飞机舵机电动伺服系统的摩擦补偿控制策略北大核心

为了解决非线性摩擦力导致飞机舵机电动伺服系统的控制性能降低这一问题,提出了一种基于改进蜂群算法的系统摩擦辨识与控制策略。首先,引入LuGre摩擦模型对系统进行数学建模,提高模型的准确性;其次,利用tent混沌映射、自适应反向轮盘赌概率选择方法及动态位置搜索方法对蜂群算法进行改进,提高算法搜索能力的自适应性、全局搜索能力和收敛精度,进而提高摩擦模型参数辨识精度;最后,结合辨识后的摩擦模型设计复合控制补偿器以补偿系统运行时产生的非线性摩擦力。实验结果表明,改进蜂群算法方法可以使摩擦参数的辨识值更精确。同时在复合补偿控制器作用下,系统跟踪误差值由1.86 Nm降至0.23 Nm,减小了约87.6%,降低了摩擦力对系统性能的影响,提升了系统的控制精度。     

自回归HVD算法在频耦复合故障诊断中的应用

HVD（希尔伯特振动分解）算法以其强烈的抗模态混叠性能,常用于频率耦合下的信号分解,但起始端点的选择是制约其工程应用的关键。针对此,提出一种自回归HVD算法确保抑制边界效应的同时解决频耦信号精准分解难题。此方法以HVD为分解基函数,结合自回归模型具备的自适应边界延拓的能力完成对HVD算法的优化,最终完成复合故障中具有频率耦合特性的信号精准分解。以风力机实验系统的二级平行轴齿轮箱为验证对象,分析不同转速下的复合信息,辨识效果证明自回归HVD在具有频耦特性的复合故障诊断中具有显著优势。     

基于优化RBF神经网络挤出机温度压力系统辨识

为了精确在线辨识橡胶复合挤出机控制过程中主要干扰变量与内部耦合关系,更好地实现对挤出机温度压力耦合系统的精准控制,采用RBF神经网络进行系统辨识研究,同时结合PSO算法引入GA算法中编码、杂交、交叉、变异等概念,设计了混合型PSO算法进一步优化RBF神经网络,完成对温度压力耦合系统的精准在线辨识。借助MATLAB软件进行神经网络训练,辨识系统耦合关系,同时与混合型PSO算法优化神经网络权值所辨识的效果进行对比。试验结果表明:采用混合型PSO算法优化RBF神经网络训练效果更佳,可以实现RBF神经网络高精度系统辨识;混合型PSO算法优化RBF神经网络应用于挤出机温度压力控制系统辨识,可以在一定程度上提升系统的辨识精度以及挤出机械的智能化水平。     

机器人动力学参数辨识研究

基于动力学模型的控制是改善机器人运动控制性能的有效方法，为了得到精确的动力学模型，需获得准确的机器人动力学参数，采用加权最小二乘法与遗传粒子群混合算法结合的辨识算法获得准确的动力学参数。关节摩擦影响动力学模型精度，传统库伦粘滞摩擦模型精度不高，引入一种新的连续摩擦模型，采用牛顿-欧拉法建立机器人动力学模型，采集机器人在激励轨迹运动下的数据，先采用加权最小二乘法辨识得到初始解，在初始解的基础上设定解的边界，分别采用遗传算法、粒子群算法、遗传粒子群混合算法辨识动力学参数，并于已有方法进行对比，结果表明遗传粒子群混合算法辨识动力学参数精度更高。最后，选取验证轨迹验证动力学参数的精度，结果表明辨识得到的动力学参数能够建立精确动力学模型。     

复合正交柔性神经网络及其应用

针对目前神经网络所存在的不足,提出一种带参数的单极性Sigmoid函数的柔性复合正交神经网络,并给出相应的参数学习算法,这种柔性复合正交神经网络不仅扩大了网络辨识模型的能力与学习适应性,而且算法简单,学习收敛速度快,有线性,非线性逼近精度高等优异特性。以模型辨识作为应用实例,仿真结果表明,其算法是有效的,柔性神经网络能提高正交神经网络的性能。     

基于LS-AGA伺服系统连续模型参数辨识

为了解决伺服系统连续模型参数辨识不足的问题,提出一种间接的连续模型辨识算法,建立了伺服系统的动力学模型.首先使用最小二乘法(LS算法)来辨识出系统的离散模型参数,其次通过自适应遗传算法(AGA算法)对离散参数进行Z-S变换,获得连续系统模型参数.根据LS-AGA辨识算法设计了辨识实验,采用扫频正弦模拟量电压作为输入信号...     

基于GA-BP神经网络的气压伺服系统辨识研究

气压伺服系统控制器的优化设计依赖于准确的系统模型。针对系统的非线性问题,研究采用神经网络进行系统辨识的原理和结构;考虑传统BP算法存在局部收敛、学习速度慢的问题,采用遗传算法对神经网络的初值和权值进行优化,并采用LM算法进行网络学习,最终建立系统的神经网络辨识模型。通过仿真对比神经网络辨识结果与传统线性模型辨识结果,结果表明:基于GA-BP神经网络的辨识模型精度较高,适用于非线性系统辨识。     

基于粒子群自适应差分进化算法的动压缸电液伺服系统辨识

给出了轨道路基测试装置动压缸电液伺服系统AMESim模型和传递函数。针对标准差分进化算法早熟和自适应差分进化算法收敛慢的问题,结合粒子群算法收敛快的优点,构造了一种以粒子群为外环、自适应差分进化为内环的辨识算法。设计该系统辨识数据采集方案,得到其AMESim模型的响应数据,开展PSOADE辨识仿真和对比分析,结果表明:PSOADE不仅精度高、同一性好,而且迭代快、易收敛。最后得到了基于PSOADE算法辨识参数的动压缸电液伺服系统参数模型,仿真验证了该模型的有效性。     

基于模型参考自适应的异步电机转速辨识新方法研究

针对三相异步伺服电机无速度传感器矢量控制下转速辨识问题,提出一种基于无功功率模型参考自适应的异步电机转速辨识新方法。该方法采用了基于反电动势模型参考自适应的定子电阻辨识方法来实时追踪定子电阻参数值的变化情况,并将定子电阻估计值作用于转子磁链观测器,以消除定子电阻设定值和实际值的偏差对转子磁链的影响,最后把观测出的转子磁链传递至无功功率模型参考自适应的可调模型,解决了三相异步伺服电机无速度传感器转速辨识精度低问题,提高了系统转速动态辨识能力。仿真结果证明了该方法的有效性和可行性。     

IPMSM全速域无位置传感器控制策略

为了实现内置式永磁同步电机(IPMSM)无位置传感器系统全速域运行,提出一种改进型IPMSM复合控制策略。首先,在零低速域选用高频旋转电压注入法实现对电机转速和转子位置的估计;其次,在中高速域,为了削弱传统滑模观测器中开关函数造成的系统抖振问题,构造新型超螺旋滑模观测器,提高系统的观测精度;最后,引入差分进化算法优化过渡速域权重系数,实现不同观测方法间的合理切换,完成全速域下转子位置和转速的高精度辨识。研究结果表明,所提算法能够实现电机全速域运行,且具有良好的动态性能。     

PMSM分数阶滑模变结构MRAS仿真

针对永磁同步电机(PMSM)模型参考自适应控制系统(MRAS)中存在的抖振及转速估计精度低的问题,提出了一种分数阶滑模变结构MRAS转速辨识方法。首先建立了PMSM的参考模型和可调模型,利用参考模型和可调模型的电流输出误差来构造分数阶滑模面,其次设计了电机速度观测器,用Lyapunov稳定性理论证明了其可行性。最后利用MATLAB/SIMULINK软件搭建仿真模型进行仿真。仿真结果验证了PMSM分数阶滑模变结构速度观测器的有效性,具有更加精确地对转速进行跟踪的能力,有较好的鲁棒性。     

基于滑模控制的模型参考自适应异步电机无速度传感器控制

针对异步电机无速度传感器控制中用传统模型参考自适应理论估计转速时存在复杂的PI增益系数调节的实际问题,提出了一种基于趋近律的滑模模型参考自适应系统,并利用Lyapunov理论推导出一种新的速度估计自适应律以确保系统稳定性和快速性.同时,该方法对外部扰动和噪声具有强鲁棒性,且对抖振具有明显的抑制效果.通过Simulink仿真实验也验证了该方法响应速度快,控制精度高的优良性能.     

液压压下系统的矩法辨识

液压压下系统频率响应较高,为辨识这类系统的参数模型,本文采用矩法对液压压下系统进行辨识,经仿真研究证明,矩法辨识可以有效地辨识出高阶系统的参数,辨识结果准确可靠。     

Application of grey predictor and fuzzy speed regulator in controlling a retrofitted machining table

In this work, the control plant is an a.c. servo motor retrofitted traditional manually operated milling machine with a lead-screw transmission system. This obsolescent milling machine has non-linear time-varying behavior due to obvious backlash and irregular coulomb friction of the sliding surfaces. The system model is difficult to derive and identify for classical control design. In order to achieve the objectives of reducing the tracking error and path error and increasing the motion speed, a combination of PI control with grey prediction, cross-coupling and feedforward control loops and fuzzy speed regulator is proposed to control this machining table. The grey prediction loop is employed to improve the robustness and tracking accuracy of the control system. The fuzzy speed regulator is used to achieve the maximum machining speed under a specified error tolerance. The experimental results show that this control method achieves satisfactory performance of transient response, tracking and robustness under the influence of about 0.4 mm backlash on each axis and large stick-slip friction. This performance verifies the applicability of this economical approach to the automation of traditional milling machines.     

电液速率伺服系统的智能控制研究

将自适应模糊控制理论引入电液速度伺服系统之中，提出了一种基于模糊逻辑关系的自学习控制方法，即彩BP算法对经验规则进行修改，改善系统动态特性，仿真结果表明该控制方法能有效的控制电液速度伺服系统。     

Optimal spindle speed determination for vibration reduction during ball-end milling of flexible details

In the paper a method of optimal spindle speed determination for vibration reduction during ball-end milling of flexible details is proposed. In order to reduce vibration level, an original procedure of the spindle speed optimisation, based on the Liao–Young criterion [1], is suggested. As the result, an optimal, constant spindle speed value is determined. For this purpose, non-stationary computational model of machining process is defined. As a result of modelling, a hybrid system is described. This model consists of following subsystems, i.e. stationary model of one-side-supported flexible workpiece (modal subsystem), non-stationary discrete model of ball-end mill (structural subsystem) and conventional contact point between tool and workpiece (connective subsystem). The method requires identification of some natural frequencies of stationary modal subsystem. To determine them, appropriate modal experiments have to be performed on the machine tool, just before machining. Examples of vibration surveillance during cutting process on two high speed milling machines Mikron VCP 600 and Alcera Gambin 120CR are illustrated.     

交流伺服系统无速度传感器矢量控制研究

为保证控制精度,降低制造成本,研究了一种无速度传感器矢量控制交流伺服系统。该控制系统采用id=0矢量控制策略,PWM采用空间矢量PWM(SVPWM)技术以提高控制性能;同时设计了模型参考自适应系统(MRAS)对电机转子速度/位置进行估算,实现无速度传感器控制。数字仿真试验验证了所设计的伺服系统跟踪定位能力强,鲁棒性好,速度/位置估算精度高。     

基于ANFIS的磨料水射流切割模型

建立了基于自适应神经网络模糊推理系统(ANFIS)的AWJ切割模型，对给定的切割工件、射流压力和切割质量该模型能快速、准确、可靠地预测切割速度．可应用于AWJ切割加工的参数选择、工艺优化及加工规律数值仿真等。     

Predictions on surface finish in electrical discharge machining based upon neural network models

Predictions on the surface finish of work-pieces in electrical discharge machining (EDM) based upon physical or empirical models have been reported in the past years. However, when the change of electrode polarity has been considered, very few models have given reliable predictions. In this study, the comparisons on predictions of surface finish for various work materials with the change of electrode polarity based upon six different neural-networks models and a neuro-fuzzy network model have been illustrated. The neural-network models are the Logistic Sigmoid Multi-layered Perceptron (LOGMLP), the Hyperbolic Tangent Sigmoid Multi-layered Perceptron (TANMLP), the Fast Error Back-propagation Hyperbolic Tangent Multi-layered Perceptron (Error TANMLP), the Radial Basis Function Networks (RBFN), the Adaptive Hyperbolic Tangent Sigmoid Multi-layered Perceptron, and the Adaptive Radial Basis Function Networks. The neuro-fuzzy network is the Adaptive Neuro-Fuzzy Inference System (ANFIS). Being trained by experimental data initially screened by the Design of Experiment (DOE) method, the parameters of the above models have been optimally determined for predictions. Based upon the conclusive results from the comparisons on checking errors among these prediction models, the TANMLP, RBFN, Adaptive RBFN, and ANFIS model have shown consistent results. Also, it is concluded that the further experimental results have agreed to the predictions based upon the above four models.     

闭式高速曲柄压力机动平衡优化设计

针对曲柄压力机高速化所带来的振动加剧问题,以JF75G-125型曲柄压力机为例,建立力学模型,用解析法分析了曲柄滑块机构惯性力产生的原因,采用对称布置法实现动平衡。建立了曲柄压力机在ADAMS中的动力学模型,采用二次优化法进行动平衡优化,对优化后的压力机模型进行了仿真,并利用ADAMS的后置处理模块对动态惯性力进行测试和分析,在此基础上,对曲柄压力机优化前后的动力学参数进行比较和分析,提出了压力机的动平衡优化改进方案。