模型参考自适应控制在液压伺服控制系统中的应用

本文简要介绍了目前常用的几种模型参考自适应控制的控制原理，分析了它们各自的控制精度及系统稳定性。指出了它们的应用特点。     

基于模型参考模糊自适应的电液位置伺服系统鲁棒控制研究

针对电液位置伺服系统存在的参数变化及外力扰动，引入模型参考模糊自适应机构，构成模型参考模糊自适应控制，即MRFAC，仿真实验表明，与传统PID相比，该方法可以有效抑制参数扰动及外力干扰，具有很强的鲁棒性。     

液压伺服系统的模型参考自适应模糊控制新方法

基于液压伺服系统参数不确定性,提出一种改进的模型参考自适应模糊控制方法.该方法用模糊自适应机构代替常规的自适应机构,并用模糊因子自调整律实时调节模糊自适应机构的模糊规则.此方法提高了模糊自适应机构推理规则的调整精度,获得了更好的控制性能.仿真结果验证了该方法的优越性.     

泵控缸电液位置伺服系统的神经网络模型参考自适应控制

针对泵控缸电液位置伺服系统的跟踪控制问题,提出了神经网络模型参考自适应控制方法.泵控缸电液位置伺服系统由于其自身特性以及外界干扰因素的影响存在严重的非线性,因此,很难采用传统的控制方法来控制.为此,首先利用GA-BP算法离线辨识伺服系统的神经网络模型,得到网络参数的初值,然后利用改进的BP算法在线对网络参数进行微调,以得到较为准确的网络预测输出,从而为在线神经网络控制提供较准确的梯度信息.仿真结果表明,该方法能保证系统具有较快的响应速度和较高的控制精度,并具有较好的自适应性和鲁棒性.     

一类模型参考模糊自适应控制器的研究

动态电液伺服材料试验机中,当试样刚度发生明显变化时,采用传统的PID控制策略难以达到高精度的要求,本文提出一种模糊参考模型自适应控制（MRFAC）策略,采用模糊自适应律调节模糊PID控制器的控制参数Kp、Ki、Kd,使控制器获得自适应能力,并达到较高的响应速度。针对100kN动态试验机的仿真与试验表明,本文提出的MRFAC策略,能够适应试样刚度变化对系统的影响,满足系统高频响应的要求,提高控制精度。     

采用神经网络模糊滑模控制的液压驱动活塞位置控制研究

针对液压驱动活塞运动轨迹和压力精度跟踪误差较大问题,设计了神经网络模糊滑模控制,并对控制精度进行仿真验证。创建了液压缸驱动平面简图,推导出液压缸腔室内部参数变化方程式。分析了液压缸驱动压力和位置的变化,采用线性模型建立输入和输出变换方程式。引用滑模控制方法,采用神经网络算法对滑模控制进行逼近,通过模糊切换规则对滑模控制进行自适应调整。采用MATLAB对液压缸活塞轨迹和腔室压力跟踪进行仿真验证,并且与滑模控制输出效果进行比较和分析。结果表明:采用滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较大;而采用神经网络模糊滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较小。采用神经网络模糊滑模控制方法,液压缸控制系统自适应调节能力较强,从而提高了活塞运动轨迹和腔室压力跟踪精度。     

液压压力机模型参考自适应控制系统的研究

针对电液比例液压压力机控制系统具有非线性和参数不确定性的特点,提出了模型参考自适应控制算法.对液压压力机的位置和速度进行了理论和实验研究,使其满足液压压力机的位置和速度的复合控制要求.实验结果表明,所提出的控制算法使系统具有较好的鲁棒性,并且对被控对象和参数变化也具有良好的适应性.     

六维腕力传感器的补偿模糊神经网络模型

本文基于神经网络可以对非线性系统的任意逼近能力，建立了六维腕力传感器的补偿模糊神经网络模型，仿真结果表明，这种补偿模糊神经网络对六维腕力传感器非线性系统逼近精度高，训练步数少，学习收敛速度快，误差曲线稳定，可作为六维腕力传感器标定或用于机器人基于腕力传感器力控制的动力学模型。     

数控机床切削加工过程的模型参考自适应控制研究

阐述了一种基于数控机床切削加工过程的模型参考自适应控制方法.通过MATLAB/SIMULINK分别仿真了闭环、开环和模型参考自适应控制3种情况下的机床切削加工过程模型.仿真结果表明:模型参考自适应控制方法比其它两种方法更能根据机床变化的切削条件及时修正切削用量,使机床在加工中保持良好的切削性能.     

基于线性神经网络的模型跟随自适应控制方法

本文提出了一种利用线性神经网络进行系统广义输出误差预测，使当采样频率相对较低时，可提高模型跟随自适应控制精度的方法，对电液伺的仿真和实验表明这种方法是有效的。     

带钢对边纠偏系统的参考模型神经网络控制

为了消除带钢对边纠偏控制系统中由于不考虑检测器安装位置与卷取机卷筒之间的带钢延时而引起的系统模型误差,本文重建了系统数学模型,并提出了参考模型神经网络算法,用该算法对纠偏控制系统进行了研究.仿真结果表明: 在参考模型参数发生小幅度变化的情况下,参考模型神经网络算法的控制效果仍保持良好,具有较好的鲁棒性.     

模糊神经网络在液压调平机构中的应用

针对液压调平系统中支腿动作时间难以确定的缺点,利用神经网络对未知函数的辩识能力,构造支腿动作时间预测模型,设计出模糊控制器;并根据模糊控制规则,提出基于模糊神经网络的调平算法,为后续现场调试提供了条件.     

基于RBF神经网络电液恒功率调速自整定PID控制

采煤机电液调速系统对保证煤矿生产具有重要的作用。在分析恒功率自动调速的电液控制系统原理的基础上,建立了基于RBF神经网络自整定的PID控制的数学模型。通过在MATLAB/GUI仿真平台上计算得到系统的实际输出和模型输出的误差不超过5%,设计的RBF神经网络的电液恒功率调速自整定PID控制系统具有更高的跟踪精度和响应特性,完全可以实现系统的高精度与快速调速控制。     

基于BP神经网络的液压系统油源温度控制

液压油源温度控制系统是一种大时滞、非线性、时变系统,常规PID无法实现精确控制,对此,笔者设计了基于BP网络的神经网络控制器.仿真结果表明,这种控制策略能有效地抑制系统超调,获得满意的油温稳态精度.     

移动机器人神经网络补偿计算力矩控制

针对存在动力学不确定建模项、建模误差及外界干扰的移动机器人,设计RBF神经网络补偿计算力矩控制算法。基于反步法设计运动学辅助速度控制率。根据动力学理想名义模型,基于计算力矩法设计一般的力矩控制器。在此基础上,建立具有不确定建模项、建模误差及外界干扰的移动机器人动力学模型,基于计算力矩法设计带有RBF神经网络补偿的力矩控制器,神经网络的权值由自适应律给出。最后,利用Lyapunov理论证明了系统的稳定性。仿真结果表明：神经网络对系统不确定项具有良好的逼近性能,相比于一般的计算力矩控制,所提出的神经网络补偿计算力矩控制算法具有更好的跟踪性能,控制系统具有更好的鲁棒性。     

机械臂液压伺服系统的自适应模糊滑模控制

针对机械臂液压伺服位置系统存在非线性特性和参数不确定性,提出了一种自适应模糊滑模控制方法。利用参数自适应算法估计系统未知参数,有效地克服了系统不确定性的影响,提高了系统的鲁棒性;采用非连续投影算法保证了参数估计的有界性;引入模糊系统代替切换控制项,有效地消弱了抖振。仿真研究结果表明:所设计的自适应模糊滑模控制器能够快速准确地跟踪指令,并且对参数变化具有较强的鲁棒性,与PID控制器相比,系统跟踪误差小,响应速度快,跟踪性能好。