基于迭代学习交叉耦合的轮廓误差控制方法研究

针对进给伺服系统传统控制方法产生的各轴特性不匹配、控制精度不佳、抗扰动能力不足等问题,提出一种基于自抗扰控制(ADRC)和迭代学习交叉耦合控制(ILCCC)的轮廓跟踪控制算法。对于空间任意轮廓曲线,所提算法在三轴联动条件下,通过不断的迭代学习过程,优化分配给各轴的轮廓误差补偿量,加快伺服轴动态响应的同时,有效抑制伺服系统的轮廓误差。在仿真平台下建立控制器数学模型,对空间直线和空间螺旋线轨迹进行了三维跟踪验证。研究结果表明：与ADRC控制算法和ADRC+PIDCCC控制算法相比,ADRC+ILCCC控制算法在轮廓误差的最大绝对值、累计值以及平均值等指标上均有很大改善,证明了所提算法的优越性。     

CNC多轴联动的机床交叉耦合轮廓误差补偿技术

为了提高多轴联动CNC机床的加工精度,减小由机械传动及电气控制等因素造成的轮廓误差,针对多轴联动CNC机床伺服采用交叉耦合参数选择困难及稳定不强等问题,提出一种交叉耦合轮廓补偿的控制方法,建立交叉耦合轮廓误差补偿的模型,搭建了x轴、y轴及z轴仿真实验平台。仿真实验结果表明:轮廓误差补偿的算法使用交叉耦合误差补偿算法进行控制,可以大大降低轮廓误差。     

基于模糊滑模的两轴伺服系统轮廓误差交叉耦合控制算法

针对两轴伺服系统轮廓误差控制问题,提出一种基于模糊滑模的交叉耦合轮廓误差控制方法.设计了单轴模糊滑模跟踪控制器,用于消除干扰作用.将模糊控制器用于自适应调节滑模控制器切换增益,减小滑模控制的抖振现象.采用交叉耦合控制算法进行两轴间的协调控制,解决轴间参数不匹配的问题,保证轮廓控制精度.仿真结果表明:该方法能有效提高跟踪...     

两轴变增益交叉耦合控制系统的仿真分析

直线伺服系统中,负载扰动、机械惯性及两轴响应速度不匹配会影响轮廓加工精度,如何提高两轴运动控制系统的协调性成为亟待解决的问题。文章在介绍永磁同步电机(PMSM)数学模型的基础上,详细分析了系统轮廓误差定义与变增益交叉耦合控制算法,最后在Matlab/Simulink环境下搭建了两轴变增益交叉耦合控制系统仿真模型,并对结果进行了分析。仿真结果表明,变增益交叉耦合控制算法较传统控制算法有效提高了系统的快速性和鲁棒性,并减小了系统的轮廓误差。     

基于遗传算法迭代学习的偏心轴廓形误差补偿研究

为了提高偏心轴类零件轮廓加工精度,引入遗传算法和迭代学习PID控制算法,利用遗传算法对偏心轴磨床不同转速下的X-C轴PID参数进行整定,再通过迭代学习PID控制方法对X-C轴进行迭代学习控制,减小偏心轴磨床X-C轴的跟踪误差,通过MATLAB的Simulink仿真工具建立偏心轴磨削迭代学习PID控制仿真程序,进行仿真实验。实验表明基于遗传算法的PID迭代学习控制比普通PID控制更能够有效控制X-C轴跟踪误差,提高偏心轴轮廓加工精度。     

三轴低成本运动控制卡研制

文章设计了一种以AT89S51为控制核心,以PCI9052作为PCI总线接口的低成本运动控制卡.该卡通过上位机控制软件与卡上AT89S51单片机的协同工作实现了低性能要求的三轴联动系统的控制.     

直驱H型平台的Laguerre迭代轮廓控制研究

针对直驱H型平台在跟踪大曲率复杂轮廓时,轮廓精度低的问题,提出一种精密轮廓跟踪迭代控制方法.采用有理多项式求根的方法精确计算在大曲率高速运动过程中的轮廓误差精确模型,应用Laguerre迭代估计方法结合交叉耦合控制器设计了综合考虑多轴协同运动的控制方案,以切实保证此类系统在实际应用中的高性能轮廓跟踪.系统实验结果表明,...     

基于驱动谱迭代修正算法的三轴随机振动控制研究

经典的矩阵微分多输入多输出随机振动控制算法需要进行矩阵分解或矩阵微分等运算,计算复杂,不利于实时应用。针对一类低相干系数的多轴随机振动试验场景,利用牛顿法推导激励谱迭代方程,提出一种驱动谱迭代修正算法,简化了控制计算量,提高控制实时性。对算法收敛性和增益因子进行理论分析,并利用数值仿真在对算法进行验证。最后,利用三轴向振动台与集成该算法的多输入多输出振动控制器进行三轴向振动试验研究,结果表明：基于牛顿迭代法的驱动谱迭代修正算法在多输入多输出随机振动试验对功率谱控制试验中取得了良好的控制精度,满足工程应用需求。     

永磁同步直线电机位置误差迭代学习补偿控制研究

永磁同步直线电机在执行具有重复特性的跟踪控制任务时,系统的位置误差也会出现周期性变化。针对这一问题,提出一种基于离线迭代学习补偿优化直线电机位置输入信号的控制策略。通过离线迭代学习,对直线电机系统的干扰进行迭代学习控制。对凸轮轴轨迹和正弦曲线轨迹进行迭代学习,实现对永磁直线电机运动轨迹的跟踪控制,减小直线电机的跟踪误差。实验结果表明：通过离线迭代学习控制产生的位置输入信号跟随误差较小,能很好地消除由于跟踪滞后造成的位置误差。     

基于指数增益迭代学习算法的机械臂轨迹跟踪

工业机器人是有着非线性、强耦合以及时变性等特点的复杂动力学系统。针对某公司的六自由度机器人的轨迹跟踪问题,利用拉格朗日法对机器人进行了动力学建模,并提出一种指数增益的迭代学习控制算法以对机器人进行轨迹跟踪,并分析了该方法的收敛性。利用MATLAB软件中的Simulink功能对机器人模型工作轨迹进行仿真,将结果与传统PD型迭代学习算法进行比较,证明了该控制算法的有效性与可用性。     

液压仿真转台中框状态同步控制的研究

本文针对仿真转台中框同步驱动系统的特点，提出了状态跟踪的同步控制策略。状态跟踪就是以模型状态与同步通道子系统状态的同步（相等）作为控制目标，仿真结果表明，这种同步控制策略具有较高的同步精度。     

基于迭代学习的6-DOF平台控制与仿真研究

在建立某型模拟器平台动力学模型的基础上,提出一种迭代学习控制(ILC)算法。通过多体系统动力学分析软件ADAMS建立虚拟样机模型,运用Matlab/Simulink建立控制策略模型,利用接口文件将两者结合起来进行机械系统与控制系统的联合仿真。结果表明:联合仿真具有较好的直观性和分析的快速性,验证了迭代学习控制策略的优越性,对控制器的设计与验证具有重要的借鉴意义。     

基于改进迭代学习的并联6-DOF运动平台控制策略研究

为了改善并联6-DOF运动平台的轨迹跟踪效果提出了一种新颖的控制算法。该控制方法结合了非奇异Terminal滑模控制(NTMSMC)和迭代学习控制(ILC),非奇异Terminal滑模控制器可以在有限的时间到达和消除控制器奇异,将其作为第一控制器来处理模型参数不确定性、未知的非线性和外部干扰;在到达滑模面之后,用PD型迭代学习控制器作为第二控制器来消除周期性轨迹跟踪误差。Simulink仿真结果表明,这种组合控制器与其它控制器(如PID控制、滑模控制、迭代学习控制)相比有更高的轨迹跟踪精度和较强的鲁棒性。     

面向IC封装的龙门运动平台同步控制算法

基于永磁直线电机(PMLM)的龙门式运动平台广泛应用于芯片封装领域,但由于两PMLM间存在横梁机械耦合,因此较难实现系统的快速响应和精准同步。以龙门运动平台为研究对象,设计三环闭合控制回路后,提出一种基于模糊前馈的控制策略,同时辅以交叉耦合同步控制器,实现系统的快速同步性能。对传统PID同步控制和基于模糊前馈的同步控制算法进行对比分析,仿真结果表明：模糊前馈控制阶跃响应的上升时间为485 ms, 比传统PID控制缩短了65%;交叉耦合同步算法在保证定位精度的同时,使得系统具有良好的同步跟随性能和较强的抗干扰能力,基本满足芯片封装高速高精度的要求。     

基于PID迭代学习控制的码垛机器人研究

以平行四杆件的码垛机器人为研究对象,运用机器人动力学中的拉格朗日功能平衡法建立码垛机器人的动力学模型。在经典PID控制的基础上,运用迭代学习控制(ILC)对系统未知参数和干扰进行补偿,实现机器人系统各关节对期望运行轨迹的跟踪控制。通过对控制系统的分析和仿真可得,在机器人系统稳定工作的前提下,将迭代学习率设置为0.75,经过10次迭代学习之后,系统的误差绝对值最大值与期望轨迹的比值能够控制在10%以下。实验结果表明,码垛机器人的PID迭代学习轨迹跟踪控制可以获得较高的跟踪精度。     

一种用于数控机床进给系统的迭代学习轮廓控制器的设计

数控机床进给系统产生的轮廓误差对产品质量有着严重的影响。为了对轮廓误差进行补偿,设计一种迭代学习轮廓控制器,用以提高进给系统的轮廓跟随效果。对数控机床进给系统进行分析后,获取其跟踪误差以及轮廓误差的模型。在该模型的基础上,设计线性插值法和圆域插值法,用来计算轮廓误差的大小。接着对进给系统在s域的闭环传递函数进行分析,采用PID反馈补偿器,设计迭代学习轮廓控制器,利用该控制器对实际轮廓误差进行补偿。仿真结果显示:采用此方法跟踪期望轨迹时,产生的最大跟踪误差为6.57%,较PID方法减小了5.7%;在跟踪期望轮廓时,产生的最大轮廓误差为0.8 mm,较PID方法减小了0.7 mm。由此说明此方法对轮廓误差的补偿性能较好,能够对数控机床进给系统的轮廓跟随准确度进行较好的控制。