气动比例阀控缸系统摩擦力补偿研究

针对阀控缸系统的摩擦力对系统控制性能造成的不良影响，提出了一种新的减小摩擦力影响的补偿方法。首先分析发现比例阀的摩擦力是造成其死区的主要原因，利用神经网络控制对比例阀摩擦力进行软件补偿与仿真；同时对气缸的摩擦力进行测试分析，通过在控制信号上叠加颤振信号来补偿气缸摩擦力并进行了仿真；最后结合2种补偿方法对系统进行了综合仿真研究。通过实验验证，结果表明所采用的补偿方法缩短了系统的缓冲时间，提高了系统的稳定性及定位精度。     

气缸摩擦力的颤振补偿与仿真

针对气缸摩擦力对系统控制性能造成的不良影响,提出了一种新的摩擦力补偿方法。首先对气缸的摩擦力进行测试分析,然后通过在控制信号上叠加颤振信号来补偿气缸摩擦力,消除了气缸摩擦力对系统稳定性及定位精度的影响。最后通过MATLAB仿真表明所用的补偿方法的正确性和有效性。该补偿方法具有较高的工程应用价值。     

数字式自适应动态电液疲劳试验机的摩擦力分析及补偿研究

本文对数字式自适应动态电液疲劳试验机中阀控非对称液压缸系统的摩擦力进行了研究.以阀控非对称缸系统为研究对象,探讨了摩擦力的产生原因和补偿方法,分析了液压缸的摩擦力对电液伺服系统的影响,对摩擦力进行了离线计算和在线观测两方面的研究.基于结构不变性原理,提出摩擦力的动态补偿方法,对摩擦力产生的影响进行补偿,提高了系统控制精度.     

基于CMAC网络的摩擦补偿研究

分析了摩擦的特性及其对伺服系统的影响。提出了一种基于ＣＭＡＣ神经网络的摩擦补偿方法,它可以实现摩擦力矩的动态自学习补偿,从而增强摩擦补偿的效果。数值认真表明这种摩擦补偿方法不仅能有效地提高伺服系统的性能,而且便于工程应用。     

电液伺服系统摩擦力分析及补偿研究

该文以电液伺服系统的常用执行机构阀控对称缸为研究对象,通过试验实际测得摩擦力数据,并设计了摩擦力在线观测器,基于结构不变性原理提出系统摩擦力的动态补偿方法,进行了控制策略的研究,通过试验验证了摩擦力补偿策略的有效性。     

水轮机修复专用机器人关节摩擦补偿及仿真

在用于轨迹跟踪的PD加前馈控制的基础上,对影响水轮机修复机器人轨迹跟踪的两个主要关节进行了摩擦力矩补偿.采用拉格朗日力学法建立了这两个关节的动力学模型.在MATLB下比较了未加入摩擦力补偿的PD控制以及基于模型补偿的PD加前馈控制.结果表明,加入摩擦力补偿的控制方案改善了系统的跟踪性能.     

砂带磨削系统摩擦力补偿控制技术研究

在砂带磨削控制系统中,气缸的非线性摩擦力对系统控制性能造成不良影响。分析该摩擦力的特性和数学模型,提出一种新的摩擦力补偿方法。通过基于遗传算法插补补偿的方法,消除气缸非线性摩擦力对系统产生的滞后现象;通过仿真表明所用的补偿方法的正确性和有效性。     

变压器绝缘垫块冲裁全自动冲床设计

为满足变压器企业绝缘条料加工自动化的需要,将检测传感技术、信息处理技术、自动控制技术、伺服传动技术和精密机械技术融为一体,研制了一种专用于冲制柔性非金属条形材料的自动冲床。在讨论了摩擦力驱动模型的基础上,采用模糊控制、PID控制与神经网络结合的结构,用多节点的网络来实现模糊映射,构成了一种包含隐含层的3层模糊神经网络,用于交流伺服电机的控制,通过对电机单轴转动速率进行摩擦力自适应补偿,从而提高送料系统控制精度。通过试运行证明,该冲床运行稳定,操作精度良好。其推广应用能提高整个行业的劳动生产率,降低变压器企业生产成本。     

神经网络技术在数控机床热误差补偿中的应用

热误差补偿是提高数控机床加工精度的一种重要手段,而神经网络技术又是热误差建模和热误差补偿的主要工具.本文介绍了各种神经网络技术在数控机床热误差建模和补偿中的应用,并且通过实例说明了神经网络技术的作用.     

便携式手术机器人主手附加力位移补偿方法研究

采用拉格朗日方程和Stribeck摩擦模型,根据便携式手术机器人主手的杆件重力、各关节摩擦力、惯性力对术者真实力感知的影响,建立了含关节摩擦力的动力学模型。基于机器人主手动力学模型,分别建立重力、摩擦力和惯性力三项的补偿模型,通过分析机器人主手力补偿反馈和附加位移的产生原因及补偿原理,提出了相应的补偿反馈力和附加位移补偿方法。通过对初步研究结果进行对比试验,验证该力补偿控制方法可用以平衡主手因自身所带的重力、关节摩擦力和惯性力产生的影响,最终实现术者真实的力感知,提高手术操作精准性。     

摩擦系统数--运动粘度的多层神经网络计算模型研究

建立了预测磨损自补偿状态下润滑剂运动粘度对 45钢 /锡青铜副摩擦特性的影响规律的BP神经网络模型 ,该网络可较准确地预测润滑剂粘度对摩擦副摩擦系数的影响规律 ,为摩擦学设计的程序化计算和分析提供方便且有效的工具。     

神经滑模控制在转台伺服系统应用

以直流电机为执行机构,分析了飞行仿真转台伺服系统的数学模型。滑模控制具有对系统扰动和参数摄动的自适应性,可实现伺服系统的快速响应,同时有效克服低速状态下摩擦力矩的影响。系统抖振问题是滑模控制的突出问题,利用径向基神经网络的非线性逼近能力,给出以切换函数为网络输入,以滑模控制器为网络输出,构建了神经滑模控制器,软件仿真结果表明所设计的滑模控制器能达到较好的控制品质,有效的克服系统抖振和外部扰动,实现系统低速摩擦补偿。     

A robust control with a neural network structure for uncertain robot manipulator

A robust position control with the bound function of neural network structure is proposed for uncertain robot manipulators. The uncertain factors come from imperfect knowledge of system parameters, payload change, friction, external disturbance, and etc. Therefore, uncertainties are often nonlinear and time-varying. The neural network structure presents the bound function and does not need the concave property of the bound function. The robust approach is to solve this problem as uncertainties are included in a model and the controller can achieve the desired properties in spite of the imperfect modeling. Simulation is performed to validate this law for four-axis SCARA type robot manipulator.     

磁流体润滑的BP神经网络模型

本文利用Matlab建立了磁流体边界润滑时，摩擦系数与外加载荷，磁场，纳米粒子浓度以及摩擦副材料硬度之间关系的BP神经网络模型，并利用L－M算法对网络进行了优化训练，所得到的网络收敛速度快，误差小。网络输出结果与实验结果相比较，具有较好的吻合性。     

结构分析有限元系统与神经网络

从系统的稳定过程网络结构,计算实质等方面详细地分析有限元计算与神经网络的关系,指出结构分析有限元系统与神经网络系统在上述各方面是完全等价的可用适当的神经网络表达具体的力学问题,并加以分析有计算,最后,针对神经网络应用于不同力学问题时有限元计算的具体问题进行讨论。     

BP神经网络计算丝杠螺母副摩擦系数的方法

利用Matlab系统建立了丝杠螺母副的摩擦系数与载荷之间关系的BP人工神经网络模型。并用trainbpx动量—自适应学习率调整算法进行神经网络学习训练 ,可使网络收敛快 ,误差小。网络输出结果与实验结果比较 ,有极好的吻合性。采用Matlab神经网络工具函数建立神经网络的方法简单方便 ,不失为摩擦学设计的有效计算工具     

基于神经网络逆系统的发酵过程多变量解耦控制

发酵过程是时变、非线性、不确定的多变量耦合系统，高性能的解耦控制一直是追求的目标。将逆系统方法与神经网络相结合，提出了一种基于神经网络逆系统的发酵过程解耦控制方法。根据发酵过程的特点，给出了相应的数学模型，并证明了系统的可逆性，进一步构造神经网络逆系统并与发酵系统串联复合成伪线性系统，再设计线性闭环调节器实现高性能解耦控制。仿真结果表明，提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性，具有较强的鲁棒性，克服了解析逆系统解耦控制方案依赖于过程模型和对模型参数的变化很敏感的缺点。     

Neural network based expert system for induction motor faults detection

Early detection and diagnosis of incipient induction machine faults increases machinery availability, reduces consequential damage, and improves operational efficiency. However, fault detection using analytical methods is not always possible because it requires perfect knowledge of a process model. This paper proposes a neural network based expert system for diagnosing problems with induction motors using vibration analysis. The short-time Fourier transform (STFT) is used to process the quasi-steady vibration signals, and the neural network is trained and tested using the vibration spectra. The efficiency of the developed neural network expert system is evaluated. The results show that a neural network expert system can be developed based on vibration measurements acquired on-line from the machine.     

基于BP神经网络的立铣加工振动快速预估

结合研制的立铣加工过程虚拟仿真系统和实验测量铣削力信号,训练并建立BP神经网络模型,快速实现铣削过程刀具-工件系统振动状态的预估.预估的振动结果与实验测量数据较为吻合,表明铣削虚拟仿真系统与神经网络技术的结合能够高效低耗地用于不同铣削加工条件下铣削振动状态的快速预估和加工过程监测.     

神经网络在参数估计中的应用

将神经网络用于线性连续不变系统（包括一种带时延的线性系统）参数估计中。线性系统分别用状态方程及传递函数来表示,给出了相应的神经网络结构及学习算法。