基于小脑模型神经网络的气动六自由度并联平台的复合控制方法研究

针对气动驱动系统的强非线性特性,本文采用基于小脑模型(CMAC)神经网络和PD的复合控制结构,用于气动六自由度并联平台各驱动关节的轨迹跟踪控制,以提高系统的跟踪精度和抗干扰能力。CMAC网络采用不均匀的输入量化函数,在零值误差附近增加量化等级,以提高系统的控制精度;而在误差较大处减小输入量化级数,从而在不增加存储空间的情况下,加大输入信号的范围。系统的仿真和实验结果都表明,与PD控制相比,该方法能有效地提高系统的轨迹跟踪精度。     

三维非线性比例微分与小脑模型神经网络复合控制的变柔性负载电液力控制系统

分析电液力控制系统的数学模型,提出新的三维非线性比例微分(Proportional differential,PD)与小脑模型神经网络(Cerebcllar model articulation controller,CMAC)复合控制的方法用于变柔性负载电液力控制系统.三维非线性PD对系统参数变化不敏感,使系统在负载刚度大范围变化时保持稳定;CMAC前馈控制的加入,利用其非线性逼近能力,减小了系统的跟踪相位差.对三维非线性PD与CMAC复合控制的电液力控制系统的仿真和试验结果表明,将二者结合,可有效用于时变柔性负载电液力的控制,同时该方法具有运算量小、便于在工程实践中应用的优点.     

基于CMAC与PD算法的渗碳炉碳势与温度DCS系统设计

针对金属热处理工艺中渗碳炉气氛碳势和温度控制系统采用常规PD控制方式、模糊控制方式存在控制效果差的问题,提出了一种基于CMAC与PD的复合控制算法,从而实现PID参数的快速整定和自学习功能.该算法超调量小,实时性好,控制精度高.仿真结果表明,与传统的PID控制相比,该方法有着较高的稳态精度和动态特性.     

超磁致伸缩致动器的小脑神经网络前馈逆补偿-模糊PID控制

针对超磁致伸缩致动器(GMA)在精密致动控制中存在的迟滞和位移非线性,提出了小脑神经网络(CMAC)前馈逆补偿结合模糊PID控制的新策略。通过小脑神经网络(CMAC)学习获得超磁致伸缩致动器动态逆模型用于对超磁致伸缩致动器迟滞非线性进行补偿;利用模糊PID控制降低小脑神经网络(CMAC)学习时的误差和抑制扰动,提高系统的跟踪控制性能,从而实现超磁致伸缩致动器的精密致动控制。仿真和实验结果表明:所采用的控制策略有效地消除了迟滞非线性的影响,系统的跟踪误差降低到了5%以下,而位移跟踪误差均方差仅为0.58。此外,这种策略的特点是学习和控制同时进行,控制系统能够适应被控对象动态特性的变化,使系统具有较强的鲁棒性,同时也能够有效地抑制外界的干扰,提升系统的自适应控制性能。     

漂浮基空间机械臂模糊控制仿真

针对空间机械臂动力学建模和轨迹跟踪控制的复杂性,详细介绍了在虚拟样机技术软件ADAMS里,建立漂浮基空间机械臂的动力学模型、轨迹跟踪模糊PD控制策略及其ADAMS和Matlab的联合仿真.在成功建模的基础上,使用模糊PD控制策略,非常好地完成了漂浮基空间机械臂的轨迹跟踪控制任务.     

基于CMAC和PID控制的电液伺服加载系统

该文是对某型飞机起落架加载控制系统的研究,针对该电液伺服加载系统运动干扰产生的多余力,严重影响加载系统的精度,设计前馈补偿器进行校正,仿真表明前馈补偿能够有效地抑制加载中的多余力.同时提出基于CMAC和P复合控制算法的控制方案,对采用复合控制前后的模型进行仿真分析,结果表明CMAC和PID复合控制抗干扰能力强、跟踪精度高,提高了加载系统性能.     

基于改进粒子群算法的PID-CMAC控制器设计

小脑关节模型网络具有计算简单、学习速度快等特点,设计PID和CMAC的复合控制器既能够发挥PID控制器鲁棒性强的特点,又能够利用CMAC学习获取的知识根据输入的变化快速地做出响应,并能够提高控制系统的抗干扰能力.本文采用改进的粒子群算法对PID的控制参数进行优化,并在此基础上设计了一种新型的PID-CMAC复合控制器,通过仿真试验表明,该控制策略能够提高整个系统的控制品质.     

电动助力转向系助力控制方法的研究

推导了采用比例-微分(PD)控制下电动助力转向系(EPS)的动力学模型,并通过简化得到了其2阶模型.在此基础之上,分析了PD控制参数对于EPS转向系的影响,并提出了"车速感应型微分系数"的PD助力控制策略.仿真结果表明,该助力控制方式充分利用了EPS控制可调节的特点,使系统在快速性和稳定性上达到了平衡,优于现有的"固定微分系数"的PD助力控制方式.     

CMAC-PID并行控制算法在电液伺服系统中的应用

该文提出了一种基于小脑模型神经网络（CMAC）和PID的并行控制算法，以得到高精度的电液伺服系统位置跟踪性能。PID控制器实现反馈控制以保证系统的稳定性，同时一个非线性跟踪微分器（NTD）用来给PID控制器提供高质量微分信号。而CMAC用作前馈补偿器实现系统的逆动态模型，并行控制器的输出作为系统的控制动作。通过CMAC的学习过程使PID输出趋于零，从而使系统的控制作用由CMAC产生。数字仿真的结果证明了该并行算法有很高的跟踪能力和抗干扰性，并且响应速度非常快。     

基于摩擦补偿的机床进给系统控制器

为了弥补机床进给系统控制器的设计缺陷,以机床进给系统为研究对象,基于机床导轨的摩擦补偿方法对其进行研究.首先,建立了机床控制系统的基本结构,并探究了其Stribeck曲线和Hysteresis曲线;其次,提出了馈送驱动器的动态模型的数学模型,并给予动态模型提出了软件系统的控制策略,设计了硬件系统,并且绘制了主电路和控制电路;最后,基于硬件系统和软件系统对机床进给控制系统进行了仿真实验研究.研究结果发现:在2.0~2.2s之间的区域中PD控制策略比DOBVSC和PD+FF+DOB更有效;在4.0~4.2s之间的区域中,PD+FC控制策略维持摩擦补偿性能更好;不同补偿控制方法控制的进给驱动器的跟踪误差的实验值和模拟值的误差低于7%,且状态观察法(PD+FC)属于最优控制策略.     

机械手分散CMAC控制器

针对机械手动力学模型未知情况 ,采用类似于计算力矩法的控制器结构 ,设计了基于 CMA C神经网络分散控制器作为非线性估计器、PD控制器作为跟踪外环的机械手控制方案。分析了该控制方案的稳定性 ,通过仿真验证了该控制方法的有效性。结果表明 ,在未知机械手动力学的情况下 ,控制系统的运行仍是有效的 ,并且不同于传统的自适应控制器 ,不需要计算回归矢量 ,也不必对系统参数做任何线性假设。由于采用分散CMAC结构 ,简化了控制器实现的复杂度 ,易于采用大规模可编程数字逻辑阵列和 ASIC数字电路予以硬件实现。     

CMAC神经网络控制器与BP神经网络辨识器的系统设计

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。     

基于CMAC的气动人工肌肉变结构位置控制研究

气动人工肌肉是一种具有功率自重比/功率体积比大、响应快的新型气动元件,近年来已引起了人们广泛关注。然而,由于难于实现气动人工肌肉系统的精确控制,从而阻碍了其更加广泛的应用。在气动人工肌肉动态数学模型的基础上,提出采用基于CMAC的气动人工肌肉两层滑模变结构控制方法。CMAC神经网络用于学习气动人工肌肉系统的不确定信息,并作为前馈补偿使跟踪误差快速收敛,通过变结构控制消除网络的学习误差和不可重复随机干扰的影响,确保系统鲁棒性。试验结果表明了该方法的有效性和系统的鲁棒性。     

基于CMAC神经网络的机器人平面视觉跟踪

在手眼关系及摄像机模型完全未知的情况下,建立了眼在手上机器人平面视觉跟踪问题的非线性视觉映射模型,将图像特征空间和机器人工作空间紧密地联系起来。在此基础上,为将视觉跟踪问题转化为图像特征空间中的定位问题,设计了基于CMAC神经网络的视觉跟踪控制方案,并与PD控制器相并联构成视觉反馈控制。仿真结果表明该算法能完全消除稳态跟踪误差,具有很强的环境适应性,算法简单,易于实时实现。     

Automatic performance estimation of conceptual temperature control system design for rapid development of real system

This paper presents an automatic performance estimation scheme of conceptual temperature control system with multi-heater configuration prior to constructing the physical system for achieving rapid validation of the conceptual design. An appropriate low-order discrete-time model, which will be used in the controller design, is constructed after determining several basic factors including the geometric shape of controlled object and heaters, material properties, heater arrangement, etc. The proposed temperature controller, which adopts the multivariable GPC (generalized predictive control) scheme with scale factors, is then constructed automatically based on the above model. The performance of the conceptual temperature control system is evaluated by using a FEM (finite element method) simulation combined with the controller.     

基于模糊自整定PD控制器的机器人计算力矩控制

设计了应用于计算力矩控制方案中的模糊PD控制器(FLC),进一步提出了模糊自整定PD控制器(SFLC).用带有末端执行器的平面3自由度机器人为例进行了动力学仿真,并将采用固定PD控制器、模糊PD控制器和模糊自整定PD控制器的计算力矩控制方案进行了比较.仿真结果表明,采用模糊自整定PD控制器(SFLC)后能有效的克服模型不确定所造成的影响,得到比较小的轨迹跟踪误差,为机器人的实际控制提供了理论基础.     

堆垛机速度智能控制的优化研究

采用模糊控制技术与小脑模型神经网络(CMAC)相结合的方式进行堆垛机的速度控制,克服单独运用模糊控制或CMAC神经网络的缺点,使系统既具有模糊控制的灵活性和强适应性,又兼具神经网络的学习能力,并且采用遗传算法对控制器的输入输出比例因子及连接权值进行寻优.仿真结果表明:该控制系统提高了系统的稳定性、鲁棒性和控制精度,使系统的综合性能得到显著改善.     

基于神经网络的超磁致伸缩智能构件滑模控制

提出了一种利用超磁致伸缩材料（giant magnetostrictive material GMM）智能构件精密加工活塞异形孔方法。 为了消除GMM智能构件迟滞非线性影响,提出一种神经网络前馈复合离散滑模变结构控制策略,实现GMM智能构件的精密位移控制。将智能构件的输出位移及其变化率作为小脑模型神经网络（CMAC）输入,构件的输入电流作为网络输出,利用CMAC在线自学习能力建立GMM智能构件的迟滞逆模型,神经网络的建模近似误差以及外界干扰通过离散滑模变结构控制器来消除。仿真结果表明此控制策略能在线建立智能构件的迟滞逆模型,消除迟滞非线性的影响,可实现智能构件的精密位移控制。     

电液负载模拟器复合控制方法研究

提出了一种新的电液负载模拟器复合控制方案,采用改进型多余力补偿方法和PID自适应控制器并行的方式来实现对指令控制力的精确跟踪。改进型的前馈补偿方法除了有效地消除了多余力,还提高了系统的动态性能。利用CMAC神经网络的非线性逼近原理设计的鲁棒PID自适应控制器,在一定程度上改善了传统PID控制在快速性和稳定性之间存在的矛盾,降低了系统的非线性和不确定性造成的影响。仿真和试验结果证明了该控制方案的有效性。