泵控缸电液位置伺服系统建模研究

针对泵控缸电液位置伺服系统存在非线性和时变性,从而难以对其精确建模的问题,研究了该系统机理建模和智能建模的方法.通过实验仿真表明,机理建模精度低、泛化能力差;模糊建模和BP神经网络建模可较好的拟合系统固有的非线性和时变性特性;基于遗传算法的BP神经网络较好的解决了BP神经网络易陷入局部最小的问题,具有建模精度高、泛化能...     

扫雷器发射架电液伺服系统改进自抗扰控制

针对某爆破扫雷器发射架电液位置伺服系统响应速度慢、跟踪精度低、抗扰能力差的问题,设计一种改进自抗扰控制器。利用BP神经网络强大的自学习和非线性逼近能力对自抗扰控制器中的关键参数在线整定,并结合遗传算法(genetic algorithm,GA)对网络的初始权值进行优化;利用AMEsim和Simulink软件对该改进自抗扰控制器进行联合仿真验证。结果表明：该控制方法可有效提高系统的抗干扰能力,同时保证扫雷器的调炮速度和精度。     

基于BP-GSA优化的某随动平台滑模控制

为实现某随动平台负载模拟器响应的快速性和系统的鲁棒性,提出一种基于遗传模拟退火算法(genetic simulated annealing,GSA)优化的BP神经网络(BP-GSA)滑模控制方法。根据负载模拟器各环节硬件组成,建立系统等效数学模型;采取非奇异终端滑模实现对系统的控制,并采用BP神经网络对状态方程中未定项进行逼近,利用GSA算法调整网络节点权值。实验仿真结果表明：相比于传统滑模控制和PID控制,该方法在具有扰动输入的情况下,具有最小的稳态误差和最快的跟踪速度,能够有效提升系统的响应速度和力矩跟踪精度。     

基于GA-BP 神经网络战储仓库选址决策模型

针对各战略方向战储仓库选址决策问题,提出基于GA-BP 神经网络的战储仓库选址决策模型。通过分析 战储仓库选址的影响因素,构建战储库选址决策指标体系;基于BP 神经网络建立选址决策模型,运用遗传算法 (genetic algorithm,GA)对反向传播(back propagation,BP)神经网络的权值和阈值进行优化,并给出实例证明遗传 算法优化BP 神经网络,可提高选址决策的效率和精准度。结果表明,该研究可为科学开展战储仓库选址工作提供 思路和方法。     

基于遗传算法优化BP神经网络的供暖系统热负荷预测模型

针对供暖系统热负荷短期预测问题,利用改进的遗传算法(genetic algorithm,GA)对BP神经网络(back propagation neural network)的初始权值和网络结构进行优化,并在遗传进化过程中采取保留最佳个体的方法。该方法克服了一般BP网络初始权值的随机性和网络结构训练过程中的所带来的网络震荡,以及一般BP网络容易陷入局部极小等问题。同时结合一般BP神经网络方法进行仿真实验和分析比较,结果表明:该方法具有全局寻优能力,预测精度高,绝对和相对误差较小,收敛速度快,能够有效针对供暖系统热负荷进行短期预测。     

基于遗传算法的BP网络在导弹武器系统元器件贮存可靠性预测中的应用

针对目前BP神经网络在应用中,网络结构难以确定以及网络极易陷入局部解问题,用遗传算法优化神经网络的连接权和网络结构,并在遗传进化过程中引入交叉概率和变异概率与个体的适度值相联系,改进了操作算子,而且在交叉操作后又引入模拟退火机制,提高遗传算法的局部搜索能力.建立了基于改进遗传算法的BP网络贮存可靠性预测模型,并以某型导弹武器系统的元器件进行实例分析,计算结果表明,该方法预测的准确性高,且预测结果稳定.     

基于神经网络和遗传算法的火炮结构动力学优化

为研究炮口扰动优化问题,提出采用非线性有限元、试验设计、神经网络和遗传算法相结合的方法进行火炮结构动力学优化。建立了某大口径火炮上装部分非线性有限元动力学模型,结合试验设计进行了火炮结构动力学分析。以试验数据为训练样本,建立了基于贝叶斯正则化算法的反向传播（BP）神经网络来模拟火炮总体结构参数与炮口扰动之间的非线性映射关系。构造了炮口扰动优化目标函数,利用遗传算法对目标函数进行求解,实现了火炮总体结构参数的动力学优化。研究表明所建立的火炮总体结构参数与炮口扰动之间的非线性映射关系具有很高的可信度,运用该方法进行火炮结构动力学优化行之有效。     

基于WNN-ADRC 的高炮交流伺服系统控制

为解决高炮交流伺服系统控制中外界扰动及非线性特性的问题,提出一种基于小波神经网络的改进型自 抗扰控制器(WNN-ADRC)。利用LM(levenberg-marquardt)算法优化小波神经网络,采用优化后的小波神经网络对 扩张状态观测器的误差校正增益系数进行在线整定,设计基于小波神经网络的自抗扰控制器,以实现对非线性特性 的准确估计并予以补偿,并通过仿真实验进行验证。仿真结果证明：该控制策略使系统具有较好的稳态性能,抗干 扰能力强。     

余度伺服系统神经网络建模研究

针对余度伺服系统中的非线性和不确定性,进行了神经网络建模的研究.利用网络预测误差的相对平均值对神经网络的泛化能力进行了定量的分析.结合文中提出的动态递归网络,通过对三余度伺服系统的仿真,验证了本文提出的方法是可行的.     

基于未知输入观测器的车载炮电液位置伺服系统故障检测

针对车载炮电液位置伺服系统在运行时存在大惯量、负载非线性、参数不确定性和干扰等特点,提出一种基于非线性未知输入观测器的故障检测方案。在对系统建模后进行观测器设计,借助李雅普诺夫稳定性理论证明观测器稳定性并给出了存在条件,观测器产生用于故障检测的残差信号。在故障检测台上在线检测观测器的观测能力以及对故障的检测能力,设计了基于统计的动态阈值故障决策机制,消除了固定阈值在过渡阶段系统出现的误报警现象。实验结果表明：所提出的故障检测方案有效,可用于电液位置伺服系统在线故障的检测。     

某定深电液伺服系统的粒子群优化神经网络PID 控制

为解决定深电液伺服系统的系统参数难以确定、运行过程中内部参数具有时变性和外部负载扰动较大等 问题,设计一种将PID 控制器与神经网络相结合的控制策略。分析定深电液伺服系统的数学模型和控制器的结构与 工作原理,用径向基函数神经网络来动态修正PID 控制器中控制参数的策略,采用粒子群算法离线选取最优的神经 网络权值,用Matlab 将控制器应用于定深电液伺服系统中,并与经典的PID 控制器和RBF-PID 控制器进行对比。 仿真结果表明,该控制器具有较好的快速响应能力与鲁棒性。     

基于Smith预估补偿与RBF神经网络的PID控制在工业平缝机脚踏板调速模块中的应用

针对工业缝纫机调速模块的伺服系统普遍存在耦合,大滞后的现象,提出了一种将Smith预估补偿和RBF神经网络算法与PID控制器相结合的Smith-RBF-PID控制算法。该方法利用了Smith预估补偿能克服纯滞后和RBF能处理非线性问题、在线自学习整定PID参数的优点,在调速模块的伺服控制系统中更加有效。     

被动式电液力伺服系统的自适应反步滑模控制

针对被动式电液力伺服系统存在固有的多余力矩、控制伺服阀的非线性以及参数时变性问题,提出一种自适应反步滑模控制策略。建立系统的非线性状态空间方程;基于反步控制理论思想,通过3步递推法设计系统的反步控制器;在反步法递推的第3步结合滑模控制方法,选择合适的Lyapunov函数,给出系统不确定参数的自适应律,设计出非线性自适应反步滑模控制器,并利用Lyapunov稳定性定理对所设计的控制器稳定性进行证明。仿真和实验结果表明,该控制器能够有效地抑制多余力矩,并且对参数摄动及外界扰动具有较强的鲁棒性。     

基于人工神经网络的电液伺服系统加速度谐波辨识

对于电液伺服系统,由于系统非线性因素的存在,当正弦信号输入时,系统加速度输出中出现高次谐波,使加速度信号严重谐波失真。提出了基于人工神经网络(ANN)的谐波辨识方法,该方法利用Adaline神经网络在线辨识信号中各次谐波的幅值和相位,用实际加速度输出与辨识得到的加速度信号间的误差,通过LMS算法来调整Adaline神经网络的权值,从而利用权值计算各次谐波的幅值和相位。通过大量仿真试验证实,这种方法能快速有效精确地在线辨识各次谐波信号。     

基于混沌搜索的AMPSO-WNN 在交流伺服系统中的应用

为解决大功率交流伺服系统存在非线性和参数时变等不确定性的问题,提出一种混沌搜索的自适应变异 粒子群优化小波神经网络的预测模型。建立交流伺服电机数学模型,利用不同变异方法使粒子趋近于不同的搜索区 域,引入混沌优化算法改进粒子群,采用基于混沌搜索的AMPSO-WNN 算法,以提高全局收敛的概率和速度。仿 真结果表明：优化后模型的预测精度高于优化前,且改进后算法具有较强的函数逼近能力,网络性能得到了显著提 高,局部极小值问题得到了有效解决。