自学习模糊滑模控制及其在电液伺服系统中的应用

本文针对一类非线性系统的跟踪控制问题,基于滑模等价控制的基本概念,提出了一种具有在线学习能力的模糊滑模控制方法,利用学习控制实现模糊控制规则的动态更新,使得模糊控制的输出逐步逼近滑模等价控制,最终实现渐近稳定的滑模控制。     

基于规则的自学习控制在气动脉宽调制位置伺服系统中的应用

气动脉宽调制位置伺服系统是非线性的系统,在气缸摩擦力较大的情况下,采用传统的控制方法难以取得满意的效果。本文应用基于规则的自学习控制方法对气动脉宽调制位置伺服系统进行控制,使系统获得了一定的在线自我调整能力,提高了系统的性能。     

神经网络控制及其在液压伺服系统中的应用

本文综述了近年来用于控制领域的神经网络的研究概况,介绍了用于液压伺服控制中的神经网络控制器的结构组成和学习算法,并分析了其研究和应用中存在的问题。     

树形神经网络的学习机理及其在电液伺服系统控制中的应用

针对具有多维输出信息的系统，采用了一种树形神经网络的构造方法，并解释了其物理意义。此外，本文还提出了该网络的一种新的训练结构，与传统的训练方法相比，保证了系统的稳定性与安全性，加快了网络的收敛速度，避免了训练过程中的虚收敛点，同时提高了神经网络的在线学习和实时控制性能。最后给出了针对电液伺服系统的仿真结果。     

一类优化自学习控制器及其在气动伺服系统中的应用

本文通过引入Ｌ２空间范数指标，将常规比全产控制器发展为具有加权矩阵的最优自学习控制器，并给出了相应学习控制律收敛性的严格证明，同时将它用于气动伺服系统位置跟踪，仿真和实践表明，利用此法可使控制系统更加平滑地跟踪系统期望输出。     

基于神经网络PID的交流伺服系统位置控制

针对某水中兵器测试装置交流伺服系统具有定位精度高、运行平稳、抗干扰能力强的特点，采用BP神经网络与PID组合自适应控制器来实现该装置中的交流伺服系统控制。研究结果表明，该控制器对某水中兵器测试装置交流伺服系统的控制是合适的，具有鲁棒性强、控制精度高和运行平稳等特点。     

自抗扰控制在快刀伺服系统控制中的应用

为了提高微结构自由曲面光学元件超精密加工中快刀伺服系统的跟踪精度和抗干扰性,引入自抗扰控制器。通过对快刀伺服刀架进行建模分析,得到惯性环节和二阶振荡环节串联的等效模型。根据低阶自抗扰控制器控制高阶系统的理论,设计出二阶三维扩张状态观测器,可对来自各种干扰源未知扰动的观测结果做出实时估计和补偿。设计出自抗扰控制器,并给出了参数整定的规则。数字仿真实验表明:自抗扰控制器具有良好的控制品质,应用在快刀伺服系统中可以提高控制系统的跟踪性能和抗干扰性。     

基于遗传神经网络的电液伺服系统自适应控制

针对热连轧卷取机卷取过程当中的带头损失现象，本文提出一种液压踏步控制的伺服系统。采用神经网络跟踪对象的动力学特性，建立了遗传算法与神经网络相结合的识别模型（GA-ANN），利用遗传算法进行网络权系的训练和优化。试验证明该系统有好的控制效果，对实现液压系统的人工智能化奠定了基础。     

自抗扰控制在电液伺服系统中的应用研究

针对某大功率电液伺服系统存在严重非线性、时变性和强干扰问题,为保证系统的静、动态品质,采用自抗扰控制器（ADRC）,使系统具有很强的鲁棒性。仿真表明,所设计的自抗扰控制器能够保证大功率电液伺服系统的静、动态性能。     

神经网络在电液位置伺服系统中的应用

设计了基于BP神经网络的自适应PID控制器，该控制器充分利用了经典PID控制算法简单的特点，又利用了神经网络良好的自适应和抗干扰能力，通过神经网络的学习和对系统的在线辨识，自适应调整PID参数，使控制系统对参数变化表现出良好的鲁棒性和控制性能，并通过仿真证明了所设计系统的合理性。     

电液伺服协调加载系统的神经网络自学习PSD控制

从电液伺服协调加载系统的特点出发,提出一种基于神经网络在线自学习ＰＳＤ控制方法。该方法简单,实用,便于在线实现。控制器无须事先训练,参数选取极具一般性,适用范围广,控制精度高且鲁棒性强,采用这一方法实现了对某大型电液伺服结构试验装置的协调加载控制,控制品质优良。     

一种新型神经网络学习控制器及其在气动压力控制系统中的应用

本文利用神经网络非线性映射的特点,用逆向建模的思想,设计了一种基于神经网络的学习控制器,并将其应用于气动压力控制系统,收到了很好的效果。     

电液伺服结构加载系统的神经网络直接自适应输出跟踪控制

本文利用神经网络的学习能力和非线性映射能力研究了电液加载系统的神经网络直接自适应输出跟踪控制方法，控制器是由一个具有反馈动力学的多层前馈神经网络及其学习算法组成。该控制器不需要被控对象的先验知识，也不依赖于被控对象的辨识模型，能快速跟踪对象的动力学行为，具有良好的自适应性和动态输出跟踪响应性能。     

基于BP网络的非线性系统无模型误差自学习控制

针对未知非线性系统提出了一种基于BP神经网络的无模型误差自学习控制方案，其控制思想是利用BP网络及其冲量BP算法实现对系统输入输出量的速度辨识，同时构造了误差控制器，并通过速度辨识学习器向误差控制器动态传递更新权阵，以实现对未知非线性系统的自学习、自适应无模型控制。作者在matlab6．0平台下进行了仿真实验，其仿真结果令人满意。     

Neural network control strategies for low specification servo actuators

The paper considers neural network based control techniques as a means of obtaining improved dynamic performance from low specification dc motor servo drives. Such motors are low cost but exhibit large torque variations, non-linearity and possess high hysterisis. The use of neural network methods is demonstrated to offer an improvement compared with a conventional approach using a classical PID technique. Low performance motors of the type considered when combined with a neural network controller achieved a level of performance suitable for automatic handling systems and automated guided vehicles (AGV).     

液压伺服系统的直接自适应神经网络控制

针对液压伺服系统中的非线性和不确定特性,研究了一种基于神经网络的直接自适应控制方法。引入的神经网络模型可以通过学习从而跟踪对象的动力学特性,控制器的设计较少的依赖于对象的先验知识,控制器参数的调整是基于被控系统的测量信号,利用在线辨识的神经网络参数来实现的。仿真结果证明该系统有较好的控制效果。     

基于三菱SSCNET总线的伺服送料系统的设计

根据市场调研需求,压力机的冲压生产的手工送料将逐步由自动送料机构取代.应用三菱运动控制器Q173DCPU、伺服放大器、伺服电机进行了单机联线伺服送料系统的开发.分析了送料机械手的机械设计及对控制系统的要求,确定了控制系统的结构方案,并实现了对送料系统的控制.     

气动力系统的基本特性及伺服控制的研究

本文对气动力系统进行了研究。设计了气动回路和实验系统，在此基础上，采用非线性数字PID对气动力进行了加载和跟踪实验，获得了较好的动、静态性能。     

交叉耦合自适应神经元控制器在双轴运动位置伺服系统中的应用

本文综合了自适应神经元控制器与交叉耦合控制方法的优点,引入轮廓误差的二次性能指标,设计了应用于双轴运动位置伺服系统中的交叉耦合自适应神经元控制器,该控制器无需对控制对象建模,具有自适应学习能力,并且结构简单,实时性好,其设计目的是有效减少轮廓加工误差,实验结果说明了控制的有效性。