共查询到17条相似文献,搜索用时 656 毫秒
1.
为了提高电动负载模拟器的信号跟踪精度和多余力矩抑制能力,在分析系统结构和工作原理的基础上建立了电动负载模拟器系统的完整数学模型。针对电动负载模拟器中存在的力矩跟踪精度问题,提出了一种前馈补偿和基于小波网络的PID控制相结合的复合控制方法。利用改进的前馈补偿法抑制多余力矩,基于小波网络的PID控制器可以在线调整PID参数补偿系统的非线性环节,提高系统动态性能。仿真结果表明,复合控制器对多余力矩有良好的抑制效果,跟踪精度满足要求,和传统PID控制相比,系统鲁棒性得到显著提高。 相似文献
2.
3.
4.
为了抑制电动负载模拟器中存在的多余力矩,增强加载系统的非线性抑制能力,提出小脑模型(CMAC)神经网络与经典PID结合的复合控制策略,CMAC网络用于前馈控制,经典PID实现反馈控制,能够快速实时地消除多余力矩对系统的干扰。将存储单元的先前学习次数作为可信度,提出基于可信度分配的权值更新算法,来消除常规CMAC网络的过学习现象。建立了电动负载模拟器的数学模型,并给出了具体的算法流程。经仿真和试验结果表明,该方法具有很强的鲁棒性,有效地抑制了系统的多余力矩,提高了系统的加载精度。 相似文献
5.
提出了一种基于BP神经网络的PID控制器,该控制器有机结合了BP神经网络和PID的特点,克服传统PID控制存在的不足,并采用快速BP算法改善其收敛性,有效的提高了无刷直流电动机调速系统性能,仿真研究表明上述神经网络PID控制器,比传统PID控制器控制动态过程有明显改善,能够获得更高的跟踪精度。 相似文献
6.
7.
为了提高双缸锻造液压机的同步运动控制精度,设计了免疫神经网络PID控制器。分析了双缸锻造液压机同步控制系统原理,建立了阀控液压缸数学模型;针对传统PID控制器不具有参数自适应整定的缺陷,使用免疫算法对系统状态进行监测,根据系统状态实时调整PID参数,使PID控制更具有时效性和有效性;免疫算法中抗体抑制调节函数的构建精度极大影响控制精度,鉴于BP神经网络对非线性函数的无限逼近能力,使用BP神经网络逼近抗体抑制调节函数;经仿真实验验证,设计的免疫神经网络PID控制器具有超调量小、同步跟踪误差小、鲁棒性高等优势。 相似文献
8.
9.
10.
RBF神经网络补偿的并联机器人控制研究 总被引:1,自引:0,他引:1
为了实现对三自由度Delta并联机器人更精确的轨迹跟踪控制,对并联机构的动力学建模不确定性进行研究,提出了计算力矩控制基础上的RBF神经网络在线补偿控制策略。利用Lyapunov理论推导了神经网络在线权值自适应律,保证了系统稳定性。运用RBF神经网络在线自学习系统的不确定性,提高了控制效率同时增加算法的自适应性。在Simmechanics中建立系统物理模型并在Simulink中设计控制器,之后进行Simulimk/Simmechanics联合仿真,结果表明算法优于计算力矩控制,可以有效减小跟踪误差的收敛半径,实现对目标轨迹的准确跟踪。 相似文献
11.
为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。 相似文献
12.
程启明 《工业仪表与自动化装置》2004,(3):3-5
提出了一种基于CMAC神经网络控制系统,该系统由CMAC神经网络控制器和BP模型辨识网络组成。文中介绍了CMAC神经网络控制器的结构及学习算法,还给出了系统辨识的BP网络结构及学习算法。仿真结果表明了此法的可行性和有效性。 相似文献
13.
14.
针对振动与加载电液混合试验系统力加载跟踪过程中的多余力抑制问题,分析了振动与加载电液混合系统的组成及工作原理,建立了混合系统的动力学模型,并对动力学模型的准确性进行了验证。在此基础上,分析了混合系统加载多余力的产生机理,提出了振动与加载电液混合系统力加载前馈解耦控制算法。搭建了振动与加载电液混合试验台及嵌入式控制系统,利用振动与加载电液混合试验台进行了力加载控制策略的试验研究。结果证明,与传统PI控制器相比,提出的力加载前馈解耦控制算法可以更有效地抑制系统多余力,提高力加载的跟踪精度。 相似文献
15.
为解决传统的永磁同步电机控制系统中存在的低速转矩脉动大以及由此引起的高频噪声、动态响应慢等问题,提出了一种基于对角神经网络动态自整定的永磁同步电机矢量控制系统的实施方案.给出了基于对角递归神经网络的PID动态自整定控制器的结构,以及PID参数动态自整定的学习控制算法,并将这种综合控制策略引入永磁同步电机空间电压矢量PWM控制中.仿真结果表明,系统低速性能好,转矩脉动小,谐波含量少,当电机参数改变或者受到外部扰动时,系统具有良好的动态特性. 相似文献
16.
本文提出了一种新的自适应控制方法-基于神经网络的自适应控制,采用神经网络BP算法作为控制器来控制实际对象,动态地修改神经网络的权值作为自适应方法,使系统较好地适应负荷和外扰的变化,从而获得满意的控制质量。 相似文献
17.
Dr Shiuh-Jer Huang Chih-Feng Hu 《The International Journal of Advanced Manufacturing Technology》1996,12(6):450-454
Since a robotic manipulator has a complicated mathematical model, it is difficult to design a control system based on the complicated multi-variable nonlinear coupling dynamic model. Intelligent controllers using fuzzy and neural network approaches do not need a real mathematical model to design the control structure and have attracted the attention of robotic control researchers recently. A traditional fuzzy logic controller does not have learning capability and it needs a lot of effort to search for the optimal control rules and the shapes of membership functions. Owing to the time-varying behaviour of the system, the required fine tracking accuracy is difficult to achieve by adjusting the fuzzy rules only. The implementation problems of neural network control are the initial training and initial transient stability. In order to improve the position control accuracy and system robustness for industrial applications, a neural controller is first trained off-line by using the input and output (I/O) data of a traditional fuzzy controller. Then the neural controller is implemented on a five-degrees-of-freedom robot with a back propagation algorithm for online adjustment. The experimental results show that this neural network controller achieved the required trajectory tracking accuracy after 15 on-line operations. 相似文献