精校机电液位置伺服系统的广义预测控制

建立精密校直液压机(精校机)电液位置伺服系统离散数学模型,将广义预测控制理论应用于精校机电液位置伺服系统中,提出精校机电液位置伺服系统的广义预测控制方法。仿真结果表明,系统的跟踪性能良好、控制精度提高。     

基于改进蚁群算法的电液伺服系统跟踪控制

针对经典蚁群算法只能用于解决特定组合优化问题的缺点,提出了改进的蚁群方法。该算法首先对时间和控制变量实施离散化,以一组整数编码的蚁群路径表示可行控制策略,进而应用蚁群寻优操作搜得离散问题的最优控制策略。它能逐步收缩搜索域并迭代以消减离散化带来的偏差,不断改善寻优结果,增强算法的稳健性。最后将改进的蚁群算法应用于电液伺服系统的跟踪控制,仿真实验的结果显示此方法是可行的、有效的。     

蚁群算法在中厚板液压伺服系统中的应用研究

为解决在环境及负载扰动影响下,中厚板液压位置伺服系统采用常规控制方式很难取得理想效果的问题,首先为便于分析研究,根据中厚板液压系统各环节的机制特性,分别建立了位移传感器、伺服放大器、伺服阀、液压缸及轧辊组合等环节的数学模型.然后在对性能优良的离散蚁群算法改进基础上,通过多层次异构搜索机制对解空间精细搜索,得到可用于连续域寻优的多层蚁群算法.并将改进算法应用到液压位置伺服系统中,根据系统性能指标对控制器进行智能优化.仿真结果表明,采用多层蚁群优化算法的液压位置伺服系统收敛速度明显加快,适应能力与鲁棒性也要好于常规控制方式.     

电液位置伺服系统的单神经元PSD控制研究

研究了单神经元PSD控制器的一般结构，探讨了自适应PSD算法和改进的神经元学习规则，在SIMULINK环境下，针对实际的电液位置伺服系统进行了动态仿真，结果表明单神经元PSD控制器能使系统得到较好的控制效果。     

精校机电液位置伺服系统的最优二次型控制

精校机液压伺服系统是精校机的执行环节,是保证校直精度的关键.文章根据现代控制理论,在分析精校机工作特性的基础上,建立了精校机电液位置伺服系统的状态空间模型,设计了精校机电液位置伺服系统的二次型最优控制.仿真结果表明,系统具有良好的动态品质和跟踪性能.     

基于状态空间的精密校直机电液伺服系统的最优控制

精校机液压伺服系统是精校机的执行环节，是实现校直工艺的必要条件。本文根据现代控制理论，在分析精校机工作特性的基础上，建立了精校机液压伺服系统的状态空间模型，设计了精校机液压伺服系统的渐近跟踪最优控制。仿真结果表明，跟踪系统具有较好的动态品质和跟踪性能。     

基于单神经元自适应PID控制的位置扰动型电液伺服施力系统

针对位置扰动型电液伺服施力系统中多余力矩和参数变化问题，在用结构不变性原理进行补偿的基础上，采用单神经元自适应PID控制来确保系统有满意的跟踪性能。采用这种控制方法，可以较好地消除位置干扰的影响，同时克服系统的非线性及参数时变等因素的影响，提高了系统的鲁棒性和跟踪性能。仿真结果验证了上述结论。     

基于改进蚁群算法的电液比例系统PID参数优化

VACA是变尺度算法融入蚁群优化算法中而形成的一种混合算法。针对电液比例系统PID控制参数整定问题,提出了基于改进蚁群算法的PID参数优化方案,并给出了具体的实现步骤:建立臂架电液控制系统的数学模型,利用Simulink工具箱建立了电液比例控制系统的VACA-PID的仿真模型,进行了仿真和验证。结果表明:VACA-PID控制器具有良好的静、动态性能,完全能达到电液比例控制系统的要求。     

智能PID算法控制在伺服系统中的应用

伺服系统中闭环调节系统的参数整定是保证系统性能指标的重要环节.通过MATLAB对松下MSMA400W交流伺服电机建立仿真模型,并利用智能PID控制算法实现伺服电机系统位置环参数自整定,从而提高系统的稳定性和可靠性.     

基于改进遗传算法的单神经元自适应PID控制器

针对现有单个神经元的自适应PID控制器和遗传算法存在的不足，提出一种改进的遗传算法，并将其应用于单神经元自适应PID控制器中。该方法采用实数编码，模糊大变异操作，是为了提高收敛速度。仿真结果表明，基于改进遗传算法的单神经元自适应PID控制器不仅具有良好的控制性能，而且算法收敛速度优于现有的自适应控制器。     

基于单神经元自适应PID的精确流量控制

针对某流量标定系统中的精确流量控制问题,对流量对象的动态特性和稳态特性进行实验研究,分析了影响流量控制精度的原因.给出了一种基于改进单神经元自适应PID控制算法的精确流量控制方案.改进算法采用当前时刻之前的所有输出误差和控制增量加权平方和构成新的目标函数,利用牛顿法推导了采用新的目标函数的单神经元自适应PID控制算法的计算公式,并给出了K的自调整策略.对流量对象的控制实验表明,基于改进单神经元自适应PID控制算法的流量控制的动态性能和稳态性能可以达到流量标定的精度要求.     

基于改进蚁群算法的多机器人任务分配

研究了多机器人系统的任务分配方法,多机器人多任务分配是一个NP问题.针对多机器人系统在动态环境下自主任务分配问题,综合考虑任务约束及机器人的执行任务能力,采用了一种改进的蚁群算法,解决多机器人系统全局最优任务分配问题.通过对基本蚁群算法和改进的算法的仿真,验证了改进的算法实现了全局近似最优的任务分配.     

基于PLC的积分分离PID控制系统在精密校直液压机中的应用

针对管类、轴类零件校直校平的工艺要求,提出一种基于PLC的积分分离PID控制算法,其中PID控制算法通过PLC来实现,执行机构采用高频响伺服系统。实践结果表明:该系统响应速度快,超调小,校直精度和重复定位精度高。     

求解串并联系统备件配置问题的蚂蚁算法

通过对串并联系统配置成本问题的分析提出了基于蚂蚁算法求解该问题的方法。蚂蚁算法作为一种生物进化算法但它与其他进化算法一样存在易陷入局部最小的缺点。在基本蚂蚁算法的基础上,通过修改它的信息素局域和全局更新规则,引入自适应的信息素挥发系数来提高收敛速度和算法的全局最优解搜索能力。实验结果表明,改进的蚂蚁算法具有很好的全局搜索能力,使全局收敛性及收敛速度两方面均得到提高。     

基于PSD算法的神经元PID多电机同步控制

神经元PID控制器虽然具有自学习和自调整能力,但其增益K不具备这种能力。而增益K对多电机同步控制系统又有着十分显著的影响。为解决这一问题,将自适应PSD控制算法应用于神经元PID控制器中,形成增益K的自适应算法,解决了传统神经元PID控制器增益K无法实时在线调整的缺点,提高了传统神经元PID控制器的自学习和自调整能力。应用MATLAB7.0分别搭建常规PID、神经元PID和基于PSD算法的神经元PID的3种多电机同步控制系统模型,进行仿真比较。仿真结果表明：基于PSD算法的神经元PID多电机同步控制系统具有更好的自适应性和鲁棒性,实现了提高多电机同步控制系统控制精度的目的。     

基于改进蚁群算法的打磨机器人路径规划北大核心

针对打磨机器人在复杂空间中路径规划时存在收敛速度慢、容易陷入局部最优等问题,提出一种基于改进蚁群算法的打磨机器人路径规划方法。建立打磨机器人D-H连杆模型,进行正逆运动学分析以及计算验证;提出一种改进的信息素更新方法,将新的自适应计算方法应用于状态转移规则,并通过引入阻尼系数ξ改进启发式信息函数;在MATLAB中进行模拟仿真实验,得到改进蚁群算法最佳参数组合。结果表明:相对于基本蚁群算法,所提出的改进蚁群算法从起点到终点的最短路径长度平均减少14.3%,迭代次数平均减少55.3%;结合打磨机器人刀具位置等特点,可以获得路径长度最短且平滑的运动曲线。所提方法可有效解决打磨机器人三维路径规划问题。     

基于改进多步长蚁群算法的机器人路径规划

针对移动机器人路径规划时蚁群算法稳定性不足且易陷入局部极值的问题,提出一种改进多步长蚁群算法,改进了基本蚁群算法中只能单步位移且方向固定的移动模式,从而减少路径的转向次数且缩短路径长度。针对移动机器人实际工作时可能遇到的环境坡度大的情形,在启发函数中加入高度因素,提升算法环境适应能力。采用自适应挥发机制,加快算法收敛速度及效率。结果表明：在具有变化高度的环境中,与基本蚁群算法相比,改进多步长蚁群算法规划出的路径更平缓且距离更短,更适合移动机器人工作情景。     

基于模糊单神经元PID的比例同步控制研究

针对传统PID算法在液压同步系统中整定困难、稳定性不佳、同步效果不理想的问题,提出一种基于模糊单神经元PID复合算法的双缸耦合同步控制策略,提高同步系统的性能。建立比例阀控非对称缸双缸同步系统数学模型;利用Simulink软件,对比分析传统PID算法、单神经元PID算法和模糊单神经元PID算法的控制效果;最后通过试验验证3种控制策略下的系统同步性能。试验结果表明:使用模糊单神经元PID的耦合控制策略,系统同步误差明显减小,响应速度更快,设计的控制策略有效。