形的相关系数可达98%以上,最大峰值误差在5%以内。     

偏心轴磨削迭代学习模糊自适应PID控制技术研究

为了提高偏心轴的加工精度,减小偏心轴的廓形误差,引入模糊自适应PID迭代学习控制算法,通过建立偏心轴加工数学模型分析偏心轴磨床X-C轴的跟踪误差关系,建立偏心轴廓形误差模型,通过MATLAB的Simulink仿真工具建立偏心轴廓形误差仿真程序,进行仿真实验。通过实验表明模糊自适应PID迭代学习控制器与普通PID控制加工相比,模糊自适应PID迭代学习控制器能够有效提高偏心轴的加工精度。     

调速型液力偶合器自动控制仿真研究

基于调速型液力偶合器调速的数学模型,在控制方法上进行了新的尝试。对PID控制算法、模糊控制算法、模糊PID控制算法分别进行仿真,通过仿真分析证明,模糊PID控制不依赖于系统模型,在响应速度、超调量、稳态精度等方面均优于其它两种控制方法。模糊PID控制器对于调速型液力偶合器调速自动控制效果比较好。     

凸轮高速磨削廓形误差模糊自适应PID迭代学习控制

为提高凸轮轮廓加工精度,减少廓形误差,引入了模糊自适应PID迭代学习控制方法。基于X-C轴联动误差模型,通过分别对X、C轴进行模糊自适应PID迭代学习控制减少单轴的跟踪误差,从而减少凸轮廓形误差。基于MATLAB建立X、C轴模糊自适应PID迭代学习控制仿真模型并在不同磨削速度下进行仿真实验。结果表明:与常规控制方法相比,模糊自适应PID迭代学习控制能够在一定程度上提高凸轮的加工精度,并有效较小廓形误差。     

改进PSO算法优化交流伺服系统PID参数研究

伺服系统PID控制参数的优化整定对系统可靠性和稳定性有着重要意义,而传统整定方式下参数优化整定时间较长、效果不佳、反应较慢。为了解决以上问题,提出一种优化交流伺服系统参数的控制方法。基于改进PSO算法实现惯性权重和学习因子随迭代次数的改变自适应调整,引入适应度函数快速优化整定PID控制器参数。利用MATLAB分别对基于遗传算法(GA)、量子遗传算法(QGA)、粒子群算法(PSO)的伺服系统PID参数整定进行仿真实验及对比分析。通过实验测试基于改进PSO算法和GA算法的PID控制器对伺服系统稳定性的影响。结果表明:利用改进PSO算法对PID参数进行优化整定,使得伺服系统具有鲁棒性强、稳定性高、超调量小等优点。     

基于性能指标的非线性系统迭代学习控制

通过对迭代学习控制本质的分析，本文提出一种基于二次型优化函数设计的迭代学习控制策略，算法具有保证系统一致趋近目标轨迹的能力，最后给出了收敛条件。     

基于PSD算法的神经元PID多电机同步控制

神经元PID控制器虽然具有自学习和自调整能力,但其增益K不具备这种能力。而增益K对多电机同步控制系统又有着十分显著的影响。为解决这一问题,将自适应PSD控制算法应用于神经元PID控制器中,形成增益K的自适应算法,解决了传统神经元PID控制器增益K无法实时在线调整的缺点,提高了传统神经元PID控制器的自学习和自调整能力。应用MATLAB7.0分别搭建常规PID、神经元PID和基于PSD算法的神经元PID的3种多电机同步控制系统模型,进行仿真比较。仿真结果表明：基于PSD算法的神经元PID多电机同步控制系统具有更好的自适应性和鲁棒性,实现了提高多电机同步控制系统控制精度的目的。     

基于迭代学习的6-DOF平台控制与仿真研究

在建立某型模拟器平台动力学模型的基础上,提出一种迭代学习控制(ILC)算法。通过多体系统动力学分析软件ADAMS建立虚拟样机模型,运用Matlab/Simulink建立控制策略模型,利用接口文件将两者结合起来进行机械系统与控制系统的联合仿真。结果表明:联合仿真具有较好的直观性和分析的快速性,验证了迭代学习控制策略的优越性,对控制器的设计与验证具有重要的借鉴意义。     

Iterative learning control of electro-hydraulic proportional feeding system in slotting machine for metal bar cropping

A non-linear method, iterative learning control (ILC), is proposed to control the electro-hydraulic feeding process of a new slotting machine. The method attempts to acquire high precision of feeding length and trapezoid feedrate, whereas the complexity of iterative learning control algorithm does not increase much more than that of industrial PID controller. After an analysis of the two-way proportional feeding system, a non-linear dynamical mathematic model with system delay, saturation and dead-zone is developed. The computer flowrate control and the ILC controller are investigated in detail. PID controller, ILC of displacement and ILC of feedrate are compared with the dynamical model under the same desired trajectory. It is experimentally found that the proposed control scheme is more effective to improve the tracking accuracy of hydraulic feeding system of the slotting machine than that of fuzzy PID controller.     

基于改进迭代学习的并联6-DOF运动平台控制策略研究

为了改善并联6-DOF运动平台的轨迹跟踪效果提出了一种新颖的控制算法。该控制方法结合了非奇异Terminal滑模控制(NTMSMC)和迭代学习控制(ILC),非奇异Terminal滑模控制器可以在有限的时间到达和消除控制器奇异,将其作为第一控制器来处理模型参数不确定性、未知的非线性和外部干扰;在到达滑模面之后,用PD型迭代学习控制器作为第二控制器来消除周期性轨迹跟踪误差。Simulink仿真结果表明,这种组合控制器与其它控制器(如PID控制、滑模控制、迭代学习控制)相比有更高的轨迹跟踪精度和较强的鲁棒性。     

基于PID迭代学习控制的码垛机器人研究

以平行四杆件的码垛机器人为研究对象,运用机器人动力学中的拉格朗日功能平衡法建立码垛机器人的动力学模型。在经典PID控制的基础上,运用迭代学习控制(ILC)对系统未知参数和干扰进行补偿,实现机器人系统各关节对期望运行轨迹的跟踪控制。通过对控制系统的分析和仿真可得,在机器人系统稳定工作的前提下,将迭代学习率设置为0.75,经过10次迭代学习之后,系统的误差绝对值最大值与期望轨迹的比值能够控制在10%以下。实验结果表明,码垛机器人的PID迭代学习轨迹跟踪控制可以获得较高的跟踪精度。     

衬套压装机传动系统动力学建模与抖动控制研究

在汽车涡轮壳衬套伺服压装机中,衬套压入过程经常出现抖动现象,严重影响了压装的精度和质量。为揭示抖动现象产生的机制,将衬套与孔之间的挤压作用等效为非线性摩擦过程,将电机与末端件之间的传动链看成同时具有弹性和阻尼两种特性的环节,建立伺服压装过程的动力学模型及其状态空间表达式,仿真验证所建立模型可以有效再现实际的抖动过程。在此基础上,考虑衬套压装过程不断往复工作的特点,设计一种不严格依赖精确数学模型且有强抗干扰的迭代学习算法。为验证所提出控制算法的有效性,构建包含非线性动力学模型和迭代学习控制器的压装过程控制系统数值仿真模型。仿真结果表明：迭代学习控制器可以有效抑制衬套压入过程中出现的抖动现象,相比于传统PID算法,它具有更高的定位精度和强抗干扰能力。     

液压机液压系统比例压力控制方法探讨

介绍了液压机比例压力控制的3种方法,即开环控制、基于PID的闭环控制、加入初始信号的PID控制。并对3种控制方法进行了比较。结果表明:采取的加入初始信号的闭环控制算法具有控制结构简单、调试方便、系统稳定、精度高等优点,完全满足该液压机对压力控制的要求。     

基于BP神经网络PID的高速清扫车摆臂控制系统

针对传统清扫车摆臂开环控制系统的动态响应特性不足、抗干扰能力弱,不能适应高速工况下清扫作业,设计了高速清扫车摆臂执行机构和闭环控制系统。为解决BP神经网络(BPNN)存在局部极值、收敛速度慢等问题,提出一种改进BPNN PID算法,其核心是通过主动串联校正,抑制PID前一次输出值u (k-1)对此次输出值u (k)的影响。通过搭建Simulink-AMESim联合仿真模型,研究了高速清扫车摆臂闭环控制系统的阶跃响应、抗干扰能力以及位置跟踪能力。研究结果表明:所改进的BPNN PID控制器能够动态调整PID参数,提高了系统的适应性、准确性和稳定性;改进BPNN PID控制器的抗干扰能力更强,鲁棒性更好,且系统近乎没有超调,超调量为0.5%,仅为PID控制超调量的2.34%,稳定时间0.62 s,相比PID提前了66.31%。     

伺服系统中PID控制器参数整定的研究

针对伺服系统中常用的比例-积分-微分(PID)控制器的参数手动整定不方便的问题,对机器学习算法和模糊控制进行研究,重点分析反向传播(BP)算法和模糊控制器的设计方法,提出一种基于机器学习和模糊控制的PID参数整定方法。利用BP神经网络的学习能力得到系统模型,结合模糊控制进行预测得到PID参数,并在实验平台上进行验证。研究结果表明:通过机器学习和模糊控制得到的PID参数具有较好的控制效果,该方法能够避免手动整定PID参数,节省大量时间。     

基于气动人工肌肉的足球定位球机器人研究

提出了一种基于气动人工肌肉驱动的足球定位球机器人设计方案,用该机器人来模拟人腿以各种角度和力踢球.介绍了定位球机器人的结构,对其进行数学建模和仿真,针对开环系统的振荡问题设计了PID控制器,并在PID控制器的基础上对闭环系统进行了仿真分析.