基于粒子群算法的焊缝跟踪PID控制

为了提高焊缝跟踪的控制效果,提出了基于粒子群算法的焊缝跟踪PID控制器设计方法,即应用PSO算法优化PID控制器的三个参数。仿真结果表明,该算法优化的PID控制器有效地提高了焊缝跟踪系统的性能,相比传统的PID控制具有更高的控制品质。     

基于遗传整定的水下焊缝跟踪系统模糊PID控制器

提出了一种基于遗传算法整定的模糊PID控制器,并将其应用到水下焊缝跟踪系统中.水下焊缝跟踪系统是复杂的非线性系统,传统的PID控制效果不佳,因此设计了模糊PID控制器.该控制器以焊缝位置误差及其变化率作为模糊输入变量,依据Mamdani模糊推理实现PID参数的在线调整.同时,由于PID参数初值对于系统的控制效果影响较大...     

移动焊接机器人焊缝跟踪控制系统设计

为提高移动焊接机器人的焊缝跟踪精度,结合RBF神经网络和PID控制设计了一种焊缝跟踪控制系统。介绍了焊接机器人系统组成并建立了相应的运动学模型,重点论述了RBF神经网络结构以及控制器的设计方法。通过神经网络在线辨识梯度信息,根据梯度信息在线调整比例、积分、微分系数,以提高系统控制性能。仿真结果表明:采用所述控制方法,能较好地实现复杂轨迹跟踪。在焊缝跟踪过程中,移动焊接机器人运行平稳,具有较高跟踪精度。     

基于粒子群优化神经网络自适应控制算法的并联机器人仿真研究

针对传统控制算法对并联机器人轨迹跟踪精度控制效果不好的问题,提出了一种并联机器人的改进粒子群优化神经网络自适应控制算法,首先对粒子群优化算法进行惯性权重的优化和变异操作的改进,然后用改进的PSO算法优化神经网络的初始权值并进行在线调节PID参数。最后以六自由度并联机器人为研究对象,将传统PID控制与基于改进PSO优化的神经网络自适应控制算法分别进行了仿真实验。仿真结果表明,在快速性和稳定性能上,基于改进PSO优化的神经网络自适应控制算法比单纯的PID控制更加优越,在一定程度上减小了轨迹输出的误差并且提高了轨迹跟踪精度。     

基于神经网络的疲劳试验机控制系统仿真及实验研究

针对疲劳试验机控制系统，设计了基于BP神经网络和PID的并行控制器。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能力，首先通过PID控制为神经网络的在线学习提供训练样本，然后神经网络逐渐学习被控对象的动态逆模型并取代PID控制器起主导作用。该方法降低了PID参数的调整难度，同时对控制对象的刚度变化表现出良好的鲁棒性，并通过仿真证明了所设计系统的有效性。     

基于AC-PID控制器的焊接机器人仿真

焊接机器人系统的核心是伺服系统,该伺服系统电机位置的精确控制是焊接机器人技术的关键,传统的PID控制算法很难对其进行精确地自适应跟踪控制。本文介绍了一种执行-评价器的自适应PID控制(AC-PID)算法,并针对焊接机器人伺服系统的电机位置进行精确地自适应跟踪控制。仿真结果表明,基于改进的AC-PID算法的控制器在鲁棒性、控制精度和控制效果都优于传统的PID控制器。     

基于RBF神经网络的泵控系统滑模控制器设计及仿真分析

针对泵控系统滑模控制方面的研究,根据泵控系统的降阶数学模型中存在的未知项f (),再结合滑模控制算法设计基于RBF神经网络的滑模控制器。通过MATLAB/Simulink建立系统的仿真模型,然后进行位置指令仿真分析。研究结果表明：相比较PID控制器,基于RBF神经网络的滑模控制器获得了最小跟踪误差。在干扰条件下跟踪10 Hz频率与1 mm幅值的正弦位置信号,基于RBF神经网络的滑模控制器误差最小;施加干扰力后,控制器都出现了更大的跟踪误差,此时基于RBF神经网络构建的滑模控制器可以快速恢复跟踪误差。研究设计的基于RBF神经网络的泵控系统滑模控制器具有很好的跟踪精度和更强的鲁棒性,可以拓宽应用到其他机械传动领域。     

一种新型的焊接机器人控制器

焊接机器人系统的核心是伺服系统,伺服系统电机位置的精确控制是焊接机器人技术的关键,传统的PID控制算法很难对其进行精确的自适应跟踪控制.介绍了一种改进型的神经动态规划(NDP)算法,其中模型模块用小波神经网络来替代,并针对焊接机器人伺服系统的电机位置进行精确的自适应跟踪控制.仿真结果表明,基于改进型NDP算法的控制器在鲁棒性、控制精度和控制效果都优于传统的PID控制器.     

基于改进果蝇神经网络的数控工作台PID控制

传统数控机床工作台速度控制多采用PID控制,传统PID控制存在响应慢、超调大、动态性差、抗干扰能力差等问题。提出了一种变步长果蝇神经网络PID控制方法,将变步长果蝇算法与神经网络联合使用。在线寻找控制器最优控制参数,实现电机速度的智能化控制。通过Simulink仿真,对数控工作台速度控制内环转速跟踪性能进行分析。实验结果证明,改进果蝇神经网络的PID控制比传统PID控制方案响应更快,抗干扰性能和鲁棒性能更好。     

基于遗传算法-BP神经网络的PID控制器的设计

针对常规PID控制器不能对其参数进行自寻优的缺点,提出采用遗传算法优化BP神经网络PID控制器,使3个参数实现在线调整.并通过MATLAB仿真试验表明:基于遗传算法-BP神经网络的PID控制器比常规PID控制跟踪信号的能力要好,而且有较好的自适应和自学习能力.     

基于生物智能控制算法的焊接机器人控制系统仿真

焊接机器人系统的核心是伺服系统,伺服系统电机位置的精确控制是焊接机器人技术的关键,针对传统的PID在焊缝跟踪过程中存在快速性和平稳性矛盾的问题,本文介绍了一种基于激素分泌调节超短反馈原理的生物智能控制器(NUC),该控制器在传统PID控制器的基础上增加了超短反馈处理模块,处理过的信号和传统控制单元输出信号经过计算,构成了一种非线性控制算法。针对焊接机器人伺服系统的电机位置进行精确的自适应控制。仿真结果表明,该控制器具有动态性能好、收敛速度快、控制精度高等优点。     

采用电动液压执行机构对机床进行主动隔振研究

地面振动容易使机床超过允许的加工或测量偏差,从而影响机床的加工质量。提出一种新型电液执行机构对机床进行振动隔离,构建机床主动隔振系统,采用神经网络PID控制器实现机床主动隔振系统的有效控制,并对控制效果进行仿真验证。分析机床主动隔振系统的结构,建立机床主动隔振系统中电液执行机构以及机床的动力学模型,将执行机构的数学模型耦合到机床的虚拟模型。基于神经网络与PID控制器,开发神经网络PID控制器。采用MATLAB对机床主动隔振系统进行仿真,同时与传统PID控制器的计算结果进行对比和分析。结果显示:神经网络PID控制器控制下的工作台以及工具中心点位移振幅相比传统PID控制器减少30%～82%,采用神经网络PID控制器控制后,控制精度更高,隔振效果也更好。采用神经网络PID控制器的电液执行机构能够有效地衰减并隔离地面运动。     

融合光纤感知的气动执行器夹持力控制策略研究

为了降低气动执行器夹持力/气压迟滞的影响,提高夹持力跟踪控制精度,提出一种基于Prandtl-Ishlinskii （P-I） 逆模型的前馈补偿结合模糊PID的控制策略。分析气动执行器的夹持力/气压迟滞特性,通过初载曲线法辨识迟滞模型参数,建立P-I逆模型;设计融合FBG力感知的模糊PID控制算法,基于自制的FBG传感器实现夹持力反馈,通过标定实验验证传感器的静态特性。在Simulink中构建前馈补偿和融合FBG力感知的模糊PID相结合的复合控制器,完成与传统PID以及模糊PID控制器的夹持力控制仿真对比。仿真结果显示：前馈补偿可以降低稳态误差,提高控制精度。最后,在气动执行器夹持力控实验平台上开展动态跟踪实验,验证了所设计复合控制器的有效性。     

基于共享控制策略的遥控弧焊机器人焊缝跟踪

对应用于遥控弧焊机器人的共享控制技术进行了研究,建立了遥控机器人共享控制试验系统.激光视觉传感器基于三角测量原理,根据提取焊缝的特征点,实现焊缝的自主跟踪和焊接.根据解析速率控制算法,把手控器的控制命令与激光视觉传感器的自主控制命令在人控制器中进行融合,控制焊枪的六个自由度.弧焊机器人的控制权可以在局部自主控制和直接手动控制之间进行共享和交互,实现对远端非结构环境下的焊缝跟踪.结果表明,人机共享控制焊枪,实现未知环境的避障;提高了焊缝跟踪精度;把操作者从焊缝跟踪的底层操作中解放出来,减轻操作者的工作强度.     

MAG高速焊缝视觉跟踪系统的试验研究

介绍了针对高速焊的工艺与成型特点,在焊缝跟踪系统中所应用到的参数可调模糊控制器和PID控制器,并对这2种控制嚣与算法进行了试验研究与对比分析。此外,还通过实时记录在一个跟踪过程中使用的所有控制量,建立了焊缝跟踪过程中的轨迹线,把它与焊缝的间隙中心线进行比较,获得此跟踪系统的误差范围;同时对产生的误差影响因素进行分析,提出了减小误差的改进措施。     

基于神经网络PID的液压位置伺服系统控制的研究

建立精校机电液位置伺服系统的数学模型,针对液压伺服控制系统的非线性和时变性因素,提出了一种基于BP神经网络的PID控制器.该控制器既有经典PID控制算法简单的特点,又有神经网络良好的自适应和抗干扰能力的优点.仿真结果表明,该控制器具有鲁棒性强、超调量小和运行平稳等特点.     

基于模糊神经网络PID的塑料薄膜厚度控制系统设计

针对当前塑料挤出行业薄膜厚度控制系统普遍存在的强非线性、大时滞、控制精度低的现状,设计了一种将模糊控制、神经网络与经典PID控制算法结合的塑料薄膜厚度智能控制系统,通过模糊控制与神经网络自学习算法相结合,实现了控制系统PID参数的在线自整定。实验证明:与传统厚度控制方式相比,该系统可以大大降低收敛时间,提高控制精度,将薄膜厚度误差控制在2μm以内。     

二轮平衡车的神经元控制算法及仿真

通过在MATLAB-Simulink-Simscape中搭建二轮平衡车的仿真物理模型和控制系统,直观、快速地验证控制算法的效果。使用神经元PID控制算法替代传统PID控制算法设计神经元PD平衡控制器、神经元PI速度控制器,并在此基础上组合成二轮平衡车的神经元PID控制系统。通过实验对比神经元PID控制算法与传统的PID控制算法的控制效果,验证了神经元PID控制算法具有更高的控制精度、更强的抗干扰能力、更快的响应速度,能及时适应模型的非线性变化。     

基于智能控制算法的试验台入口油温控制

根据航空发动机燃油泵试验台入口油温控制系统非线性、时滞、时变等特点,将神经网络控制、模糊控制与PID控制算法相结合,设计智能控制算法,实现对PID参数的自适应调整.仿真结果表明,智能控制算法的控制效果明显优于常规PID控制算法.其中,模糊自适应PID控制算法更适用于航空发动机燃油泵试验台入口油温控制.     

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。