基于闭环PD型迭代学习控制的注塑机注射速度轨迹跟踪控制

针对注塑机注射速度的非线性和时变性特点,为提高注射速度对特定曲线的重复跟踪能力,提出了基于闭环PD型迭代学习控制的注塑机注射速度轨迹跟踪控制算法。该算法利用系统实际输出与期望目标之间的偏差修正不理想的控制信号,若干次迭代后,系统能够实现期望轨迹的跟踪。建立了注射速度的动态模型,同时给出系统的控制算法和结构。仿真结果表明:该控制器能有效跟踪期望的注射速度轨迹,响应速度更快,超调量更小,稳定性更好,控制效果优于常规PID控制器。     

基于迭代学习的光伏路灯轨迹跟踪控制

为提高光伏路灯对太阳的轨迹跟踪能力及储能效率,提出了一种两关节型结构的光伏路灯,根据相关天文学公式和参数计算出太阳轨迹,采用闭环PD型迭代学习控制算法对其进行轨迹跟踪控制。建立了两关节型光伏路灯的动力学模型,给出了闭环PD型迭代学习控制算法。分别对独立PD控制和闭环PD型迭代学习控制进行仿真对比,结果表明采用闭环PD型迭代学习控制算法对轨迹跟踪是有效的。     

基于遗传算法的PID型迭代学习控制增益的选取方法

针对PID型迭代学习控制算法,首先讨论了其收敛的充要条件和单调收敛的充分条件,然后给出目前利用单调收敛的充分条件确定PID增益的方法,并指出其不足。在此基础上,提出了基于遗传算法的PID型迭代学习增益选择方法（PID型GA-ILC算法）。利用该算法可以得到不满足PID迭代学习控制系统单调收敛条件但依然能使该系统单调收敛的PID增益,给出了数值仿真实例,证明了PID型GA-ILC算法的有效性。     

压电驱动器的开闭环迭代学习控制

由于开闭环迭代学习控制方法能在加快收敛速度的情况下降低跟踪误差,本文利用该控制方法来提高压电驱动器(PZT)的高频轨迹跟踪精度。首先,提出了离散时间下的开环P型结合闭环PI型的迭代学习律,并且给出了基于该学习律的收敛性条件。然后,设计了用于PZT系统的离散开闭环迭代学习控制器。最后,针对50Hz单频和25Hz+50Hz复频三角波轨迹进行了跟踪控制实验。实验结果表明:所提出的迭代学习控制器对上述2种轨迹的最大跟踪误差分别为10.6nm和12.5nm,相对于PID控制器,分别降低了96.25%和95.62%。结果显示:提出的控制方法易于实现,无需准确的PZT迟滞和系统模型就可以获得很高的跟踪精度,能有效地满足高频和复频轨迹跟踪的精度要求。     

初态学习下时滞非线性系统的迭代学习控制

针对在有限时间区间上重复运行的一类状态时滞非线性系统,研究了一种带有初态学习的迭代学习控制算法。基于算子谱理论证明了系统在任意初态条件下经过迭代学习后,其输出能够完全跟踪期望轨迹,得到了该算法谱半径形式的收敛条件,比范数形式的收敛条件放宽了。并通过对系统初态的迭代学习,放松了迭代学习控制算法对初始状态函数的要求。仿真结果验证了所提算法的有效性。最后,将该算法应用到含有状态时滞的非线性间歇过程,结果也表明了该算法的有效性和可靠性。     

SCARA机器人的自适应迭代学习轨迹跟踪控制

为了减小执行重复运动任务机器人的末端位置误差,提出了自适应迭代学习轨迹跟踪控制算法。根据拉格朗日方程得到SCARA机器人的动力学模型,设计了控制力矩的迭代算法,利用Lyapunov函数对该算法的稳定性进行了理论证明,搭建了具有典型机械结构的SCARA机器人实验平台。通过实验验证了自适应迭代学习控制算法能有效减小SCARA机器人的末端位置误差,具有较强的可执行性。     

基于迭代学习控制的双容水箱液位控制

针对双容水箱普遍存在的容积延迟的问题,以及传统PID控制效果不理想的特点,提出了基于迭代学习控制的双容水箱液位控制的方法。设计了双容水箱的PID型迭代学习控制器,其中包括开环PID型迭代学习控制器和闭环PID型迭代学习控制器。仿真结果表明,经过多次学习后,双容水箱在开环迭代学习控制器和闭环迭代学习控制器的控制下,可以较好地跟踪期望轨迹,获得较高的控制精度,验证了迭代学习控制方法的有效性。     

迭代学习在音圈电机轨迹跟踪中的应用研究

为实现高密度LED焊线机上邦头运动轨迹的精确跟踪,降低因其轨迹偏差而产生的废品率。提出了一种基于迭代学习做前馈控制的前馈+反馈二自由度控制算法。首先对音圈电机进行机理分析,建立了其数学模型,以此为基础,给出了音圈电机轨迹跟踪的整体控制方案,并且结合焊线机上邦头超高加速度(20g)和整定时间短的运动特点后设计了带遗忘因子的PD型闭环迭代学习控制算法。对所提出的带遗忘因子的PD型闭环迭代学习控制的收敛性进行了理论分析,并且通过MATLAB中的SIMULINK模块进行了动态仿真,验证了该算法下的音圈电机系统响应速度显著提升,位置误差的收敛稳定可靠,改善了高密度LED焊线机上邦头的轨迹跟踪性能。     

基于迭代学习控制的电液机床工作台控制方法研究

鉴于传统机床加工零件时工作台进给动作具有重复运动的特点,该文为了实现工作台高精度位置伺服控制,提出了一种基于迭代学习控制算法,用于解决机床工作台位置控制误差。首先,以组合数控机床为研究对象,介绍并建立数控机床工作台位置伺服系统数学模型;然后针对工作台位置伺服系统设计迭代学习控制算法框架;最后搭建数控机床工作台位置伺服实验平台,用不同控制信号对迭代学习控制算法和传统的PID算法进行对比实验。实验结果显示,基于迭代学习控制算法有效地降低了机床工作台控制误差,为数控机床高精度进给运动提供参考。     

冗余自由度仿人机械臂自适应迭代学习控制研究

在深入研究自适应迭代学习控制理论、七自由度乒乓球机械臂动力学模型及轨迹规划的基础上,提出将改进后的自适应迭代学习控制算法运用到带有重复时变干扰的冗余自由度机械臂上。该控制系统旨在实现两大目标：一是使乒乓球机械臂准确快速地跟踪参考轨迹并在末点达到指定的击球速度;二是引入饱和函数减小输入转矩的抖振。Lyapunov理论分析及MATLAB仿真验证了整个控制系统的有效性：当迭代次数增加时,跟踪误差关于有限时间区间内一致收敛到零;加快迭代学习的收敛速度,并消除抖振。     

非线性电液位置伺服系统的迭代学习PID控制

介绍了一类具有非线性和重复运动特点的电液位置伺服系统的迭代学习PID控制方法。采用PID控制算法,利用系统重复运动的特点和计算机的记忆存储功能,将系统的每次实际输出与理想输出之间的误差应用于下一次控制过程中,即对实际输入不断进行修正,直至实际输出与期望输出间的误差达到满意为止。仿真结果表明,迭代学习PID控制算法具有实现简单、鲁棒性强和重复精度高的特点,能够对电液位置伺服系统实现有效的控制。     

基于高阶内模迭代学习的关节机器人控制研究

为了提升关节机器人在非严格重复条件下工作过程中的跟踪精度及响应速度,设计了三关节机器人模型,进行运动学及动力学分析来验证模型结构合理。针对关节机器人系统非重复性、非线性的特点,提出将高阶内模迭代学习控制算法应用于关节机器人系统控制中,设计合理的学习增益及更高的内模阶数,从理论上严格证明其收敛性。设计了仿真对比实验及加入扰动后的轨迹跟踪实验,结果表明,高阶内模迭代学习算法收敛速度更快并且具有良好的控制效果。     

基于迭代学习的电液机械手末端轨迹跟踪控制研究

针对目前常见串联式机械手末端存在控制误差累计而导致末端控制精度较低,无法实现高精度位置伺服控制,使得末端轨迹跟踪控制较差等问题,该文借助迭代学习控制算法的优点,提出了一种基于迭代学习的电液机械手末端轨迹跟踪控制算法。首先,该文以型号为REbot-6R机械手为研究对象,建立机械手的三维模型和坐标,利用D-H坐标,建立REbot-6R机械手运动学模型;然后,设计了基于迭代学习的电液机械手末端轨迹跟踪控制器;最后,以REbot-6R机械手为对象搭建实验平台进行轨迹跟踪控制实验。实验结果表明了迭代学习算法能够很好的运用在REbot-6R机械手上,有效性地解决机械手末端轨迹跟踪控制较差等问题,提高了轨迹跟踪精度。     

双马达回转同步驱动系统建模与控制研究

针对双液压马达回转高性能同步驱动问题,引入无阻尼行星系齿轮传动弹性动力学理论,基于双液压马达回转运动特性建立了系统非线性动力学模型;针对回转系统跟踪性能和同步性能要求,引入迭代学习控制算法(ILC),提出了结合离散化PID控制器结构的IL-PID同步控制策略。该控制策略基于“等同式”同步控制原理,在各单通道内部采用独立的离散化PID控制实现系统跟踪性能,在多通道间采用基于闭环D型学习律的IL控制实现系统同步性能。在五自由度液压伺服机械手上的实际应用结果表明,该控制策略相比于传统的PID控制具有较好的跟踪性能和同步驱动性能。     

伺服运动控制轮廓误差补偿技术研究

针对单轴的定位精度问题提出了迭代学习控制方法来减小跟踪误差,并在传统PID-CCC控制器的基础上提出了模糊自适应算法在线自动调整交叉耦合的PID参数。实验证明将该方法应用于轮廓误差补偿,能够提高两轴的协调性能,可以快速地跟踪轮廓参考轨迹,不但很大程度上减小了系统跟踪误差与轮廓误差,还提高了控制系统的鲁棒性。     

移动机器人的离散迭代学习控制

移动机器人是一个集环境感知、动态决策与规划、运动控制与执行等多种功能于一体的综合自动化系统,对移动机器人的运动轨迹跟踪静、动态特性的要求也越来越高。迭代学习控制是一种能够有效地处理重复跟踪控制问题或抑制干扰性问题,提高系统性能的先进控制方法,能在给定的时间范围内实现未知对象实际运行轨迹以高精度跟踪给定期望轨迹,且不依赖精确数学模型。建立了移动机器人的运动模型,将迭代学习控制应用于具有重复运动性质的移动机器人,完成了迭代学习控制结构和控制率设计,通过仿真可见,该系统稳定收敛,能实现移动机器人良好的轨迹跟踪。     

基于自适应运动学模型的镜像型迭代学习控制

针对一类具有对称期望轨迹跟踪的工业机器人系统,在运动学模型参数存在偏差的情况下,提出一种基于自适应运动学模型的镜像型迭代学习控制方法。首先,利用期望轨迹的对称特征,将其以中点为界分解成前后两个半轨迹,交替使用两个半轨迹的控制信息,不断优化调整对应半轨迹下次迭代的控制输入,缩短迭代学习周期,实现了具有镜像特征轨迹的迭代学习控制。同时,针对模型偏差问题,引入自适应控制的思想,选取卡尔曼滤波方法对运动学模型参数进行估计,以修正机器人参考模型与实际模型之间的偏差,并不断更新参考模型。该方法实现了对具有对称特征的期望轨迹的快速跟踪、减小系统的跟踪误差,提升了系统的收敛速度。仿真实例验证了所提方法的有效性和实用性。     

基于虚位移分解与伺服轨迹约束的机械系统跟踪控制

建立在Udwadia和Kalaba方程上的伺服约束跟踪控制方法要求系统的初始条件必须与跟踪约束方程相容。针对该问题,利用广义虚位移投影分解方法,将跟踪约束误差转化为广义坐标误差与广义速度误差,通过提出系统跟踪控制总误差的概念,提出一种可以消除该误差的控制力计算方法。该方法可以实现对系统初始误差的补偿。利用该算法对系统初始跟踪误差的可控性,将其与基于Udwadia和Kalaba方程的伺服约束跟踪控制算法结合,实现了不相容初始条件下的约束系统轨迹跟踪控制。以平面2自由度机械手臂为仿真算例,对该控制算法在轨迹跟踪控制中的应用进行仿真研究。仿真结果表明,该方法可以解决机械系统跟踪控制中的初值不相容问题,同时对约束违约进行了抑制,提高了控制精度及稳定性。     

基于电磁直线执行器的电子凸轮轨迹跟踪控制

提出了一种基于电磁直线执行器的电子凸轮,通过对给定轨迹的跟踪来实现所需要的直线运动规律,以取代传统的机械凸轮机构。采用迭代学习控制算法控制电子凸轮实现对目标轨迹的跟踪,并进而应用迭代加模糊滑模控制的算法提高电子凸轮的收敛速度与鲁棒性。模糊滑模迭代控制是将误差函数输入滑模控制器中,然后以滑模函数作为模糊控制器的输入,最后通过模糊控制器的输出来控制迭代算法中的增量。通过仿真以及试验验证表明,基于电磁直线执行器的电子凸轮能够有效取代传统的机械凸轮机构,模糊滑模迭代控制算法能够满足电子凸轮对轨迹跟踪精度、响应速度、收敛速度与鲁棒性的要求。     

基于迭代学习理论的智能铲运机运动轨迹控制算法研究

以智能铲运机为研究对象,建立了智能铲运机极坐标下的运动轨迹模型。针对地下智能铲运机的工作特性和控制技术要求,提出了一种基于迭代学习理论的开环和闭环迭代学习控制算法。该方法将每次迭代运行过程中的航向角偏差和轨迹偏差作为反馈修正量,不断地修正其在期望轨迹上的轨迹偏差,从而保证铲运机尽可能准确地跟踪期望轨迹,实现对其运动轨迹的精确控制。该方法在工程实践领域具有广阔的应用前景。