迭代学习在音圈电机轨迹跟踪中的应用研究

为实现高密度LED焊线机上邦头运动轨迹的精确跟踪,降低因其轨迹偏差而产生的废品率。提出了一种基于迭代学习做前馈控制的前馈+反馈二自由度控制算法。首先对音圈电机进行机理分析,建立了其数学模型,以此为基础,给出了音圈电机轨迹跟踪的整体控制方案,并且结合焊线机上邦头超高加速度(20g)和整定时间短的运动特点后设计了带遗忘因子的PD型闭环迭代学习控制算法。对所提出的带遗忘因子的PD型闭环迭代学习控制的收敛性进行了理论分析,并且通过MATLAB中的SIMULINK模块进行了动态仿真,验证了该算法下的音圈电机系统响应速度显著提升,位置误差的收敛稳定可靠,改善了高密度LED焊线机上邦头的轨迹跟踪性能。     

带补偿因子的双模糊控制在电液伺服阀控非对称缸系统上的应用研究

为解决电液伺服阀控非对称缸系统在进行对称运动时由于液压缸的非对称性带来的控制非对称问题,提出一种含补偿因子的双模糊控制算法。以电液伺服阀控非对称缸系统为对象,针对非对称液压缸在两个运动方向上动态特性的非对称性问题,采用含补偿因子的模糊控制器进行补偿。同时,针对负载力大范围变化的特点,采用模糊PID控制算法来适应负载的变化。模糊PID控制器及含补偿因子的模糊控制器以经过跟踪微分器处理的误差及误差的微分作为输入,模糊PID控制器输出为PID控制器各项系数,含补偿因子的模糊控制器输出为补偿因子,结合模糊PID控制器,形成有效解决非对称液压缸非对称性问题的控制方法。仿真和试验结果表明,提出的控制方法能够有效解决电液伺服阀控非对称缸系统的控制非对称性问题,并拥有良好的控制效果。     

伺服阀控非对称缸的压力跃变分析与仿真

本文首先对液压伺服阀控非对称缸系统进行数学建模,分析计算了伺服阀控非对称缸在换向时产生的压力跃变,用AMESim仿真软件对系统进行了仿真,得出压力跃变曲线。最后设计了差动控制回路来解决阀控非对称缸的压力跃变问题。     

基于电液力伺服系统的液压阀控缸自抗扰控制研究

现有传统电液阀控缸系统非线性、抗扰动、鲁棒性差等特点,该文以液压阀控缸系统为研究对象,采用电液力伺服控制技术,提出了一种基于自抗扰(ADRC)的电液力伺服阀控缸伺服控制研究。首先,介绍传统非对称阀控缸系统组成和控制原理,建立其数学模型;然后设计电液阀控缸力控制算法原理,并设计了ADRC控制器;最后,以单个液压阀控非对称缸为实验对象,搭建实验平台,分别以阶跃信号、正弦信号、以及外界扰动信号对提出的算法进行了相关实验,实验结果验证了该文设计的基于自抗扰(ADRC)的电液力伺服阀控缸伺服控制算法的合理性和有效性,提高了系统控制精度和抗扰动能力。     

工作辊弯辊系统的双阀联动控制

根据阀控非对称弯辊缸系统的非对称特性,修正系统负载并给出了匹配非对称阀控制非对称缸系统的传递函数。研究了匹配非对称阀控制非对称缸力控制系统的非线性补偿和动压反馈控制策略。探讨了用双阀联动来等效匹配非对称阀控制非对称缸系统的可行性。仿真和实验结果验证了双阀联动控制工作辊弯辊系统的控制策略,为分析和综合非对称阀控制非对称缸系统奠定了基础。     

基于NARMAX模型的阀控非对称缸神经网络预测控制

针对非对称缸位置跟踪控制精度较差,提出了一种基于非线性自回归平均滑动离散模型(NARMAX)和量子粒子群算法的神经网络预测控制策略(QPSO-NNMPC)。利用NARMAX模型表示阀控非对称缸的动态模型,使用粒子群算法优化BP神经网络(PSO-BP)对阀控非对称缸系统在线预测,使用量子粒子群算法(QPSO)对目标函数非线性优化。仿真结果表明,在不同频率期望信号与变干扰力情况下,该控制策略具有良好的跟踪效果和鲁棒性。     

非对称缸电液伺服系统的静态特性分析

通过对对称阀控非对称缸和非对称阀控非对称缸电液伺服系统的压力特性、输出特性的对比分析,揭示了阀控非对称缸系统静态特性的基本特征,指出为研制高性能的非对称缸电液伺服系统采用非对称阀控非对称缸是最佳液压控制方案。进而探讨了系统的最佳负载匹配关系,给出系统设计准则,为正确设计阀控非对称缸伺服系统并进一步研究该类系统的控制方法,改善系统性能奠定了理论基础。     

基于状态反馈线性化的阀控非对称缸系统模型预测控制

针对使用PID方法对阀控非对称液压缸位置控制中出现的超调问题,以及传统非线性模型预测控制优化求解计算时间较长的问题,提出了一种基于状态反馈线性化的阀控非对称缸模型预测控制方案。首先建立了阀控系统状态空间模型,运用微分几何理论讨论系统可反馈线性化的充要条件,并将非线性系统映射为新坐标空间内的线性系统模型;设计了反馈线性化模型预测控制器(Feedback Linearization Model Predictive Controller, FLMPC),讨论了线性系统下的约束问题,其中由于系统仿真预测时域远小于系统响应时间,对模型预测控制的损失函数加以修正。结果证明,在相同输入情况下,反馈线性化系统与原系统的位置误差满足控制需要,且在保证被控对象快速稳定控制的条件下,对比该算法与非线性模型预测控制的单步计算时间,证明该算法能够缩短计算时间。     

考虑阀口误差的阀控非对称液压缸系统建模、仿真与试验

从解决比例阀控制非对称缸系统存在的超压问题入手,分析因加工误差引起的各阀口重叠量不一致这一非线性因素对系统性能的影响,建立考虑阀口误差的阀控非对称缸系统的非线性状态方程模型和键图模型。应用这两种非线性数学模型分析一实际非对称阀控制非对称缸系统的压力特性,与试验结果的对比分析验证了所建的非线性数学模型的正确性。仿真和试验研究揭示比例阀控制非对称缸系统的阀口误差对系统性能影响较大,往往是引起有杆腔压力超过供油压力的主要原因。通过大量仿真研究获得了阀口误差与系统超压之间的关系,研究表明适当提高比例阀阀口的加工精度有利于消除超压现象和提高系统的性能,进而建议将某些比例阀阀口误差控制在最大阀位移的0.5%以内。给出的两种非线性数学模型具有通用性,可用于对各类阀控缸系统进行系统仿真、设计和控制策略等方面的理论研究工作。     

非线性系统的改进型迭代学习控制算法研究

针对普通闭环PD型迭代学习控制算法收敛速度慢且收敛精度不高的问题,通过在闭环PD型控制算法中引入动态扩张-收缩因子(dynamic expansion compression coefficient,DECC)的方法,提高闭环PD型算法的收敛速度以及收敛精度。同时将鲁棒控制引入至算法中,进一步提高算法抑制外界干扰的能力。通过构造李雅普诺夫函数证明了在所提改进的控制律作用下的信号是有界且收敛的。最后将改进的迭代学习控制算法应用在一类具有重复运行性质的非线性系统中,证明所提算法是有效的。     

阀控液压缸动力机构通用非线性建模与试验验证

在分析阀控液压缸动力机构工作原理的基础上,应用流量和力平衡方程建立了阀控液压缸动力机构的非线性状态方程数学模型,并运用该模型分别对某六自由度实验平台的对称阀控制非对称缸电液伺服系统和某实际非对称阀控制非对称缸电液伺服系统的压力特性进行仿真分析,通过仿真和试验结果的对比,验证了所建阀控液压缸动力机构非线性状态方程数学模型的正确性。该数学模型具有通用性,可用于各类阀控液压缸系统的仿真、设计和控制策略等的理论研究。     

基于ADAMS的阀控非对称缸仿真研究

文章基于ADAMS,建立了阀控非对称缸的实体模型和液压系统,对其速比特性进行了分析并得出仿真结果;进一步对阀控非对称缸进行非线性建模,利用ADAMS与MATLAB对系统进行仿真,得到阀控非对称缸系统的动态及静态参数值。详细介绍了ADAMS与MATLAB联合仿真的建模过程及实现方法。     

液压伺服系统建模与模糊自适应PID控制研究

液压伺服系统中存在非线性、参数变化、外负载干扰等问题,这些特点和问题很大程度上影响了液压伺服系统的性能。传统的PID控制在解决高精度非线性控制问题时效果不理想,一种模糊自适应PID控制方法被提出。针对液压阀控非对称缸系统,该文分析并建立了阀控非对称缸位置控制系统的动态数学模型。基于MATLAB仿真软件,将传统PID控制策略与模糊自适应PID控制策略分别应用于阀控非对称缸的位置控制中,进行仿真研究。仿真实验结果表明,采用模糊自适应PID控制器系统能克服传统PID控制器的局限性,且具有较强的鲁棒性,较好的动态品质以及较高的控制精度。     

迭代学习控制在某机械系统中的应用研究

针对某特定机械系统中,跟踪一些重复轨迹的问题,建立了该特定机械系统的数学模型,并提出了一种PID型迭代学习控制方法。此外,为了同时保证该机械系统的收敛性和鲁棒性,在提出的这种PID型迭代学习算法中引入了一个遗忘因子。并从理论上分析证明了该种控制算法下,系统输出想要收敛于理想的跟踪信号需要满足的条件。最后,仿真结果表明,所提出的这种控制算法利于系统消除扰动,跟踪重复轨迹信号有着较高的跟踪精度。     

PID控制的阀控缸系统的Modelica建模与仿真实现

针对PID控制的阀控缸系统基于Modelica语言在开源仿真环境OpenModelica中进行了建模和仿真。给出了一套完善的阀控缸系统的建模思路,且所建立的模型具有很好的模型复用性。通过与AMESIM中建立的相同系统在相同参数下的仿真结果进行对比。结果表明,二者仿真结果基本一致,验证了所建立模型的正确性。由于整套系统均在开源环境下建模并仿真,因此解决了在实际工程中仿真PID控制的阀控缸系统时由于商业软件价格昂贵而造成的仿真成本过高的问题。     

差动阀控非对称缸系统的稳态特性分析

差动阀是具有R型机能的比例方向阀,无需借助外部元件,即可构成差动回路。通过推导得出了差动阀控非对称缸系统在稳态下系统的压力特性、承载范围和速度-负载特性。与常规阀控非对称缸系统进行对比分析,指出了差动阀控非对称缸系统一些独有的特性,如空载下油缸正反向速度增益相等、伸杆时差动阀的通流能力小于标准控制阀等,并对差动阀的选型和使用进行了讨论。     

基于闭环PD型迭代学习控制的注塑机注射速度轨迹跟踪控制

针对注塑机注射速度的非线性和时变性特点,为提高注射速度对特定曲线的重复跟踪能力,提出了基于闭环PD型迭代学习控制的注塑机注射速度轨迹跟踪控制算法。该算法利用系统实际输出与期望目标之间的偏差修正不理想的控制信号,若干次迭代后,系统能够实现期望轨迹的跟踪。建立了注射速度的动态模型,同时给出系统的控制算法和结构。仿真结果表明:该控制器能有效跟踪期望的注射速度轨迹,响应速度更快,超调量更小,稳定性更好,控制效果优于常规PID控制器。     

基于迭代学习的光伏路灯轨迹跟踪控制

为提高光伏路灯对太阳的轨迹跟踪能力及储能效率,提出了一种两关节型结构的光伏路灯,根据相关天文学公式和参数计算出太阳轨迹,采用闭环PD型迭代学习控制算法对其进行轨迹跟踪控制。建立了两关节型光伏路灯的动力学模型,给出了闭环PD型迭代学习控制算法。分别对独立PD控制和闭环PD型迭代学习控制进行仿真对比,结果表明采用闭环PD型迭代学习控制算法对轨迹跟踪是有效的。     

基于高斯过程的阀控非对称液压缸模型预测控制

针对阀控非对称液压缸系统在采用PID控制器进行位置闭环控制时,存在液压缸活塞位置超调和由伺服阀阀芯切换导致控制效果差的问题,设计了基于高斯过程的非线性模型预测控制器。采用高斯过程回归训练得到阀控非对称缸系统的离散数学模型,通过求解二次规划问题,控制器输出最优序列。仿真结果表明,该机器学习方法有效估计了位置增量中噪声的标准差,预测输出更接近真实值;在多约束条件下能有效提高系统响应时间,保证活塞位置无超调,位置控制精度满足0.1 mm。     

基于Backstepping的阀控非对称缸电液伺服系统非线性控制

考虑了阀控非对称缸电液伺服系统的控制问题。首先给出了系统的动态模型，然后基于Backstepping方法得到了系统的非线性控制器。这种方法可以扩展到液压驱动机器人控制的设计上。最后对所提出的非线性控制策略与常规的PD控制方案进行了比较，仿真结果表明所提出的非线性控制策略具有更高的控制精度。