电液负载模拟器的RBF神经网络控制

针对传统控制器自适应能力和鲁棒性差、参数调节繁琐等缺陷,提出了神经网络自适应控制方案,同时针对神经网络控制器计算复杂和稳定性证明缺乏理论依据等不足问题,在传统控制理论的基础上设计了基于PID的神经网络控制方案。根据电液负载模拟器的结构特点和目前神经网络控制的发展水平,提出了基于RBF神经网络的PID控制器,并构建了负载模拟器的神经网络控制与基于Jacobian的消扰(消除多余力)结构,仿真和试验证明其具有很好的自适应性和鲁棒性。     

交流伺服系统模糊自适应控制研究

针对交流伺服系统提出了模糊自适应控制方案,将模糊控制器和PID控制器结合在一起,进一步完善了PID控制器的性能,实现了PID控制器参数在线调整.仿真结果表明:参数自适应模糊PID控制器提高了控制精度和快速跟踪能力,抗干扰能力强,具有较强的鲁棒性.     

数控机床进给伺服系统模糊自适应PID仿真

针对传统的PID控制策略不能满足数控进给伺服系统的对控制性能要求。结合模糊控制理论,在传统PID控制基础上设计出一种基于模糊决策的模糊自适应PID控制器。运用模糊控制理论,对PID参数进行实时修改,使系统具有较好的自适应能力和较强的鲁棒性。在MATLAB环境下对进给伺服系统进行了动态仿真;仿真结果表明,模糊自适应PID控制器的控制性能远优于常规PID控制器,即使在外界干扰和系统工况发生变化时,此控制器也具有很好的快速响应特性和较强的鲁棒性。     

基于自适应PID控制器的平面一级倒立摆的研究

倒立摆是一个强耦合、严重不稳定的系统,其背景来源于火箭发射等课题.在该系统中,PID控制器常常被采用.由于该系统在建立数学模型时次要的因素被忽略了,实际上是一个非线性系统;为了提高系统的控制性能,根据计算智能逼近非线性系统的功能,设计一个RBF神经网络控制系统,实现对常规PID控制器的参数进行自适应整定.最后使用BC++编写系统的控制程序,通过实物控制验证基于RBF神经网络的PID控制器参数的自适应整定的系统具有较好的瞬态性和鲁棒性.     

基于神经网络的液压材料试验机系统自适应PID控制研究

针对液压材料试验机运行过程的出现的精度不高、系统不稳定等问题,对该电液位置伺服系统进行了研究。首先建立了电液位置伺服控制系统的数学模型,运用Ziegler-Nichols传统PID整定方法进行了优化处理;此外设计利用了有监督Hebb神经网络学习算法,给出了基于Matlab语言的PID控制器的S函数,在此基础上建立了单神经元PID自适应控制器的Simulink仿真模型;在系统的稳定性和鲁棒性上,分别通过对传统PID控制方法或先进PID控制算法优化的系统动态性能进行了评价,并且进行了Matlab仿真模拟实验。研究结果表明:采用神经网络控制优化的电液位置伺服系统具有更好的稳定性和鲁棒性,优化解决了材料试验机运行过程中精度不高、系统不稳定的问题。     

电液位置伺服系统的MPC控制仿真分析

电液位置伺服系统广泛应用在大负载、快速、精确反应的控制领域中,然而其存在时变非线性的特性,因此传统控制系统不能达到理想的控制效果。模型预测控制(Model Predictive Control, MPC)具有无需模型、鲁棒性强、抗扰动能力强等优点,较适合应用在时变非线性系统的控制中。分别采用PID控制、线性MPC、自适应MPC和非线性MPC 4种控制策略对电液位置伺服系统的控制性能进行仿真研究。结果表明：线性MPC、自适应MPC和非线性MPC都比PID控制性能好,非线性MPC控制精度较高、响应速度较快、抗扰动能力较强,自适应MPC控制精度、响应速度和鲁棒性次之。     

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。     

直驱泵控压力伺服系统自适应模糊PID控制

直驱泵控压力伺服系统属于典型的非线性时变系统,采用传统PID控制存在系统适应性差、压力波动幅度大以及跟踪控制精度低等问题。根据PID参数对压力伺服系统响应特性的影响规律,设计了根据系统误差和误差变化率在线自适应调整PID参数的自适应模糊PID控制器,分别采用传统PID控制和自适应模糊PID控制策略进行了直驱泵控压力伺服控制仿真与实验研究。结果表明,自适应模糊PID控制策略能大大改善PID控制的性能,使系统具有响应速度快、压力波动幅度降低、滞后与超调小的特点,提高了系统的动态品质和控制精度。     

基于单神经元模糊自适应PID控制的电液位置伺服系统研究

由于电液位置伺服系统具有非线性、时变性等特点,增加了它的控制难度,采用常规的PID控制方法难以满足高精度的控制要求.为此设计了一种具有自适应、自学习功能的单神经元模糊自适应PID控制器.实验表明该控制器具有较好的鲁棒性,保证了较好的静、动态精度.     

交流位置伺服系统自适应模糊PID控制器设计

为实现机电伺服系统的高精度位置跟踪控制,针对实际系统运行过程中所存在的转动惯量和负载力矩变化大等各种不确定因素,提出了一种基于滑模面的自适应模糊PID策略。利用梯度下降法实时修正PID控制器的参数,使用模糊逻辑系统逼近系统中不确定量,以使控制器能根据伺服系统运行过程中的负载特性实时调整速度给定值,从而减小系统参数变化和外部干扰对伺服系统性能的影响,最后通过Lyapunov方法推导出了模糊补偿器中不确定参数的自适应律。仿真结果表明：该控制策略与传统PID控制相比具有系统跟踪误差小,响应速度快,跟踪性能好的优点,对参数摄动及外界负载扰动具有较强的鲁棒性。     

用于气动伺服系统的自适应神经模糊控制器

研究了一种基于压力比例阀的气动伺服系统自适应神经模糊控制器。其中的神经网络辨识器（NNI）通过高线训练可以充分逼近非线性动态系统的模型,并能够在线调整模糊控制器的控制规则。系统的位置控制精度和伺服特性有了很大改善。试验结果表明,所提出的控制器对该气动伺服系统具有很好的控制特性以及很强的自适应能力。     

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。     

基于RBF神经网络在带钢厚度控制中的应用

轧钢厚度控制系统的数学模型难以精确建立,传统的PID控制器的自适应能力较差,很难达到满意的控制效果。本文根据以上问题。提出了一种新的控制方法,即基于RBF神经网络自整定PID控制方法。这种控制方法结合了RBF神经网络和PID控制器的控制优势,不仅具有很强的自适应能力、鲁棒性。而且充分发挥了PID控制优势,并且将这种控制方法应用在带钢厚度的控制系统中,取得了很好的控制效果,证明了控制方案的正确性和有效性。     

基于Narendra稳定自适应控制器交流伺服电机的控制

交流伺服电机在实际运行的过程中负载的变化,负载的变化导致控制系统参数发生改变,如系统的频率、阻尼等。针对这些本身参数发生的变化系统,变化较小时,简单的控制器对控制结果影响不大,但控制很难对其变化进行调节控制,人工智能控制器可自动适应负载的变化,而神经网络、模糊控制等,但这些控制器存在结构复杂,调整时间长等,实际应用中得不到很好的应用。利用自适应控制设计方法,将系统转换成线性的可控系统,并引入不确定参数构造控制器的自适应估计律,实时对未知参数进行调整,保证整个闭环系统的动态品质。为提高系统的动态控制品质,引入Narendra稳定自适应控制器对交流伺服电机控制进行控制,利用不同的输入信号对控制进行测试,结果表明,Narendra稳定自适应控制器对交流伺服电机控制系统具有良好的控制性能。     

Identification and real-time position control of a servo-hydraulic rotary actuator by means of a neurobiologically motivated algorithm

This paper presents a new intelligent approach for adaptive control of a nonlinear dynamic system. A modified version of the brain emotional learning based intelligent controller (BELBIC), a bio-inspired algorithm based upon a computational model of emotional learning which occurs in the amygdala, is utilized for position controlling a real laboratorial rotary electro-hydraulic servo (EHS) system. EHS systems are known to be nonlinear and non-smooth due to many factors such as leakage, friction, hysteresis, null shift, saturation, dead zone, and especially fluid flow expression through the servo valve. The large value of these factors can easily influence the control performance in the presence of a poor design. In this paper, a mathematical model of the EHS system is derived, and then the parameters of the model are identified using the recursive least squares method. In the next step, a BELBIC is designed based on this dynamic model and utilized to control the real laboratorial EHS system. To prove the effectiveness of the modified BELBIC's online learning ability in reducing the overall tracking error, results have been compared to those obtained from an optimal PID controller, an auto-tuned fuzzy PI controller (ATFPIC), and a neural network predictive controller (NNPC) under similar circumstances. The results demonstrate not only excellent improvement in control action, but also less energy consumption.     

基于神经网络的卷烟共线分拣系统自适应控制

针对目前方法自适应控制卷烟共线系统时,由于未能依据Lyapunov函数确定系统的控制规律,导致在实施系统自适应控制时,存在控制效果差、控制误差高和控制性能低的问题,提出基于神经网络的卷烟共线分拣系统自适应控制方法。首先依据Lyapunov函数确定系统的控制规律,建立对象控制模型并使用前馈神经网络训练模型,优化控制器参数,完成控制器的设计;再利用控制器的参数建立线性和非线性2种自适应控制方法;最后通过制定的切换规则,完成自适应算法的平滑转换,实现系统的自适应控制。实验结果表明,运用该方法控制系统时,控制效果好、控制误差低以及控制性能高。     

基于神经网络控制算法的气动伺服系统运动分析研究

提出了一种神经网络控制方法并通过对气动伺服系统的无杆气缸运动控制,探究此控制方法的控制精度。由于受空气可压缩性、摩擦力以及启动系统的扰动等非线性因素的影响,气动伺服系统很难去建立精确的数学模型。根据系统的非线性特点及PID控制不足,基于BP神经网络控制,设计神经网络PID控制器,并进行实验。通过实验,对无杆气缸的运动特性分析,表明这种控制策略可以更好控制气动伺服系统的运动精度。     

电液伺服系统RBF神经网络滑模控制

针对阀控液压缸位置伺服系统非线性导致模型参数确定困难及干扰问题，在分析三阶位置控制的电液控制系统原理及模型的基础上，引入神经网络的RBF 径向基控制模型和自适应滑模算法，同时考虑了非1负反馈参数，建立了基于RBF 神经网络滑模控制的电液伺服控制系统数学模型。通过选取合适的Lyapunov 函数，分析了系统稳定性，解决了参数未定及挠动情况下的电液伺服系统控制器设计问题。仿真结果证明，所设计的控制器使系统的输出对给定信号的跟踪精度高，响应快，具有较强的鲁棒性。     

基于改进遗传算法的模糊RBF神经网络控制在液压伺服系统中的应用研究

针对电液伺服系统普遍存在非线性、时变性和不确定性的情况,提出一种基于改进遗传算法的模糊RBF神经网络控制方法。该方法采用模糊RBF神经网络控制实现对液压伺服系统的自适应模糊控制,并将GA的全局寻优及BP局部寻优相结合,克服了单独应用GA算法或BP算法调节模糊RBF神经网络控制器参数存在的缺陷。仿真结果表明,该方法具有很强的自适应性和鲁棒性。     

基于改进PSO算法的电液位置伺服系统MRAC跟踪控制

针对电液位置伺服系统控制性能不佳的问题,提出一种基于改进PSO算法优化的模型参考自适应(Model Reference Adaptive Control,MRAC)跟踪控制方法。首先,建立电液位置伺服系统数学模型,设计出模型参考自适应控制器;其次,分析PSO算法、APSO算法在参数寻优过程中的不足,提出一种改进的PSO算法;最后,将改进的PSO算法用于模型参考自适应控制器以改善其控制性能。结果表明,改进PSO算法优化的模型参考自适应控制具有响应速度快、跟踪精度高的优点。