共查询到16条相似文献,搜索用时 67 毫秒
1.
2.
3.
4.
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. 相似文献
5.
6.
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。 相似文献
7.
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. 相似文献
8.
六维腕力传感器的补偿模糊神经网络模型 总被引:2,自引:0,他引:2
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。 相似文献
9.
10.
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。 相似文献
11.
12.
13.
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。 相似文献
14.
15.
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。 相似文献
16.
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。 相似文献