基于系统逆的非线性液压伺服系统H∞控制器设计

本文提出了一种基于系统逆的H∞控制器,克服了一般H∞控制器仅能适用于线性系统的缺点,并将此方法应用到一非线性液压系统中,仿真结果表明了这种方法对具有参数不确定性的非线性系统具有鲁棒性。     

液压驱动机械手的神经网络控制

针对液压驱动机械手的轨迹跟踪控制问题,在分析研究机械手动力学特点的基础上,推导出机械手的数学模型,分析了神经网络自适应控制的特点,提出了基于函数连接神经网络液压驱动机械手的自学习控制结构与控制算法。其控制结构着重智能知识的加强;控制算法以PD形成学习规则为基础,运算结果不是直接参与控制;而是根据控制器作用于系统之后所产生的误差及其微分对控制器作出评价和修正,仿真和实验研究证明了数学模型的有效性及控制方法的可行性。     

基于神经网络的闪光焊机液压系统的控制研究

该文介绍了闪光焊机液压系统的组成及其工作原理,建立了闪光焊机液压系统的数学模型。提出了一种基于单神经元-参数自调节的控制模型,通过神经元控制和模糊控制并行结合,发挥两种智能控制方法的优势,实现闪光焊机顶锻液压系统的位置跟踪。     

基于神经网络逆系统方法的同步发电机非线性励磁控制律研究

根据神经网络逆系统方法，将大型同步发电机非线性励磁控制问题变换为一个相应的线性控制问题，并利用最优控制理论研究非线性励磁控制器。     

神经网络控制（NNC）及其在液压系统中的应用

本文给出了神经网络控制（ＮＮＣ）系统的几种典型结构,并对ＮＮ算法进行了讨论,最后通过液压管道压力脉动的ＮＮＣ和液压位置伺服系统模型参考ＮＮＣ的实例研究,证实了ＮＮＣ的有效性和鲁棒性。     

基于粗糙-神经网络的非线性系统逆模型控制

粗糙控制是近年来兴起的一种新的智能控制方法,作为对粗糙控制理论的探索,提出了粗糙规则逆模型的概念,并分析了粗糙规则逆模型的一致性和完备性问题,引入了基于径向基函数网络的粗糙决策规则推理方法,构造了粗糙-神经网络逆模型.对粗糙-神经网络逆系统模型的辨识以及基于粗糙-神经网络逆模型的控制理论和方法进行了分析和讨论,并通过实例仿真计算与实验分析,验证了粗糙-神经网络逆模型控制方法的可行性.     

基于神经网络逆系统的发酵过程多变量解耦控制

发酵过程是时变、非线性、不确定的多变量耦合系统，高性能的解耦控制一直是追求的目标。将逆系统方法与神经网络相结合，提出了一种基于神经网络逆系统的发酵过程解耦控制方法。根据发酵过程的特点，给出了相应的数学模型，并证明了系统的可逆性，进一步构造神经网络逆系统并与发酵系统串联复合成伪线性系统，再设计线性闭环调节器实现高性能解耦控制。仿真结果表明，提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性，具有较强的鲁棒性，克服了解析逆系统解耦控制方案依赖于过程模型和对模型参数的变化很敏感的缺点。     

压电陶瓷执行器的神经网络实时自适应逆控制

目的：为了提高压电陶瓷执行器执行精度,提出消除压电陶瓷的非线性、非光滑的迟滞特性的方法。 方法：提出了基于内积的压电陶瓷动态神经网络非线性、非光滑的迟滞逆模型,采用反馈误差学习方法,避免了求取压电陶瓷的Jacobian信息,快速地在线得到压电陶瓷的逆模型,并结合PID反馈控制,在dSPACE系统平台上,实现压电陶瓷的神经网络自适应逆控制,为了提高实时性,程序采用效率高、速度快的C-MEX S Function编程。结果：实验结果表明：神经网络自适应逆控制的控制精度为：0.13μm,而PID控制精度为：0.32μm 。结论：所提出方法有效地消除了迟滞的影响,控制精度高。     

火炮液压伺服系统神经网络非线性PID控制

根据某火箭炮液压伺服系统的特点以其及动态的快速性和稳态高精度的指标要求 ,设计了一种神经网络非线性PID控制器 ,实验证明其阶跃输入和速度输入下的响应均达到了预期的要求     

感应电机神经网络逆控制的数字实现

提出了一种感应电机神经网络逆控制的数字实现方法.证明了感应电机的可逆性,给出了感应电机神经网络逆控制的实现结构.详细阐述了采用数字信号处理器（DSP）实现神经网络逆控制系统的硬件组成和软件设计方法.实验结果表明,系统具有良好的动、静态控制性能.     

Model predictive control for systems with fast dynamics using inverse neural models

In this work, a novel model predictive control (MPC) scheme is introduced, by integrating direct and indirect neural control methodologies. The proposed approach makes use of a robust inverse radial basis function (RBF) model taking into account the applicability domain criterion, in order to provide a suitable initial starting point for the optimizer, thus helping to solve the optimization problem faster. The performance of the proposed controller is evaluated on the control of a highly nonlinear system with fast dynamics and compared with different control schemes. Results show that the proposed approach outperforms the rivaling schemes in terms of response; moreover, it solves the optimization problem in less than one sampling period, thus effectively rendering MPC-based controllers capable of handling systems with fast dynamics.     

基于动态GRNN模型的挖掘机液压系统故障检测

提出了一种针对工程机械液压系统的动态广义回归神经网络(GRNN)模型的故障诊断方法.动态GRNN模型是一种全局递归的动态模型,具有很强非线性收敛能力.首先建立系统正常状态故障建立动态GRNN模型;计算动态GRNN模型的检测阈值;然后将测试故障样本带入动态GRNN模型当中,其残差平方和在对应阈值范围内即可判定故障.通过实验分析,基于动态GRNN模型的故障检测方法准确地诊断出了90%以上的系统故障,实验结果表明,这一方法能够有效地应用于挖掘机液压系统的故障诊断.     

神经滑模控制在转台伺服系统应用

以直流电机为执行机构,分析了飞行仿真转台伺服系统的数学模型。滑模控制具有对系统扰动和参数摄动的自适应性,可实现伺服系统的快速响应,同时有效克服低速状态下摩擦力矩的影响。系统抖振问题是滑模控制的突出问题,利用径向基神经网络的非线性逼近能力,给出以切换函数为网络输入,以滑模控制器为网络输出,构建了神经滑模控制器,软件仿真结果表明所设计的滑模控制器能达到较好的控制品质,有效的克服系统抖振和外部扰动,实现系统低速摩擦补偿。     

液压伺服系统的神经网络自适应控制

为了精确地控制带钢轧制厚度，这里研究了带钢轨机液压伺服系统的神经网络自适应控制系统。建立了这种控制方法的数学模型。采用MATIAB软件进行了仿真研究。仿真结果很好地拟合了理论分析。     

神经网络在锅炉燃烧控制中的应用

锅炉燃烧过程的控制是火电厂最重要的过程控制。本文在采用MPIDNN神经网络控制方案基础上,以现场运行数据为依据,在不同负荷下,利用了MATLAB软件对锅炉燃烧系统进行仿真研究。经过建模仿真得出的数据综合分析,结果表明,MPIDNN神经网络在锅炉燃烧系统应用上有一定价值。     

Reduced-order model based active disturbance rejection control of hydraulic servo system with singular value perturbation theory

Hydraulic servomechanism is the typical mechanical/hydraulic double-dynamics coupling system with the high stiffness control and mismatched uncertainties input problems, which hinder direct applications of many advanced control approaches in the hydraulic servo fields. In this paper, by introducing the singular value perturbation theory, the original double-dynamics coupling model of the hydraulic servomechanism was reduced to a integral chain system. So that, the popular ADRC (active disturbance rejection control) technology could be directly applied to the reduced system. In addition, the high stiffness control and mismatched uncertainties input problems are avoided. The validity of the simplified model is analyzed and proven theoretically. The standard linear ADRC algorithm is then developed based on the obtained reduced-order model. Extensive comparative co-simulations and experiments are carried out to illustrate the effectiveness of the proposed method.     

Tuning Proportional-Integral controllers to approximate simplified predictive control performance

An exact equivalence between PI (Proportional-Integral) and two-parameter SPC (Simplified Predictive Control) is developed to provide identical control of first order linear plants. A relationship between the PI control parameters and the SPC control parameters is described. This relationship that allows the same control in the case of first order linear plants is also found to provide tuning formulas that yield PI control which approximates SPC performance in the case of second order linear plants with widely separated Eigenvalues. Finally, an extension of the PI control algorithm to include future errors provides another exact PI–SPC equivalence for networked control of first order plants.     

静力压桩机自动调平系统的逆动力学模型研究

静力压桩机调平系统的逆向动力学模型是求解自动调平控制系统的关键,压桩机实时控制过程中出现"虚腿"的原因之一即是缺少动力学分析.为此,从压桩机的结构入手,考虑平台运动和液压控制系统的耦合,建立调平机构动力学模型,并对其进行动态过程研究,结果满足调平系统快速高精度的要求,自动调平运动过程中未出现"虚腿"现象.     

Adaptive control of nonlinear system using online error minimum neural networks

In this paper, a new learning algorithm named OEM-ELM (Online Error Minimized-ELM) is proposed based on ELM (Extreme Learning Machine) neural network algorithm and the spreading of its main structure. The core idea of this OEM-ELM algorithm is: online learning, evaluation of network performance, and increasing of the number of hidden nodes. It combines the advantages of OS-ELM and EM-ELM, which can improve the capability of identification and avoid the redundancy of networks. The adaptive control based on the proposed algorithm OEM-ELM is set up which has stronger adaptive capability to the change of environment. The adaptive control of chemical process Continuous Stirred Tank Reactor (CSTR) is also given for application. The simulation results show that the proposed algorithm with respect to the traditional ELM algorithm can avoid network redundancy and improve the control performance greatly.     

HC轧机板形液压伺服系统智能控制的研究

针对HC轧机液压弯辊系统的非线形和时变性等特点，设计了基于遗传算法的模糊RBF神经网络智能控制系统，改善了系统的性能。