基于RBF神经网络的某交流伺服系统辨识研究

针对某交流伺服系统的模型辨识问题,采用RBF神经网络进行系统辨识.由于神经网络学习时间较长且不易收敛,故用聚类与梯度训练相结合的混合学习算法对RBF神经网络进行训练.使用聚类方法对学习样本进行聚类,确定隐含层结构,用梯度训练法对确定的网络结构进行训练,仿真实验验证了该混合学习算法的有效性.     

基于神经网络的直线电磁阀式怠速系统预测控制方法研究

基于汽油发动机怠速系统的非线性、时变性和不确定性等特点,构建了神经网络与预测算法相结合的控制系统。利用预测控制算法的滚动优化和反馈校正的特性,采用神经网络建立系统的动态模型作为预测控制器的预测模型;提供怠速系统的开环输入输出数据离线训练神经网络,再在线对神经网络模型的权值和阀值进行调整,获得精确的预测模型,实现了对怠速系统的自适应控制。仿真结果表明,这种方法有效地提高了发动机怠速系统的控制精度、可靠性和转速的稳定性。     

基于改进PSO算法的液压调高系统神经网络预测控制

针对采煤机液压调高控制问题,提出一种基于模拟退火粒子群算法的RBF预测控制方法。综合模拟退火算法和粒子群算法的优点,用模拟退火思想来解决粒子群算法易陷于局部最优的问题。用模拟退火粒子群算法优化RBF神经网络,增强学习能力和算法稳定性。利用改进的RBF神经网络对采煤机液压调高系统进行预测控制,仿真结果表明,改进后的方法比传统控制方法辨识精度提高,响应速度更快,证明了该方法的改进效果较好。     

PID控制在汽油机怠速稳定性控制中的应用研究

介绍了PID控制的原理以及该理论在汽油机怠速稳定性控制中的应用;通过在标定开发中对汽油机点火角、气路的P/D控制,以及I相的综合控制,实现了发动机怠速稳定性波动小于30 min/s的工程开发要求;分析了PID各项对怠速转速稳定控制的作用及影响程度,总结了标定过程中PID的调整规则。     

采用遗传神经网络的直线伺服系统速度自适应控制

针对永磁直线同步电动机伺服系统多变量、强耦合、非线性,以及时变的特点,提出一种基于径向基函数(RBF)神经网络的永磁直线同步电动机速度控制方法,该方法根据RBF神经网络的结构特点,对其参数采用遗传算法进行离线训练,并通过在线训练调整隐层与输出层的连接权值,实现了电动机速度的自适应控制.实验结果表明,与常规PID控制相比,RBF神经网络控制器提高了直线伺服系统的静态和动态性能,使得电动机在启动和负载改变时转速超调量减小,且转速能更快地趋于稳定.     

基于优化RBF神经网络的并联机器人位姿检测

针对采用遗传算法(GA)学习训练RBF神经网络进行并联机器人位姿检测存在的早熟收敛问题,提出一种交替使用GA和Levenberg-Marquart(LM)算法的混合学习算法,首先运用仅需预先给定基函数宽度的最近邻聚类算法,学习训练得出基函数的中心,然后运用所提出的混合学习算法学习网络,确定RBF神经网络的参数,并最终实现对机器人的位姿检测。仿真结果表明,所设计算法提高了网络学习能力,并最终提高了机器人位姿检测精度。     

运用DE-RBFNN的直线伺服系统定位精度研究

提出一种基于差分进化算法(DE)的径向基函数神经网络(RBFNN)模型,用于预测直线伺服系统的定位误差.该模型用差分进化算法训练径向基函数(RBF)网络隐层中心位置、宽度和输出层连接权重.为了评价优化后RBF网络预测的精度,运用部分误差样本进行训练和仿真.构建了以数字信号处理器(DSP)为核心的直线电动机定位误差实验平台,根据误差校正值进行误差实时补偿实验.仿真和实验结果表明:经过DE算法训练的神经网络模型对工作台的误差具有良好的学习能力和泛化能力,与单纯RBF网络、基于遗传优化的RBF神经网络相比,该建模方法具有更高的定位精度.     

不确定机器人鲁棒自适应控制

针对不确定、时变和非线性机器人系统的实时性要求,提出了采用滑模变结构和RBF神经网络相结合来构造控制器.用带有符号函数的滑模变结构控制器来产生一个控制输入信号,同时利用具有快速学习能力的RBF神经网络来学习外界的不确定性,增强系统的自适应能力,使之达到更佳的控制效果,并在文中证明了系统的稳定性.最后给出了对两连杆机器人的仿真,验证了控制效果.     

基于径向基函数神经网络的电火花线切割机床可靠性数据模拟生成

针对电火花线切割机床(Wire electrical discharge machining,WEDM)可靠性数据分布模型无法确定的问题,提出应用径向基函数(Radial basis function,RBF)神经网络对可靠性数据进行模拟仿真,扩大可靠性数据样本量,从而确定其分布模型的方法。选取聚类学习算法作为神经网络学习方法,通过无监督学习确定RBF神经网络中各隐节点的数据中心,并根据各数据中心之间的距离确定隐节点的扩展常数,然后用有监督学习训练各隐节点的输出权值。经过对原始可靠性数据进行拟合训练后生成一套RBF神经网络,随机产生100个可靠度数据输入该神经网络产生与原始可靠性数据具有相同失效统计规律的数据。对扩充后的可靠性数据通过图估计法和柯尔莫哥洛夫-斯米尔诺夫(Kolmogorov-smirnov,K-S)检验法确定电火花线切割机床可靠性数据分布模型为对数正态分布模型,同时对可靠性模型的参量估计更加准确。     

基于RBF与粒子群优化算法的电子油门踏板电压调节参数的优化设计

针对汽车电子油门踏板在装配过程中电压调节参数值不准确,而影响产品使用性能的问题,提出采用RBF神经网络建立怠速点电压、机械止点电压及Kick-down初始受力电压参数网络数学模型,运用粒子群优化算法对怠速点电压或机械止点电压的取值进行优化,寻求电压调节的最优值。通过该方法,改善了产品电压位移的特性,提高了产品使用性能,为汽车智能化控制提供了支持。     

基于ASP的VPDM系统研究

分析了虚拟企业对虚拟产品数据管理（VPDM）的需求，结合ASP模式的先进实施理念，提出了基于ASP模式的VPDM系统概念；分析了VPDM与传统PDM之间的区别；并基于B／W／D三段式结构，阐述了基于ASP模式的VPDM体系结构；最后讨论实现该系统的方法和一些关键技术。     

转子轴花键的铣削

介绍了利用大径定心的花键轴花键的实用加工方法。     

管路液力冲击的解析研究

分析阀门开闭引起管路液力冲击的机理,计算换向阀换向时管路实际压力冲击突变值及换向阀阀芯所受液动力并进行实验验证。     

基于MATLAB仿真的SVPWM技术研究

为了给交流异步电机伺服系统提供必要的设计数据,根据SVPWM的基本原理和实现算法,基于MATLAB/Simulink平台搭建了SVPWM仿真模型,将该模型应用到异步电机的矢量控制系统中进行了仿真。结果表明,SVPWM控制方式提高了整个系统运行的稳定性和可靠性。     

滚子表面缺陷分析

采用金相分析以及扫描电镜、能谱分析等试验方法对滚子表面缺陷进行了分析.结果表明:滚子表面的麻坑(黑点)缺陷是腐蚀坑,主要是由于热处理炉保护气氛不纯,滚子在高温状态下产生表面腐蚀而形成.     

基于插值法的计量泵流量控制算法研究

针对目前国产计量泵实际流量显示不直观、计量精度低等问题,分别用分段插值、拉格朗日插值、牛顿插值、三次样条插值4种算法,对不同压力下多种型号的计量泵实际流量和频率之间的关系进行了理论研究,并用线性回归分析法对所得计算结果进行了分析。分析结果表明,分段插值算法所得标准误差最小,残差图中的离散性最明显,置信区间最小,更真实的反映了实际流量和频率的关系,可大大提高计量泵的计量精度,适合用作计量泵控制器流量控制算法。     

单片机应用系统研究——轮式移动机器人控制系统设计与研究

机器人的移动方式有很多种,但大致就分为两种:车轮式和足步式两种.本文从轮式移动机器人(WMR)的体系结构出发,重点设计了机器人移动控制系统的硬件、软件平台.首先,通过对非完整轮式移动结构和直流伺服电机模型的分析,建立了移动机器人的控制系统模型.其次,设计了基于AVR微控制器(AT90S8515)的移动控制系统,其中主要包括PWM功率驱动、测速单元和串行通讯模块等;对机器人速度、位置控制采用模糊PID算法,较好地克服了移动机器人模型的不确定性、转速位置控制要求的多变和环境改变等因素的影响.程序使用ICCAVR C语言编写,在AVR SUDIO调试软件中用ICE200仿真.     

基于B/S结构在线监控研究应用

简述了DCOM、ActiveX等组件模型,结合ASP技术在Internet/Intranet环境下实现了基于Browser/Server结构锅炉在线监控.该系统在DCOM技术基础上通过ADO编程实现数据传输和访问,结合ASP和ActiveX控件技术实现动态发布和在线监测.     

电火花成形机床微细加工相关探索

首先简要介绍了电火花微细加工目前的发展状况。并概括地分析了商品电火花成形机用于微细加工所具有的一些特殊优势。最后通过微轴的加工实例来证实其进行实用微细加工的可行性。     

基于时间序列电流偏差因子的电源-电弧系统稳定性研究

运用偏微分近似理论,在考虑焊接外电路动态全负载情况下,对电源-电弧系统稳定性进行了模型刻画,得出系统稳定系数的数学解析式,依此定性并量化分析了系统稳定性的基本条件和最优条件。在此基础上,采用电流偏差相对转换方法,获得了动态电流偏差因子的时间序列解析表达式,进而通过偏差衰减时间方式来量化分析系统的稳定性。实验的电压与电流波形分析结果与动态电流偏差因子量化结果一致。