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。     

多点正弦振动试验控制系统最优控制策略研究

针对传统多点正弦控制方法中,频响特性不更新和迭代步长不变导致控制系统潜在不稳定的缺点,提出采用最优控制策略进行系统控制。对多点正弦振动控制系统的稳定性进行研究,分析影响控制系统稳定性的因素,得出频响矩阵的估计误差是影响控制系统稳定性的根本原因。通过对建立的最优化模型进行理论分析,推导出系统解耦补偿矩阵实时更新迭代公式和控制系统迭代的最速收敛步长公式,归纳出多点正弦最优控制流程。仿真结果显示迭代步长选取是影响控制系统稳定性的重要因素,多点正弦最优控制策略收敛速度更快;试验结果表明采用最优控制策略的控制系统,其输出响应谱与参考谱的误差完全满足工程中常用的±3 dB控制要求,同时表现出良好的相位跟踪性能,具有实际工程应用价值。     

动力特征向量灵敏度的组合扰动迭代算法

为了克服重动力特征值系统中,求解特征向量灵敏度的传统算法需要Hessian矩阵信息、计算步骤复杂等各种不足,通过组合系数将基于动力特征方程和质量矩阵正则化条件推导所得的特征向量灵敏度约束方程统一成满秩的迭代形式,并引入基于扰动系数和质量矩阵的扰动矩阵,改善统一迭代形式的收敛性能。理论分析和实例研究表明,该方法便于程序实现,同时只要选择合适的组合和扰动系数,仅需迭代几步就能收敛到特征向量灵敏度的满意解,且收敛性能与初始点的选择无关。     

6自由度随机振动控制算法

传统随机振动控制算法中,在全频段采用相同的修正系数对驱动谱进行迭代补偿,控制算法的收敛性受系统频响函数波动特性影响较大。为削弱频响函数的波动特性对驱动谱迭代收敛性的影响,提出将修正系数由实数变为实矩阵,在不同频率取不同修正系数对驱动谱进行迭代补偿,提高算法的收敛速度。取驱动谱迭代的修正系数分别为实数和实矩阵在6自由度液压振动台上进行随机振动试验,试验结果表明,在不同频段取不同迭代步长进行驱动谱修正可以明显提高试验的控制精度。     

基于RBF的改进单神经元PID控制

提出一种基于RBF辨识神经网络算法的改进神经网络PID控制,应用最优控制理论中的二次型性能指标加入到控制算法中的加权系数学习修正部分,将RBF与单神经元相结合构成PID控制器,通过Matlab对指定对象仿真控制,得到了良好的效果.比起以往的神经网络PID控制,改进的算法在学习速度和实时性都得到了提高.     

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。     

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。     

基于LQR理论的电磁轴承控制系统鲁棒稳定性分析

线性最优控制理论中采用的数学模型与实际物理模型总存在一定的差异，据此设计的控制参数不一定能满足实际系统稳定性的需要。针对这一问题，提出了一种分析线性最优控制系统鲁棒稳定界限的方法，并将其应用在基于LQR理论的电磁轴承控制系统的鲁棒稳定性分析中。结果表明：电磁轴承控制系统对模型矩阵摄动的鲁棒性在参数α确定时仅与加权矩阵Q、R的相对大小有关；选择较小的参数α和相对于加权矩阵R较大的Q阵、传感器采取外侧安装方式有利于提高电磁轴承控制系统对模型矩阵摄动的鲁棒性。此结论为主动电磁轴承控制器的设计和结构的设计提供了一定的理论依据。     

基于PDAG算法的工业机器人轨迹跟踪

根据工业机器人执行的作业任务具有重复性的特点,提出一种PDAG算法。将学习矩阵作用于误差数据建立PDAG算法的数学模型,从理论上证明了PDAG算法的稳定性和收敛性。将重力补偿作为前馈控制量,用以消除动态过程中关节重力的影响,提高迭代学习控制的收敛速度和轨迹跟踪精度。进行了PDAG算法仿真,结果表明,PDAG算法的控制性能与传统的无补偿算法相比,迭代学习后轨迹跟踪误差趋于稳定,各关节最大位置跟踪误差和平均跟踪误差均比没有重力补偿时降低50%,且比有重力补偿的PD算法精度提高最大达81%。实验证明提出的PDAG算法可以获得更高精度的跟踪效果。     

一类非线性时滞系统的迭代学习控制设计

为了研究时滞对非线性系统的迭代学习控制收敛性的影响,采用了λ范数和一系列不等式技术,通过建立精确的数学模型,分析了在PD学习律下的Hopfield非线性神经网络系统。在全局Lipschi-tz连续条件下,研究了确保系统跟踪误差收敛的充分条件。理论推导证明时滞对这类非线性系统的迭代学习控制系统的收敛性没有显著的影响,仿真结果表明,迭代学习控制可以实现对非线性时滞系统的精确轨迹跟踪。     

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。     

丝杠运动误差的闭环迭代自学习控制

依据丝杠运动误差的缓时变特性，采用迭代自学习控制算法对丝杠的运动误差进行在线学习和预报，作为控制系统的前馈量，并结合反馈回路，形成丝杠运动误差的闭环迭代自学习控制，理论分析和实验结果表明，该控制策略对于控制丝杠的运动误差是有效的。     

迭代学习控制在某机械系统中的应用研究

针对某特定机械系统中,跟踪一些重复轨迹的问题,建立了该特定机械系统的数学模型,并提出了一种PID型迭代学习控制方法。此外,为了同时保证该机械系统的收敛性和鲁棒性,在提出的这种PID型迭代学习算法中引入了一个遗忘因子。并从理论上分析证明了该种控制算法下,系统输出想要收敛于理想的跟踪信号需要满足的条件。最后,仿真结果表明,所提出的这种控制算法利于系统消除扰动,跟踪重复轨迹信号有着较高的跟踪精度。     

基于DSP的AOD炉氧枪直线电机伺服控制系统

在对AOD炉氧枪直线电机伺服控制系统数学模型进行研究的基础上,针对直线电机位置伺服控制系统要求有较好的位置跟踪性能的特点,提出了基于对象模型的位置前馈跟踪控制策略。研制出了基于数字信号处理器DSP的直线电机位置伺服控制系统,即位置环为数字控制,由DSP完成,用于实现位置前馈跟踪控制算法和较高的位置控制精度。实验结果:仿真曲线和实验曲线基本吻合。     

电液位置控制系统的二次优化

利用最优控制理论对电液位置控制系统进行最优控制时 ,需要确定Q矩阵 ,本文对Q矩阵进行优化 ,求得使系统响应速度最快的Q矩阵 ,利用优化后的Q矩阵对电液位置控制系统进行最优控制 ,提高了电液位置控制系统的精度。仿真分析表明 ,对电液位置控制系统进行优化与最优控制 ,可提高系统的精度 ,缩短响应时间。     

基于PMAC的直线电机高定位增益前馈PID控制算法研究

通过对PID控制算法的研究,设计了一种基于PMAC的直线电机高定位增益前馈PID控制器.用Matlab的Simulink工具进行仿真,结果表明,该控制器能更好地提高控制系统的快速性和抗扰性要求.     

压电微动工作台的位移复合控制

为解决稳态精度和稳定性之间的矛盾,提高压电陶瓷执行器的控制性能,进而提高其驱动的微动工作台的定位精度,构造了一种前馈补偿同反馈调节相结合的复合控制算法。其中,前馈补偿为基于压电陶瓷执行器迟滞非线性模型的前馈控制,通过自学习算法来实现,用来补偿压电陶瓷执行器的迟滞非线性,提高对参考位移信号的跟踪能力;反馈调节为PID反馈控制,用来进一步校正前馈补偿没有消除的偏差以及由模型的不确定性所引起的误差,且为了减小积分饱和作用以及微分对扰动的敏感性,对PID算法进行了改进,使之成为一种变系数积分与加权微分的PID算法。试验验证了该算法的有效性,并将该算法同其他控制算法——开环控制、前馈控制、PID 反馈控制进行了对比试验研究,结果表明,复合控制算法比其他控制算法具有更好的性能。     

基于不确定阶梯式DMC的高炉炉温预测控制

为了对当前炉温的发展做出正确的预测,充分考虑了实际高炉炉温控制系统不确定性因素的影响和预测控制算法需要进行复杂矩阵运算的缺点,提出了一种基于不确定阶梯式动态矩阵的预测控制算法,并应用于高炉炉温控制系统。仿真实验结果表明,该预测控制算法能对当前炉温的发展做出正确的预测,控制稳定性好,是一种提高高炉炉温控制精度的有效方法。     

数字缸伺服系统线性二次型最优控制仿真研究

根据数字缸伺服系统的框图结构,建立了系统的状态空间方程数学模型;利用线性二次型最优控制理论,给出相应控制算法,设计了系统最优控制器,并通过MATLAB对系统特性进行仿真分析;对于采用最优控制算法前后的系统分别进行了阶跃响应和频率响应仿真分析,以验证该算法对系统动态特性的影响,同时又探讨了最优控制器中的加权矩阵对系统稳定性的影响。仿真结果表明,最优控制算法改善了系统动态品质,实现简单,且控制精度高,工程实用性强。     

轮毂电机驱动汽车侧向稳定性底盘协同控制

轮毂电机驱动汽车可以通过差动驱动抑制车辆横摆和侧倾运动,从而提高车辆侧向稳定性,但受轮毂电机力矩和地面附着力约束的限制,作用效果薄弱。为提升车辆侧向稳定性控制效果,提出综合差动驱动、主动转向和主动悬架的车身横摆与侧倾稳定性底盘协同控制方法。根据轮毂电机驱动汽车特点,对其侧向失稳机理进行分析,基于模型预测控制设计前轮主动转向控制器;利用所提出的变系数指数趋近率求解期望横摆控制力矩,基于最优控制算法计算侧倾控制力矩;最后,构建集成差动驱动、主动转向和主动悬架的侧向稳定性控制器并完成整车侧向稳定性协同控制仿真验证。研究表明,所提出的底盘协同侧向稳定性控制方法可以有效控制车辆的横摆和侧倾运动,使其收敛于理想控制域,为轮毂电机驱动车辆的主动安全性控制提供了理论支持。