包装机械多轴相邻交叉耦合同步控制

目的为提高包装机械的同步控制性能,以实现高速、高精度的包装过程。方法以三伺服全自动枕式包装机械的速度同步控制为研究对象,分析了三伺服枕式包装机的工作过程。针对主从同步控制的精度不高等问题,提出一种基于相邻交叉耦合控制算法的包装机械三轴同步控制方法。详细论述三轴同步控制的基本原理,并给出具体的控制模型。结果该控制方法不仅考虑各轴自身的跟踪误差,而且还包括与相邻两轴之间的同步误差,可以弥补主从控制方式的不足。结论仿真和实验结果表明该控制策略不仅同步性高、稳定性好,而且收敛速度较快。     

多感应电机相邻交叉耦合快速终端滑模同步控制

目的提高多感应电机速度同步控制系统的可靠性以及控制精度,提高印刷业的生产效率及产品质量。方法基于相邻交叉耦合控制结构,利用快速终端滑模控制的强抗扰动性和有限时间到达特性,提出一种多感应电机相邻交叉耦合快速终端滑模同步控制策略。结果通过仿真结果分析,相比传统相邻交叉耦合控制,在文中所提控制算法作用下其系统同步误差小,具有更高的同步控制精度。结论该控制策略可提高多感应电机同步控制系统的同步跟随性能和抗干扰性能,增强多感应电机无轴传动的同步协调控制能力。     

多轴速度同步偏差耦合控制

目的 解决传统印刷机、包装机各轴机械连接方式下,多电机同步控制存在的机械磨损严重、同步控制精度低等问题。方法 基于偏差耦合控制系统结构,将PID与神经网络控制相结合,提出一种径向基神经网络PID的多电机速度同步控制策略。结果 通过仿真可知,该算法相较于传统PID控制超调量更小,系统能够以较快的速度实现同步跟踪,速度同步精度明显高于PID控制。结论 该控制算法能够大大提升印刷机多轴同步控制的动态性能,可以有效提高印刷质量。     

改进型相邻交叉耦合结构的多电机同步控制

目的为了提高凹版印刷机电子轴传动系统的可靠性以及控制精度,提出一种相邻交叉耦合滑模变结构多电机同步控制方法。方法基于相邻交叉耦合补偿基本原理建立相邻交叉耦合控制结构,并将滑模变结构引入到相邻交叉耦合结构中,通过饱和函数削弱抖振。结果仿真结果表明,改进型相邻交叉耦合多电机同步控制时系统在0.004 s便进入了稳定状态,在初期的0.002 s时间内同步误差出现了一定程度的波动,但从总体来看误差百分比很小。结论与其他控制策略相比,基于相邻交叉耦合系统的滑模变结构控制下其系统同步误差较小,具有更高的同步控制精度、更强的削弱抖振能力,同时系统具有较强的鲁棒性。     

基于相邻交叉耦合的凹版印刷机多轴同步控制

目的为了实现高速、高精度、高自动化的印刷过程,提高印刷产品的质量。方法以机组式凹版印刷套色系统系统为研究对象,分析无轴传动凹版印刷机结构,详细分析多轴同步控制的基本原理,并在此基础上提出一种相邻交叉耦合控制方法,给出算法具体的控制模型。结果该控制方法不仅补偿了各轴自身的跟踪误差,也补偿了相邻两轴之间的同步误差。结论仿真和实验结果表明,该控制算法收敛速度快、稳定性高,很好地实现了凹版印刷机电子轴传动多电机的同步协调控制。     

多电机速度同步自适应积分滑模控制

目的为了解决传统指数趋近律方法所固有的收敛速度慢和抖阵问题,从而提高多电机同步控制系统控制精度。方法基于相邻交叉耦合控制系统结构,采用自适应积分滑模控制算法,提出一种多同步电机速度同步控制策略。结果仿真结果表明,电机的实际转速能够迅速跟踪参考转速,且同步误差为0。结论该策略可提高多电机同步控制系统的同步跟随性能和抗干扰性能,增强系统的同步协调控制能力。     

x-y平面 3D 打印的交叉耦合矢量控制研究

目的研究3D打印机下x-y平台的双轴矢量控制精度。方法介绍永磁电机的数学模型,同时对系统的轮廓误差进行描述,对变增益交叉耦合矢量控制算法进行分析。在Matlab/Simulink软件中对两轴变增益交叉耦合矢量控制进行仿真并分析。结果变增益交叉耦合矢量控制算法能将轮廓误差控制在0.01 mm之内。结论通过变增益交叉耦合算法,提高了系统的鲁棒性,并且减小了系统的轮廓误差。     

综掘巷道超前支护装备多缸同步控制方法研究

考虑到综掘巷道液压迈步式超前支护装备的工作原理,以及多个液压缸在控制顶梁上升过程中同步性不良的问题,提出了一种等状态交叉耦合模糊同步控制方法.该种方法是以液压缸上升过程中的同步性能和跟踪性能为控制要求,将交叉耦合控制理论及模糊控制理论相结合而提出的一种非线性同步控制方法.为了验证该种控制方法的性能,与使用主从交叉耦合控制方法相比较,对提出的同步控制方法的作用效果进行理论分析和试验研究.分析与实验结果表明,该种同步控制方法能够在超前支护装备顶梁上升过程对多个液压缸进行同步控制,相比于主从交叉耦合控制方法,其同步控制效果更优.     

双轴联动进给系统多目标优化设计与研究

为提高机床的加工精度,降低零件加工误差,以双轴联动进给系统的轮廓误差和Z轴、X轴的跟踪误差为优化目标,开展双轴联动进给系统的多目标优化设计与研究。首先,在前期研究的基础上,设置优化初始条件,并利用Box-Behnken方法获得试验样本点;其次,基于所建立的双轴联动进给系统的机电耦合动力学模型开展样本点运动轨迹仿真分析,得到轮廓误差和单轴跟踪误差数据,并采用灵敏度分析法获得对设计目标影响程度较大的设计变量;然后,基于仿真得到的数据,利用含交叉项的二次多项式拟合方法构建设计目标对设计变量的响应面模型;最后,利用NSGA-II （non-dominated sorting genetic algorithm-II,非支配排序遗传算法II）对双轴联动进给系统进行优化,得到双轴联动进给系统的Pareto最优解集,按照目标优先顺序从该解集中寻得最优解。从仿真结果可知,双轴联动进给系统的轮廓误差和Z轴、X轴的跟踪误差均明显降低,降幅超过30%,优化效果明显。该方法可为多轴联动进给系统的优化提供参考。     

多轴鼓轮系统同步控制机电联合仿真研究

为研究多轴鼓轮系统同步控制问题,提出一种独立伺服多轴同步控制系统的机电联合仿真分析方法.建立三鼓轮系统动力学模型并分析其动力学特性;基于对控制系统的分析,建立了多轴同步控制模型,整定了三环控制器参数.通过ADAMS/MATLAB联合仿真,分析主从式控制结构下相邻轴位置同步误差以及耦合控制对系统性能的影响.仿真结果表明同步误差在允许范围之内,通过添加耦合控制能有效减小系统误差.通过实验验证了主从式多轴鼓轮系统有较好的同步性能,符合设计要求.     

基于模糊迭代Q-学习的冶金工业机器人轨迹跟踪控制研究

冶金工业机器人在现代工业生产中扮演着越来越不可替代的角色。由于工业自动化程度的大幅提升,人们对冶金工业机器人的性能也不断地提出新要求,尤其是对其控制系统的稳定性提出了更高的要求。针对目前冶金工业机器人轨迹跟踪精度较低且不具有自适应动态调节特性等问题,提出了一种模糊迭代Q-学习控制算法。以6-DOF（six degree-of-freedom,六自由度）双臂机器人为研究对象,利用Fuzzy工具箱编写模糊控制规则,以机器人产生的位置误差以及位置误差的变化率为模糊控制器的输入量,并引入Q-学习策略,以调整模糊控制器中的量化因子、比例因子以及迭代学习控制中的PD（proportional derivative,比例微分）参数,完成模糊迭代Q-学习控制器的设计。然后,联合ADAMS（automatic dynamic analysis of mechanical systems,机械系统动力学自动分析）和MATLAB软件搭建6-DOF双臂机器人仿真平台,开展高精度轨迹跟踪的轴孔装配任务模拟。仿真结果表明,6-DOF双臂机器人关节空间的轨迹跟踪精度较高,同时可以完成双臂轴孔协调装配任务,验证了所提出控制算法的有效性和先进性。研究结果可为双臂协作机器人实现高精度轨迹跟踪的轴孔装配提供参考,具有一定的实际应用价值。     

LYP1050轮转胶印机控制系统设计

为满足印刷市场对高速、高质量及高效率胶印机的需求,设计了一种LYP1050轮转胶印机控制系统。首先,采用汇川AC810运动控制器作为主控制器,以汇川IT6000系列触摸屏作为人机交互界面,结合伺服驱动单元,搭建了LYP1050轮转胶印机控制系统的硬件平台。然后,提出了LYP1050轮转胶印机的多轴同步控制、闭环速度和收卷锥度张力控制以及自动套色控制方法,同时,对LYP1050轮转胶印机控制系统的下位机程序和人机交互界面进行设计。最后,通过采集LYP1050轮转胶印机样机实际运行时的套色误差来验证所设计的控制系统的可靠性。试验结果表明：该轮转胶印机的套色精度可控制在±0.05 mm内,符合套色要求。所设计的控制系统安全可靠,同步性较好,套色精度高,故障率低,具有广泛的通用性,可为同类型轮转胶印机控制系统的设计提供参考。     

基于小波分析的模糊控制算法应用

针对空间跟踪系统的特点及对伺服控制的技术要求,采用基于小波分析的模糊控制器,将小波基函数作为隶属函数,可根据误差在线调整隶属函数的形状,使模糊控制具有更优、更强的自适应能力。仿真与实验结果表明这种控制器比常规的PID控制器具有更好的动态性能和抗干扰能力,能很好的用于跟踪系统的控制。     

基于模糊RBF神经网络的水下机械臂控制研究

针对水下复杂工作环境下机械臂控制性能易受影响,而传统控制方法效果不佳的问题,提出了一种基于模糊RBF（radial basis function,径向基函数）神经网络的智能控制器,用于精确、稳定地控制水下机械臂。考虑到在水扰动环境下,机械臂通常受到附加质量力、水阻力和浮力的影响,运用拉格朗日法和Morison方程,建立包含水动力项的二杆机械臂动力学模型,通过模糊RBF神经网络对水下机械臂动力学方程中的水动力不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统具有较高的控制精度和较强的自适应性。考虑到水动力项,采用Lyapunov稳定性理论验证了水下机械臂系统的稳定性。最后利用MATLAB对二杆机械臂进行轨迹跟踪控制仿真实验,并对比模糊RBF神经网络与常规RBF神经网络识别方法和传统模糊控制方法的控制效果。仿真结果表明：与常规RBF神经网络识别方法相比,模糊RBF神经网络控制下二杆机械臂关节1的响应时间缩短了91%,相对误差减小了88%,关节2的响应时间缩短了92%,相对误差降低了77%;与传统模糊控制方法相比,关节1的相对误差减小了65%,关节2的相对误差减小了10%。研究结果表明模糊RBF神经网络的控制效果优于常规RBF神经网络识别方法和传统模糊控制方法,可为水下机械臂的控制提供一种精度较高、较有效的方法。     

基于模糊神经网络控制的混合式步进电动机伺服系统研究

在对二相混合式步进电动机实行最大转矩／电流矢量控制和IP位置控制的基础上,为克服参数时变和外界扰动对系统性能的影响,设计了一种新型高性能的参考模型自适应模糊神经网络控制器。实验结果表明所设计的位置伺服系统具有良好的性能。     

基于PLC的颗粒包装机称量系统设计

目的 为提高颗粒包装机称量精度和稳定性,基于PLC设计一种颗粒包装机称量系统.方法 分析颗粒包装机结构和工艺流程,并给出控制系统结构,包括核心处理器PLC、交流控制器、伺服电机驱动器、传感器、三相电机和伺服电机等.以称量控制为主要研究对象,提出一种粒子群模糊PID称量控制器,以提高称量控制系统的收敛速度、通用性和可移植性.最后进行仿真和实验研究.结果 相关结果表明,与模糊PID控制器相比,加入粒子群优化算法后,系统的响应速度更快,达到稳定状态所需时间更短,实际包装误差仅为0.528％.结论 所述称量控制系统可以有效地提升称量精度,有利于提高颗粒包装机的自动化水平.     

基于神经网络优化的交流自抗扰伺服系统控制

目的 为了解决传统交流永磁同步电机伺服自抗扰控制系统中外界扰动、非线性特性和本身自抗扰控制中参数较多且整定难的问题.方法 利用小波神经网络对自抗扰控制中的扩张状态观测器的误差校正系数进行在线整定,设计出基于小波神经网络优化的自抗扰控制器及相关的控制系统,以实现对整体控制系统的性能优化,并通过在Matlab/SIMULINK仿真实验与传统PID伺服控制系统和未进行优化的交流自抗扰伺服系统进行对比验证.结果 仿真结果表明,基于小波神经网络优化的交流永磁同步电机伺服自抗扰控制系统对目标位置动态响应快、稳态误差小、抗干扰能力强,稳态时转矩脉动小.结论 与常规未优化自抗扰伺服系统和传统PID伺服系统相比,基于小波神经网络优化后的自抗扰伺服系统,能有效地提高伺服系统控制性能和鲁棒性.     

Recurrent fuzzy neural network control for piezoelectric ceramic linear ultrasonic motor drive

In this study, a recurrent fuzzy neural network (RFNN) controller is proposed to control a piezoelectric ceramic linear ultrasonic motor (LUSM) drive system to track periodic reference trajectories with robust control performance. First, the structure and operating principle of the LUSM are described in detail. Second, because the dynamic characteristics of the LUSM are nonlinear and the precise dynamic model is difficult to obtain, a RFNN is proposed to control the position of the moving table of the LUSM to achieve high precision position control with robustness. The back propagation algorithm is used to train the RFNN on-line. Moreover, to guarantee the convergence of tracking error for periodic commands tracking, analytical methods based on a discrete-type Lyapunov function are proposed to determine the varied learning rates of the RFNN. Then, the RFNN is implemented in a PC-based computer control system, and the LUSM is driven by a unipolar switching full bridge voltage source inverter using LC resonant technique. Finally, the effectiveness of the RFNN-controlled LUSM drive system is demonstrated by some experimental results. Accurate tracking response and superior dynamic performance can be obtained because of the powerful on-line learning capability of the RFNN controller. Furthermore, the RFNN control system is robust with regard to parameter variations and external disturbances     

基于模糊神经网络的包装机械臂定位方法研究

目的 为提高包装机械臂的抓取精度,文中基于模糊神经网络设计一种包装机械臂定位方法。方法 将激光测距仪与工业相机融合,可实现目标点的初步定位并得到位姿偏差。以机械臂末端位置误差补偿为例,设计一种模糊神经网络控制器,可实现PID控制关键参数的在线调整以提高误差补偿精度。进一步地,采用果蝇优化算法实现神经网络控制器初始值的优化,可提高控制系统性能。最后,进行实验研究。结果 实验结果表明,机械臂定位算法可使最大绝对误差从7.704 9 mm下降到1.424 2 mm;平均绝对定位误差降低约82.5%;机械臂执行效率与对照组相当。结论 该定位方法可以大幅度提高包装机械臂定位精度,可满足包装、化工、食品等相关行业要求。     

Speed controller design of direct torque control system for induction motors by using adaptive supervisory Fuzzy-CMAC

A model-free approach was used to develop an adaptive supervisory Fuzzy-cerebellar model articulation controller (ASFCMAC) for a direct torque control system for an induction motor without shaft encoder. The two parts of the ASFCMAC are a supervisory controller for limiting tracking error to a bounded range and a Fuzzy-cerebellar model articulation controller subsystem for learning and approximating system dynamics. The ASFCMAC parameters are tuned according to adaptive rules derived from Lyapunov stability theory. Simulations and experimental comparisons with adaptive Fuzzy-cerebellar model articulation controller, adaptive cerebellar model articulation controller, fuzzy logic control, and proportional–integral control show that the proposed ASFCMAC has a superior root mean square error in operation over a wide range of speeds.