平衡重式叉车防侧翻分层控制分析

本研究基于侧翻机理以及叉车结构分析的前提下,设计以防侧倾液压油缸为控制执行元件,进而为系统提供侧向支撑力,并且进一步提出基于模糊神经网络理论的防侧翻分层控制方法,通过分层实现叉车防侧翻控制,其上层利用模糊神经网络理论来判断叉车的运行情况,可作为下层控制的重要参考中层控制。则结合叉车运行状态划分选择有效策略,下层作为执行层,能够通过不同策略执行动作与输出控制模型。通过实车实验结果和仿真分析结果表明,在本研究中对于叉车处于特殊工况所提出的方法,能够实现安全域划分,其对于叉车运行安全来说具有重要意义。     

平衡重式叉车防侧翻可拓分层控制研究

在分析平衡重式叉车结构特性和侧翻机理的基础上,确定平衡重式叉车防侧翻控制执行机构;提出了基于可拓决策的平衡重式叉车防侧翻控制策略,设计了包括上层可拓控制与下层执行控制的防侧翻可拓分层控制器。上层可拓控制器将叉车防侧翻控制域分为经典域、可拓域及非域,并确定下层执行控制器的权重系数;下层执行控制器接收上层可拓控制器确定的权重系数,对横摆角速度控制器和侧向加速度控制器进行控制权重分配,并执行防侧翻控制指令,实现平衡重式叉车防侧翻可拓控制。欧标工况仿真与实车试验结果表明：基于可拓决策的平衡重式叉车防侧翻控制策略可有效降低叉车在高速紧急转向工况下的侧倾幅度,防止叉车侧翻,提高了平衡重式叉车的稳定性与主动安全性。     

平衡重式叉车防侧翻模型预测控制研究

为降低叉车在高速转向时发生侧翻的概率,设计了一种液压支撑油缸作为执行机构,为叉车提供侧向支撑力。针对叉车行驶过程中的安全域判断问题,提出基于零力矩点的叉车行驶状态划分策略,以零力矩点沿侧向分量与叉车支撑平面的关系作为划分依据,并考虑侧翻过程中叉车支撑平面的变化,将叉车侧倾过程分为安全行驶、危险可控以及临界侧翻3个阶段：在安全阶段油缸不提供支撑力;在危险可控阶段基于模型预测控制算法进行油缸支撑力和叉车姿态的调节;在临界侧翻阶段控制油缸为车身提供最大支撑力。该方法以三自由度叉车侧倾模型为控制对象和零力矩点计算的依据,在MATLAB/Simulink中搭建防侧翻控制器进行欧标工况仿真,并进行了实车试验,验证了防侧翻模型预测控制的有效性。     

基于稳定域划分的平衡重式叉车防侧翻控制

为提高平衡重式叉车在急转工况下抗侧翻能力,在叉车结构分析的基础上建立两阶段侧翻动力学模型,基于两阶段横向载荷转移率LTR1、LTR2进行叉车侧翻机理分析与稳定域划分,将叉车稳定性状态分为稳定域、相对稳定域、危险域和异常危险域,提出基于稳定域划分的叉车防侧翻分级控制策略,根据不同的稳定域选择不同的防侧翻控制执行机构：动平衡块、液压支撑油缸和转向油缸。设计叉车防侧翻控制器,由上层稳定域识别控制器、中层模型预测控制器(Model predictive control,MPC)与下层执行控制器组成;上层稳定域识别控制器基于两阶段横向载荷转移率进行叉车稳定域识别,中层MPC控制器以车身侧偏角和横摆角速度为控制目标计算所需控制力矩,下层执行控制器采用改进链式递增分配方式对动平衡块、液压支撑油缸和转向油缸进行控制,以满足目标控制力矩。基于Matlab/Simulink进行仿真与实车试验验证,结果表明基于稳定域划分的平衡重式叉车防侧翻控制可大大降低叉车侧翻危险,提高叉车的安全性。     

基于T-S模糊神经网络优化TTR的校车侧翻预警

为提高校车侧翻预警的精度,提出了基于T-S型模糊神经网络优化TTR的侧翻预警算法。根据校车的车体结构和侧翻机理,建立3自由度侧翻动力学模型,选取优化后的动态横向载荷转移率为校车侧翻稳定性能因子。在传统TTR侧翻预警算法的基础上,引入T-S型模糊神经网络,并选取斜坡等4种转向工况,利用车辆状态参数组合对传统TTR-时间曲线进行优化分析。仿真结果表明,基于T-S型模糊神经网络优化TTR的侧翻预警算法结果准确度高、时效性较好,能够有效地提高校车侧翻预警精度,显著地优化了传统TTR-时间关系曲线,有利于改善校车的行驶安全性。     

基于Takagi-Sugeno模糊神经网络的欠驱动无人艇直线航迹跟踪控制

研究一类欠驱动无人艇的直线航迹跟踪控制问题,提出了一种自适应T-S(Takagi-Sugeno)模糊神经网络控制方法。首先在神经网络体系结构中设计前件网络匹配T-S模糊控制器的模糊规则前件,设计后件网络进行T-S模糊运算推理从而生成模糊规则后件;其次基于梯度下降法原理,设计了T-S模糊规则参数的优化学习算法;然后结合BP神经网络的误差反向传播原理和梯度下降法,设计了模糊神经网络体系误差的反向传播迭代算法,用于高斯隶属度函数参数的学习优化;最后设计了基于T-S模型的模糊神经网络控制器,并通过仿真实验验证了所提出方法和所设计控制器的有效性。     

重型车辆模糊差动制动防侧翻控制研究

针对重型车辆防侧翻控制算法进行研究,基于差动制动防侧翻理论,将模糊控制与PID控制相结合,设计车辆防侧翻控制器,将车辆输入输出参数模糊化,进行模糊推理及解模糊化,建立模糊规则,开发基于预警的车辆防侧翻PID控制算法,在双移线转向输入工况下对基于差动制动和模糊PID控制的重型车辆防侧翻控制算法进行仿真分析,从仿真结果可以看出车辆在双移线试验工况中施加控制后横摆角速度、质心侧偏角及侧向加速度都得到改善,提高了车辆行驶的稳定性。结果表明基于差动制动和模糊PID控制的重型车辆防侧翻控制算法能够有效的防止车辆侧翻。     

基于T-S模糊PID控制的气动系统研究

T-S模糊神经网络应用于气动伺服控制,从而避免复杂的非线性气动系统动力学建模过程。其中模糊逻辑系统完成气动系统的伺服控制,同时利用基于神经网络的学习算法调节隶属度函数的参数和神经网络的权值,可在一定程度上适应参数的变化从而优化整个系统的性能。应用所提出的控制方法,气动执行器通过多传感器信息融合获取运动状态和气体压力,自动的根据获取的信息调节比例压力阀的输出,在各种环境条件下达到合理的控制效果。     

基于T-S模糊神经网络的机械手轨迹跟踪

以两自由度并联机械手为研究对象,提出了一种以T-S模糊神经网络作为反馈器,以粒子群算法优化的BP神经网络学习作为前馈控制器的机械手自适应轨迹跟踪方案。并运用ADAMS软件建立虚拟样机模型与Simulink进行联合仿真实验。仿真结果表明设计的控制方案能够较好地控制机械手的轨迹跟踪。     

某越野汽车磁流变半主动悬架变论域模糊控制

为了解决半主动悬架传统变论域模糊控制器过度依赖经验规则的问题,提出了一种基于模糊神经网络的变论域T-S模糊控制策略。首先,根据磁流变减振器阻尼特性的实验结果,建立基于自适应模糊神经网络的减振器阻尼力模型及1/2车辆半主动悬架动力学模型;其次,建立悬架系统T-S模糊控制器,同时为了实时调节T-S模糊控制器变量的论域,采用模糊神经网络结构描述伸缩因子的变化。仿真结果表明,笔者提出的变论域模糊控制策略能够有效提高车辆行驶平顺性和操作稳定性。     

高位堆垛叉车柔性举升运动规划研究

为了提高堆垛效率、减小系统冲击,对高位堆垛叉车举升运动进行了运动规划研究。对叉车纵向稳定性进行了动力学分析,给出了最大举升加速度和高位堆垛叉车举升运动三角函数加减速算法,并对举升运动可能存在的三种运动情况进行了分析。结合叉车具体参数,对高位堆垛叉车举升运动进行了仿真研究,仿真结果表明:提出的三角函数加减速算法在保证堆垛效率的前提下,可有效减小系统冲击,实现柔性举升。     

基于蓄能器储能和综合调度叉车势能利用系统

随着导航控制和运动控制技术的成熟,越来越多的输送机器人用于工业生产中,大幅提升了工业生产自动化能力。输送机器人,往往以传统叉车为原型,通过智能调度和运动控制,完成生产搬运任务。但这种叉车系统,在往复提升和下放货物中,存在大量的物料势能浪费问题;而现有能量回收再利用方法,仅讨论了叉车举升系统能量回收和再利用性能,而未充分考虑单台叉车带载提升和带载下降并不是一个工作循环,导致能量回收系统应用较少。提出采用蓄能器回收叉车下放货物的势能,并通过自动调度系统协调,实现回收能量的再利用。该方法的推广,将大幅改善叉车系统能量效率,并减少电池供电叉车的充电次数,推动输送机器人绿色运行技术,推动行业技术进步。     

基于高压锂电的电动叉车行走动力控制系统研究

随着全球变暖和能源危机等问题日益严重,零排放、低振动、无污染的电动叉车越加受到消费者的青睐,纯电动系统是工程机械发展的必然趋势。尽管电动化技术早已在叉车领域得到广泛的应用和认可,但目前的电动叉车多是基于低压,造成功率元器件、连接器、电缆与电机产生较高热损,同时,电流变化率高,容易产生电蚀现象。对此,提出以高压锂电池作为储能单元的高压锂电电动叉车动力总成方案,根据叉车使用工况制定整车行走控制策略,确定驱动电机控制器使用转矩模式控制叉车行走,并探究基准扭矩与油门踏板开度的关系。利用模糊推理规则,实现对驾驶员油门踏板开度控制的意图识别,使用补偿扭矩快速达到驾驶员操作意图。通过MATLAB/Simulink仿真软件验证了高压锂电电动叉车行走动力总成控制策略的可行性。     

模糊神经网络PID控制在振动打桩机中的应用

针对双马达电液伺服系统难以进行同步控制,实现无级调频调矩的问题,提出了基于Mamdani型的模糊神经网络PID控制方法。该方法的主要思想是结合模糊推理和神经网络控制技术,构成模糊神经网络,实时调整PID参数。实验结果表明：与传统PID控制方法相比,该方法改善了系统的动态特性,提高了控制精度。     

基于激光位移传感器的电动叉车升降性能检测系统

结合叉车整机试验方法标准,确定针对电动叉车升降性能检测的方法。根据检测方法设计电动叉车升降性能检测系统。该系统基于激光位移传感器,利用PLC、组态软件,对叉车门架升降速度、最大起升高度等叉车升降性能参数进行检测。     

基于和声搜索优化多T-S模糊神经网络的聚合釜过程软测量建模

根据多个模型相加可以提高整体预测精度和鲁棒性的思想,提出一种基于模糊C均值聚类算法的多T-S模糊神经网络模型对聚氯乙烯(polyvinylchlorid,PVC)聚合生产过程中的氯乙烯(vinyl chloride monomer,VCM)转化率和转化速率进行预测。首先采用主元分析来对软测量模型的辅助变量进行选择以降低模型维数,并提出和声搜索和最小二乘法相结合的混合优化算法来优化T-S模糊神经网络子模型的结构参数。仿真结果表明该模型能够显著提高PVC聚合过程中经济技术指标预测的精度和鲁棒性,可以满足聚合釜生产过程的实时控制要求。     

基于模糊小波神经网络的加工过程自适应控制

为了克服模糊控制动态响应慢和鲁棒性差的缺点,将模糊控制的定性知识表达能力与小波分析优异的局部控制性能和神经网络的定量学习能力相结合,提出了一种模糊小波神经网络自适应控制器,并将其应用于加工过程控制。对变切削深度的铣削加工过程控制的仿真结果表明,基于模糊小波神经网络的加工过程自适应控制,其控制效果优于一般的模糊控制和神经网络控制,具有很好的动、静态性能。该自适应控制器能有效防止刀具损坏和提高加工效率,是一种有效的加工过程控制方法。