某扫雷犁电液伺服系统的HGA-RBF神经网络建模

采用递阶遗传算法学习径向基函数神经网络的结构和参数,实现了某扫雷犁电液伺服系统的神经网络精确建模.介绍了某扫雷犁电液伺服系统的工作原理,详细论述了基于递阶遗传算法的径向基函数神经网络设计方法,即采用控制基因确定隐节点数目,采用参数基因辨识隐节点中心参数,利用最小二乘法计算连接权值.最后采用该方法对某扫雷犁电液伺服系统进行了建模研究,并与其它建模方法进行了比较,实验结果验证了该方法的有效性.     

基于遗传神经网络的电液伺服系统自适应控制

针对热连轧卷取机卷取过程当中的带头损失现象，本文提出一种液压踏步控制的伺服系统。采用神经网络跟踪对象的动力学特性，建立了遗传算法与神经网络相结合的识别模型（GA-ANN），利用遗传算法进行网络权系的训练和优化。试验证明该系统有好的控制效果，对实现液压系统的人工智能化奠定了基础。     

基于GA的直线伺服系统H∞优化控制的研究

针对永磁直线伺服系统存在的不确定性扰动,提出基于遗传算法(GA)的H∞混合灵敏度控制方法.根据永磁直线伺服系统的数学模型,对电流环采用PI控制,用根轨迹法来确定控制器的参数;以参考输入和扰动作为系统的输入向量,考虑系统对参考输入的跟踪和对扰动输入的抑制,将速度控制器设计归结为H∞混合灵敏度问题;在选择多个加权函数时,以性能指标作为相应的适应度函数,采用遗传算法选取加权函数,设计伺服系统的H∞优化控制器.对系统进行计算机仿真.仿真结果表明,用该方法设计的系统,其抑制扰动和跟踪给定信号的性能得到改善,满足高性能数控机床永磁直线伺服系统控制的要求.     

基于径向基函数神经网络控制的机械臂轨迹误差研究

当前,机械臂关节运动轨迹容易受到外界环境的干扰,导致运动轨迹不稳定,抖动现象特别严重,不能很好地满足轨迹跟踪任务的要求。对此,文中创建机械臂双关节运动简图模型,采用径向基函数(RBF)神经网络自适应控制方法跟踪机械臂关节的运动轨迹。分析了机械臂运动轨迹所产生的误差,设计了机械臂关节神经网络自适应控制器,引用李雅普诺夫函数对控制器的稳定性和收敛性进行了证明。结合具体实例,借助于Matlab软件对机械臂双关节的运动轨迹追踪误差进行仿真。同时,与模糊PID控制的仿真误差进行对比和分析。仿真曲线显示,机械臂关节采用RBF神经网络自适应控制方法,运动轨迹追踪所产生的误差较小,输入力矩的振动幅度相对较小。因此,机械臂关节末端采用RBF神经网络自适应控制器,可以降低运动轨迹的跟踪误差,改善振动现象。     

基于BP神经网络的磨床力误差补偿方法

为建立磨削加工参数与磨削力导致的力变形误差之间的关系模型,提出基于神经网络的力误差建模和实时补偿方法.建立经遗传算法优化的BP神经网络以表征磨削参数与磨削力的关系;运用有限元方法对零件进行力学分析,建立磨削力与力变形量的关系模型;建立加工参数与切削力误差映射模型,预测误差补偿量,进行实时补偿.实验结果表明:该切削力误差...     

基于GA-BP神经网络的气压伺服系统辨识研究

气压伺服系统控制器的优化设计依赖于准确的系统模型.针对系统的非线性问题,研究采用神经网络进行系统辨识的原理和结构;考虑传统BP算法存在局部收敛、学习速度慢的问题,采用遗传算法对神经网络的初值和权值进行优化,并采用LM算法进行网络学习,最终建立系统的神经网络辨识模型.通过仿真对比神经网络辨识结果与传统线性模型辨识结果,结...     

基于干扰观测器的机电伺服系统PI控制策略

空气舵机电伺服系统的主要任务是接收控制指令,并驱动负载按指令角度摆动,在各类航空航天飞行器中具有越来越广泛的应用价值。然而在运行过程中存在的未知干扰给机电伺服系统高精度控制带来了巨大挑战。针对这一问题,提出基于干扰补偿的空气舵机伺服系统控制策略。首先进行空气舵机电伺服系统模型分析,其次运用径向基函数设计神经网络的状态观测器,将不可测量的舵面角度用估计值替代进行反馈控制,最后应用Lyapunov方法分析了有限时间收敛条件。仿真结果表明：与传统电机角度反馈相比,所提出的控制策略使空气舵机电伺服系统的稳态误差减少97%以上。     

基于神经网络PID的交流伺服系统位置控制

针对某水中兵器测试装置交流伺服系统具有定位精度高、运行平稳、抗干扰能力强的特点，采用BP神经网络与PID组合自适应控制器来实现该装置中的交流伺服系统控制。研究结果表明，该控制器对某水中兵器测试装置交流伺服系统的控制是合适的，具有鲁棒性强、控制精度高和运行平稳等特点。     

基于BP神经网络的电主轴热误差补偿模型

热误差是影响高精度数控机床加工精度的主要的误差因素.文章主要论述了利用BP神经网络来建立CX8075车铣复合加工中心电主轴热误差补偿模型的建模的过程,以两组不同的数据,分别进行的训练和预测,经过在软件MATLAB中的模拟测试,通过BP神经网络建立的电主轴热误差补偿模型具备了较高的拟合和预测精度.分析结果表明,电主轴的原始热误差值与模型计算的输出结果的值非常接近,最低补偿率可达90％以上,这代表运用该BP神经网络模型能够补偿大部分的热变形误差.     

电液位置伺服系统神经网络辨识的实验研究

针对电液伺服系统非线性建模问题,研究了电液位置伺服系统神经网络辨识模型的基本结构。分析伺服系统动态模型的输入、输出关系,依据遗传算法优化神经网络权值和阈值,建立神经网络辨识模型的基本结构。利用xPC技术建立阀控缸实时电液伺服实验台,以实验台的阶跃输出信号作为改进BP神经网络系统辨识信号,以实验台正弦输出信号作为验证信号。结果表明:该神经网络辨识模型的基本结构可达到较高的辨识精度,其可信性得以验证,适用于非线性系统模型辨识。     

遗传算法整定PID控制交流伺服系统的研究

交流伺服技术是研制开发各种先进机电一体化产品的关键性技术，针对伺服系统具有时变性、模型的不确定性等，提出采用基于遗传算法的PID自适应控制算法，实现控制器参数的在线自寻优。仿真结果表明，该控制算法具有很强的鲁棒性、抑制外界干扰性和良好的动态性能。     

基于FCM聚类和RBF神经网络的机床热误差补偿建模

热关健点的选择和热误差建模技术是决定热误差补偿是否有效的关键,对提高数控机床的加工精度至关重要.为了实现对数控机床热误差的补偿控制,文章利用模糊C均值(FCM)聚类方法,对机床上布置的温度测点进行优化筛选,将温度变量从20个减少到4个,然后给出了基于RBF热误差补偿建模方法.通过建模实例表明,文章提出的建模方法,在保证补偿模型精度的同时有效减少了温度测点,降低了变量耦合影响,并提高了补偿模型的鲁棒性.     

基于神经网络的电液位置伺服系统自适应滑模控制

针对电液位置伺服系统(阀控对称缸)模型复杂、参数时变、摩擦影响显著等特点,提出了基于RBF神经网络和基于Lu Gre模型的自适应滑模控制算法。该算法的优点是:(1)利用RBF神经网络逼近控制电流与系统输出压力的关系,将电液位置伺服系统的数学模型简化为二阶,减少了模型参数;(2)采用Lu Gre模型能够准确地描述摩擦过程中复杂的动、静态特性,通过该模型设计摩擦补偿,提高了控制精度;(3)设计自适应滑模控制器,增强了系统的鲁棒性。利用构建的李雅普诺夫函数,证明了闭环系统的稳定性。仿真实验表明:所提算法控制精度较高、响应速度较快、鲁棒性较强。     

基于改进遗传算法的故障电液伺服系统控制方法研究

为减轻故障对控制系统造成的影响,提出一种基于改进遗传算法的系统控制方法。对电液伺服系统的3种常见故障进行建模,利用改进后的遗传算法对PID控制器参数进行优化并与其他算法控制效果进行对比。仿真结果表明：该方法不仅可以提高系统正常运转时的控制性能,而且可以在系统出现一定程度的故障时仍能维持较好的控制性能。在冶金、电力及水利等行业,利用该方法可以减少故障维修的停机次数,降低企业大资产设备维护成本和停产损失。     

基于模糊神经网络控制的电液系统研究

针对大功率电液伺服系统存在严重非线性和时变性,将神经网络与模糊控制理论相结合,根据系统的误差及误差变化对神经网络的学习速率和动量因子进行模糊修正,有效地改善了神经网络的学习速率.实验表明,所设计的神经网络控制器能够保证大功率电液伺服系统的静、动态性能.     

基于神经网络遗传算法的超疏水涂层优化

目的 探究超疏水涂层各成分的含量对涂层水接触角和导热系数的影响,找到最优成分组合,使涂层水接触角和导热系数同时获得最大值。方法 根据设计的L25（55）正交试验,制作和测试涂层试样,借助Matlab软件建立结构为5-8-2的BP神经网络,通过正交试验结果训练和测试神经网络,得到涂层水接触角和导热系数的预测模型。调用训练好的预测模型,采用遗传算法对涂层各成分含量进行全局寻优。使用寻优得到的参数和调整后的参数进行试验,检验寻优计算结果。结果 BP神经网络预测模型水接触角的最大误差为0.061 98,导热系数的最大误差为0.065 77。基于遗传算法的优化结果,涂层成分（质量分数）为纳米SiO₂ 10.1%+TiO₂ 6.4%+碳粉5%+纳米石墨烯0.6%+MTES 1.8%时,涂层的水接触角达到164.24°,导热系数达到14.19W/（m·K）,其误差分别为3.80%和2.31%。采用调整后的参数进行试验,测试得到涂层的水接触角为155.02°,导热系数为13.25 W/（m·K）,其误差分别5.64%和5.58%。结论 通过BP神经网络预测模...     

基于遗传神经网络的铣削力预测方法

铣削过程的复杂性和铣削力产生的多因素性使得铣削力预测模型很难建立.论文在遗传算法与BP网络模型相结合的基础上,利用遗传算法训练神经网络权重的方法,建立了铣削力预测的遗传神经网络模型.最后将神经网络预测结果与实验数据进行比较和误差分析,证明了该神经网络能够准确地预测铣削力的大小.     

基于GA优化RBF网络的永磁同步电机无位置控制

在表贴式永磁同步电机(surface permanent magnet synchronous motor,SPMSM)的无位置控制中,准确实时地估计其转子位置和转速是一个关键技术难点.文章把遗传算法(genetic algorithm,GA)和径向基函数(radial basis function,RBF)神经网络相...