神经网络变结构在液压伺服系统控制中的应用

采用神经网络对液压伺服系统进行离线辩识,然后用神经网络的逆模型抵消伺服阀的死区非线性,再用离散变结构控制器对液压伺服系统的线性部分进行控制,从而达到良好的控制效果.     

叶片精密抛光伺服系统的干扰观测补偿控制

叶片型面尺寸精度及表面质量的提高对数控抛光伺服系统性能提出了更高的要求.针对非线性摩擦和被控对象参数摄动对数控抛光伺服系统定位精度和跟踪精度的影响,提出了一种基于干扰观测器的粒子群优化模糊PID(PFPID)控制方法.该方法通过构造干扰观测器来预测伺服系统中的非线性摩擦和参数摄动等各种干扰,并在控制中引入等效的补偿来抑制干扰,同时利用粒子群优化算法对模糊控制器的量化因子和比例因子进行在线调整,进而利用模糊控制器对PID控制参数进行自适应整定.仿真分析和实验结果表明,基于干扰观测器的PFPID控制器具有控制精度高、鲁棒性强、抑制干扰能力强等优点,其能够提高叶片型面尺寸精度和表面一致性,降低表面粗糙度,减小残余应力并提高抛光效率.     

一种转台伺服系统干扰补偿控制方法研究

为提高转台伺服系统的低速跟踪性能,提出一种结合LuGre摩擦模型和非线性干扰观测器(NDO)补偿非线性干扰的方法。使用LuGre摩擦模型补偿系统的摩擦干扰力矩,建立NDO模型消除系统建模不精确及其他未知干扰的影响,并采用反演法设计系统的自适应滑模控制律。通过仿真表明,基于LuGre+NDO模型自适应滑模控制能有效消除转台的低速"爬行"现象,位置稳态误差达到2×10–5 rad,速度稳态误差达到1.5×10–3 rad/s。且通过与传统控制方法结果对比,证明所提出的方法具有较好的控制性能和干扰抑制特性,提高伺服系统的跟踪性能。     

电液伺服系统的神经网络建模方法研究

针对电液伺服系统固有的流量-压力特性等非线性因素使得采用传递函数等传统方法难以获得电液伺服系统的精确模型的问题,详细研究了电液伺服系统的神经网络建模方法.研究了两种最常见的神经网络,即多层感知器神经网络和径向基函数神经网络,采用5种典型学习算法构造了3种多层感知器神经网络和2种径向基函数神经网络,并结合自动定深电液伺服系统的工程实例,详细分析了这5种神经网络在电液伺服系统中的建模性能.研究结果表明,采用正交最小二乘算法的径向基函数神经网络最适合电液伺服系统的建模.     

基于神经网络优化的交流自抗扰伺服系统控制

目的 为了解决传统交流永磁同步电机伺服自抗扰控制系统中外界扰动、非线性特性和本身自抗扰控制中参数较多且整定难的问题.方法 利用小波神经网络对自抗扰控制中的扩张状态观测器的误差校正系数进行在线整定,设计出基于小波神经网络优化的自抗扰控制器及相关的控制系统,以实现对整体控制系统的性能优化,并通过在Matlab/SIMULINK仿真实验与传统PID伺服控制系统和未进行优化的交流自抗扰伺服系统进行对比验证.结果 仿真结果表明,基于小波神经网络优化的交流永磁同步电机伺服自抗扰控制系统对目标位置动态响应快、稳态误差小、抗干扰能力强,稳态时转矩脉动小.结论 与常规未优化自抗扰伺服系统和传统PID伺服系统相比,基于小波神经网络优化后的自抗扰伺服系统,能有效地提高伺服系统控制性能和鲁棒性.     

欠驱动无人艇直线航迹跟踪的反步自适应动态滑模控制

针对喷水推进型欠驱动无人艇的由艇艏摇非线性响应模型和舵机伺服系统组成的直线航迹控制系统,在考虑模型参数不确定性和外界干扰随机性特点的情况下,研究了一种反步自适应动态滑模控制方法.首先利用全局微分同胚坐标变换将原系统转化为具有下三角特征的非线性系统,然后基于反步设计法和动态滑模控制理论,设计了反步自适应动态滑模控制器,并利用Lyapunov稳定性理论,证明在该控制器的作用下,直线航迹控制系统是全局渐近稳定的.仿真对比试验表明,该控制器对模型摄动和外界干扰不敏感,具有强鲁棒性和自适应性.     

机载光电跟踪平台伺服系统自抗扰控制

摩擦非线性造成机载光电跟踪平台伺服系统低速不平稳性,增加了系统的稳态误差.常规PID控制难以满足光电跟踪平台高精度伺服系统的性能要求.采用一种新的二阶离散系统最速控制函数设计自抗扰控制器,将它作为机载光电跟踪平台伺服系统的位置环控制器.实验结果表明,当系统跟踪幅值为0.5°、频率为0.159 Hz的正弦输入信号时,在0...     

永磁同步电动机位置伺服系统的自适应神经网络控制

针对需要考虑参数不确定和负载扰动的永磁同步电动机位置伺服系统,提出了一种新型的自适应神经网络控制方法。首先,利用神经网络建立永磁同步电动机的智能模型。其次,针对模型特点,在反步递推设计框架下,应用神经网络基函数的本质特征,并引入动态面控制技术克服控制设计中存在的“复杂性爆炸”问题,设计基于自适应神经网络动态面控制的位置跟踪算法。最后,仿真结果表明该控制方案是有效可行的,与反步递推控制方案相比,基于神经网络动态面控制的位置伺服系统的跟踪误差具有更快的收敛速度。通过设计新的神经网络自适应律,提出的自适应神经网络控制方法可以避免现有反步递推控制设计中存在的代数环问题。此外,提出的控制算法不仅能够克服不确定性因素对系统性能的影响,而且算法结构简单,易于实现。     

导引头伺服系统的输出多采样率变结构控制

针对弹体耦合干扰力矩,摩擦力矩及参数扰动对导引头伺服系统跟踪性能的影响,基于输出多采样和区域极点配置技术,研究了导引头伺服系统的输出多采样率变结构控制,给出了确定控制器参数的方法.所设计的控制器能保证闭环系统是有界稳定的,且无需利用系统的状态作为反馈而仅利用输出采样来设计控制器,因而无须伺服机构中安装测速单元,有效节省了机构的体积和重量,有较强的实用性且易于实现.仿真结果表明,所设计的控制器对弹体耦合干扰力矩及系统参数扰动有较强的鲁棒性,且具有较高的跟踪精度,因而在导引头伺服系统这类对体积和质量有严格限制的伺服系统中具有较好的应用前景.     

基于Elman网络的稳像平台速度环设计

稳像平台速度环的性能直接影响成像质量,本文提出了一种基于Elman网络和PD复合控制的自适应逆控制算法.通过对Elman网络模型和控制对象的分析,设计了独立的指令跟踪回路和干扰抑制回路,并将逆控制和PD复合控制思想应用在干扰抑制回路中,实现了Elman网络在线学习和对被控对象的在线辨识.仿真实验结果表明,该方法能有效克服系统慢时变、干扰等非线性因素的影响,增强系统的鲁棒性.     

动态高精度伺服称重计量秤及其智能PID控制

为了克服粉粒状物料称重精度易受非线性、随机干扰和留空物料(投料门关闭时尚在半空中的物料)时变等因素影响及称重效率低的问题,提出了多级投料(大投、中投和变流量细投)、RBF神经网络PID细投控制和自适应的留空物料补偿策略结合的方法。设计了计量秤的机械结构和基于S7-200PLC、Siwarex_MS称重模块和伺服电机的控制系统;伺服电机,执行机构和PLC系统(集成秤重模块)构成闭环控制系统实现多级投料,相比于气缸控制的投料结构能大幅提高称重的精度。针对所设计的计量秤分析了称重原理和称重误差产生因素,采用多级投料:大投和中投保证称重的快速性,智能PID控制的细投保证称重精度。实验结果表明:称重25kg化肥,平均精度为±0.114%,最大称重速度为1100次/h。     

递归网络自适应控制裹包机凸轮差动器驱动系统

根据裹包机的驱动系统控制精度较差的问题,提出采用递归神经网络自适应混合控制线性同步电动器驱动机系统.经过仿真结果表明,该控制系统克服了上述缺点.     

基于模糊神经网络控制的混合式步进电动机伺服系统研究

在对二相混合式步进电动机实行最大转矩／电流矢量控制和IP位置控制的基础上,为克服参数时变和外界扰动对系统性能的影响,设计了一种新型高性能的参考模型自适应模糊神经网络控制器。实验结果表明所设计的位置伺服系统具有良好的性能。     

Passivity-based control of linear switched reluctance motors with robustness consideration

A robust passivity-based control (PBC) algorithm is proposed for the position tracking system of a linear switched reluctance motor (LSRM). By using the modelling analysis of the drive system, a full-order nonlinear controlled model is first developed. Then, on the basis of the state error equation, the proposed robust PBC algorithm is derived from the view points of energy dissipation, control stability and algorithm robustness. The resultant design provides a total structural solution for the control law with the winding excitation scheme integrated into the algorithm. The proposed algorithm guarantees global stability of the whole servo system. It can also overcome the inherent nonlinear characteristics of the system and make the whole system robust to uncertainties and bounded disturbances. Both simulations and experimental implementations are carried out on the proposed LSRM drive system to investigate the performance of the proposed algorithm. The results show that the experimental and the simulation outputs match very well. The proposed algorithm is effective for the high precision position tracking of the LSRM, with high robustness to the system uncertainties and bounded disturbances.     

基于奇异摄动理论的电液伺服系统Backstepping滑模自适应控制

针对电液伺服位置跟踪系统中存在的非线性特性、系统参数和外部负载的非匹配不确定性,提出了基于奇异摄动理论的电液伺服系统的Backstepping滑模自适应控制。利用奇异摄动中双时间刻度理论将原系统分解为快慢变子系统,分别设计快变和慢变子系统的控制律,再合成得到复合控制器。应用Backstepping的逆向递推方法有效地解决了高阶非线性系统的控制问题,用滑模方法抑制系统的外部扰动,对系统的不确定性参数进行自适应估计。数字仿真的结果验证了所设计控制器的正确性和有效性。     

非线性质量补偿方法在微量包装系统中的应用

目的 为解决微量包装系统中称量传感器输出电压与质量之间的非线性关系、提高称量精度,基于改进BP神经网络设计一种非线性补偿方法.方法 阐述电阻应变式称量传感器的非线性补偿原理,根据称量传感器输入和输出之间的关系,设计一种神经网络补偿器.为提高神经网络控制性能,引入一种惩罚因子,可解决因训练不足导致的误差偏大等问题.结果 经对比发现,改进型BP神经网络具有较快的收敛速度、较高的精度,可提高微量称量包装系统的控制性能.高速模式下,称量误差可以控制在0.5％以内,实际称量结果较理想.结论 该方法能够改善系统动态性能,提高测量精度,可满足称量、包装行业等精度要求.     

非线性协整模型及其状态监测应用研究

基于线性协整理论的液压舵面伺服系统状态监测已经取得了积极的效果,但显示出对部分故障敏感性较弱的不足.为提高协整模型监测效力,研究采用基于神经网络的非线性协整建模方法,建立非平稳系统的非线性协整关系监测模型.仿真研究证实,该方法比线性协整监测模型具有更好的故障敏感性和可靠性.