基于灰色预测的动态Smith预估控制

本文对传统Ｓｍｉｔｈ预估器进行定性分析,给出了Ｓｍｉｔｈ预估器的实用模式,并应用灰色系统理论动态建立过程模型,与灰色预测反馈一起构成大时滞控制器。     

基于RBF神经网络的电液伺服系统应用研究

采用RBF神经网络实现对电液位置伺服系统辨识建模,在线跟踪系统模型的变化,以此为基础设计控制参数可在线调节的神经网络PID控制器,解决系统非线性以及不确定性给系统带来的控制问题,提高系统的控制性能,实现系统的智能控制。     

串联灰色神经网络模型的研究

针对传统灰模型适应性和自学习能力差、中长期预测精度不理想的情况,在3种精度较好的灰模型的基础上引入BP神经网络,构建了串联灰色神经网络模型。仿真表明,这种灰色神经网络模型未出现预测残差和相对误差逐步增加的情况,预测精度明显好于灰模型,适合应用。     

电液比例减压阀控换档系统控制策略研究

电液比例减压阀控换档系统可灵活实现不同的换档过程要求,在车辆自动换档系统中应用越来越多。然而该系统在离合缸的充油行程末端极易出现很大的液压冲击,影响换档品质和换档系统的可靠性。提出压力反馈四段式换档控制策略,结合渐近关闭缓冲器处理这个问题。     

基于神经网络的Smith预估控制器

在常规Smith预估控制器的基础上,结合神经网络理论,得到了一种基于神经网络的Smith预估控制器,弥补了Smith预估器在解决模型不确定时滞系统时的不足.仿真实验证明了所提出控制器的有效性.     

基于三通比例减压阀的恒减速制动性能研究

针对矿井提升机在恒减速紧急制动过程中存在的安全稳定性问题,提出了基于三通比例减压阀的恒减速制动系统,研究了提升机在紧急制动工况下的动态特性.在RecurDyn中考虑各部件的约束及接触,建立了提升系统的动力学模型;在Simulink中建立了三通比例减压阀的动态模型,在此基础上搭建了刚柔耦合的恒减速紧急制动联合仿真模型;通...     

基于AMESim的先导式比例减压阀建模与仿真

在分析先导式比例减压阀结构与工作原理的基础上,利用HCD液压元件库建立了先导式比例减压阀的AMESim仿真模型,设置模型参数,对阀的静态和动态特性进行仿真分析,并讨论了影响先导式比例减压阀动静态特性的主要因素,为比例减压阀的设计、选型及控制提供了理论依据。     

气动伺服位置系统的神经网络辨识及控制

针对传统控制器对数学模型依赖的缺点,利用神经网络具有逼近任意非线性函数的优点,采用RBF算法,对气动伺服位置系统模型进行参数辨识,结果证明行之有效。这种具有控制与辨识功能的方法为非线性系统的参数确认和优化控制提供了新的途径。     

基于对角递归神经网络的肟化投酮量在线预估

本采用具有对角递归神经网络结构及相应计算方法,依据生产过程的实测数据,初步研究了磷酸羟胺法（ＨＰＯ法）中环己酮肟化投酮量的在线预估计并得到了较为满意的结果,为进一步探索了环己酮肟生产的优化操作做了一些尝试。     

电液比例阀用双向比例控制器的研究

为了实现电液比例阀的双向比例控制,研制了一种利用专门用于阀用直线电机控制的基于芯片LMD18200的电路来实现双向控制要求,利用模拟电路设计产生PWM信号占空比可调来实现比例控制要求的控制器。研究分析了电机控制芯片电路的控制过程,模拟电路产生的PWM信号的占空比和频率调节原理。理论分析和实物实验表明,所设计的比例控制器性能可靠。利用MATLAB曲线拟合出指令信号差值和PWM信号占空比的关系。通过线性回归验证,能够通过调节PWM信号满足双向比例放大的需求。     

一种新型喷嘴挡板式电-气压力伺服阀的研究

基于喷嘴挡板阀原理,提出了一种新型电-气压力伺服阀,阐述了电-气伺服阀工作原理,结合力矩马达静特性和喷嘴挡板间隙χ-背压p<,c>特性的理论分析,对电流χ与背压腔P<,c>的压力特性曲线进行了理论分析和实验研究,理论计算与实验研究结果基本一致.     

电液比例压力阀在柱塞泵系统中的研究

针对柱塞泵系统中用电液比例压力阀,介绍了电液比例压力阀的基本组成,利用MATLAB软件建立相应的数学模型并进行了仿真分析,并进行试验验证.结果表明:加节流孔后阀的动态响应性能更好,试验结果验证了仿真结果的准确性,表明此种比例压力阀能够满足高性能电液比例柱塞泵系统的要求.     

装有通用比例压力阀的恒压式变量柱塞泵

提出一种新颖的方式对恒压式变量柱塞泵的变量机构进行改进 ,并对改进后的系统分析仿真。改进后的系统可以在工作过程中对输出压力进行实时调节 ,并达到了节能、环保的效果     

基于比例阀的气动伺服系统神经网络控制方法的研究

研究了用神经网络PID控制器对基于比例阀的气动伺服系统进行控制的方法。用神经网络辨识器来逼近非线性动力学系统,并在线修改控制参数。实验及分析表明,适当的选择网络参数,经过充分的离线训练,该控制器可以进行在线的自适应控制,系统的控制精度和动态特性有明显提高,且在环境参数变化时,控制器具有在线自学习和自整定参数的能力。     

灰色关联分析的神经网络模型在轴承故障预测中的应用

为提高小样本轴承故障预测的精度,提出了灰色关联分析的神经网络预测模型。利用神经网络训练样本数据,并使用灰色关联分析不断调整其隐含层节点数,以寻找到最优的数据解,完成训练过程;基于已训练好的模型对未来时间点的运行状态进行分析,并根据设备的理论诊断标准实现故障预测。将提出的模型与同样可预测小样本波动数据的灰色马尔科夫预测模型进行实例应用对比,结果显示,灰色关联分析的神经网络预测模型效果明显优于灰色马尔科夫模型。     

齿轮箱故障诊断灰色神经网络模型的研究

传统的信号处理方法不易提取故障特征,给齿轮箱的故障诊断带来很大困难。建立了齿轮箱故障诊断的灰色神经网络模型,结果验证该模型的诊断结果具有较高准确性,适于提取故障信号的非线性特征,理论上为齿轮箱故障诊断提供了一个快速有效的方法。     

电液比例变量柱塞泵中压力补偿阀的研究

针对电液比例变量柱塞泵系统中的压力补偿闽,介绍了压力补偿阀在系统中的关键作用,建立了压力补偿阀的数学模型,利用MATLAB软件建立相应的系统模型并进行了仿真分析和试验验证.结果表明:不同开口的压力补偿阀的动态特性各不相同,试验结果验证了仿真结果的准确性,为压力补偿法和电液比例变量柱塞泵系统的匹配提供了参考依据.