活塞数控加工的迭代学习前馈反馈控制研究

在高速精密非圆加工中,伺服刀架系统的幅值衰减产生较大的刀具轨迹跟踪误差,从而降低加工精度.针对活塞外圆数控加工数据控制,设计了一种迭代学习的前馈反馈控制方法,该控制算法中的前馈采用迭代学习控制,利用以往批次信息实现精确跟踪.反馈部分用于克服当前批次的扰动.推导该控制算法在频域下的收敛条件,经仿真实验验证,这种控制方法运用于活塞外圆加工中可以取得良好的控制效果.     

迭代学习控制的研究及应用

迭代学习控制的研究及应用西安交通大学机械工程学院李新忠简林柯何１前言迭代学习控制（ＩｔｅｒａｔｉｖｅＬｅａｒｎｉｎｇＣｏｎｔｒｏｌ）顾名思义，就是通过反复的迭代修正达到某种控制目标的改善。这一思想首先是由Ｕｃｈｉｙａｍ［１］提出的，由Ａｒｉｍｏｔｏ...     

基于性能指标的非线性系统迭代学习控制

通过对迭代学习控制本质的分析，本文提出一种基于二次型优化函数设计的迭代学习控制策略，算法具有保证系统一致趋近目标轨迹的能力，最后给出了收敛条件。     

基于迭代学习控制的飞机除冰液温度控制方法研究

在飞机集中除冰系统除冰液温度控制单元结构设计的基础上,分析了飞机除冰液加热温度控制系统的时变及时延特性.从理论上分析了迭代学习控制的稳定条件及对延迟干扰的鲁棒性,提出了基于迭代控制理论的除冰液温度控制策略,以克服系统的纯延迟给除冰液温度控制带来的不利影响.并利用系统的实际温升曲线模型对设计的控制策略进行了仿真研究,仿真结果验证了提出算法的有效性.     

基于数据驱动的数控机床自适应迭代学习控制

数控机床位置伺服系统受加工环境、零件形状和机床机电特性等变化因素的影响,其零件加工是一个典型的非线性、时变和不确定动力学变化过程,因此,建立其精确机制模型很困难.针对相同零件批量加工过程呈现的重复运行特点,基于被控对象的等价数据模型,提出一种基于数据驱动的自适应迭代学习控制方法.所提控制方法采用沿迭代轴的动态线性化方法...     

基于优化迭代学习算法的机器人运行轨迹跟踪控制

为控制机器人跟踪期望轨迹或使其达到指定的目标位姿,设计基于优化迭代学习算法的机器人运行轨迹跟踪控制模型。联合四驱WMR机械构架、主控传感器等交互型应用控制模块,在处理机器人运行轨迹信号的同时,遵照迭代学习算法的极值收敛性优化原理,建立关键动力学模型,实现对机器人运行轨迹的实时跟踪与控制。设计仿真对比实验,证实优化迭代学习算法对机器人运行轨迹的控制有效性。     

基于神经网络的变椭圆活塞加工精度控制研究

变椭圆活塞外型面加工是一种典型的复杂型面加工问题。提高活塞外型面加工精度存在一定难度，传统的补偿控制技术不能满足要求。本文从神经网络实现非线性系统的理动力学模型辨识的思路出发，探讨了神经网络进行加工系统控制的原理，并设计了一种逆－逆模型的系统控制方案。在进行变椭圆活塞加工精度控制时，检验了该系统的控制精度。     

连续跟踪轨迹的非线性系统迭代学习控制

在神经网络辨识的基础上，提出一种迭代学习控制算法，可用于非线性系统连续轨迹跟踪控制，算法具有控制收敛与辨识收敛等价的特点。仿真结果表明了算法的有效性。     

基于迭代学习的机器人自适应滑模控制

针对非线性强耦合、参数复杂且不确定以及干扰未知的机器人轨迹重复跟踪控制问题,提出一种基于迭代学习技术的自适应鲁棒控制策略.在迭代学习的基础上,引入自适应滑模控制器,以提高系统的鲁棒性;接着,对控制器进行了稳定性分析;最后,分别基于两种工况对该控制器的特性以及对随机干扰的抗干扰性能进行了仿真实验,结果表明基于迭代学习的自...     

基于迭代学习交叉耦合的轮廓误差控制方法研究

针对进给伺服系统传统控制方法产生的各轴特性不匹配、控制精度不佳、抗扰动能力不足等问题,提出一种基于自抗扰控制(ADRC)和迭代学习交叉耦合控制(ILCCC)的轮廓跟踪控制算法。对于空间任意轮廓曲线,所提算法在三轴联动条件下,通过不断的迭代学习过程,优化分配给各轴的轮廓误差补偿量,加快伺服轴动态响应的同时,有效抑制伺服系统的轮廓误差。在仿真平台下建立控制器数学模型,对空间直线和空间螺旋线轨迹进行了三维跟踪验证。研究结果表明：与ADRC控制算法和ADRC+PIDCCC控制算法相比,ADRC+ILCCC控制算法在轮廓误差的最大绝对值、累计值以及平均值等指标上均有很大改善,证明了所提算法的优越性。     

基于迭代学习的直驱XY平台抗干扰复合控制

直驱XY平台在微电子封装领域有着广泛应用,针对扰动下难以实现XY平台高精密轨迹跟踪的问题,对双轴运动的轮廓误差模型以及抗扰控制机理进行研究,并提出了有效的控制方法.分析并建立了二维轨迹运动轮廓误差模型,在此基础上,单轴采用基于干扰观测器的双闭环前馈复合控制方式,轴间则利用迭代学习控制率构建基于轮廓误差的位置跟踪控制器进...     

基于迭代学习的直线伺服系统离散变结构控制

直线电机在执行重复性的跟踪控制任务时,负载扰动、端部效应力及摩擦力会呈现周期性变化。为了提高永磁直线伺服系统的跟踪精度与抗扰性能,消除上述不确定因素的影响,采用离散变结构控制(DVSC)和迭代学习控制(ILC)相结合的位置跟踪控制策略。并利用迭代学习控制算法来调整变结构控制器的参数,削弱抖振,提高稳态精度。理论分析与仿真结果表明,该方案在保证直线伺服系统快速精确跟踪性能的同时,对系统参数变化和阻力扰动具有很强的鲁棒性。     

直线电机迭代学习控制非重复性扰动抑制研究

针对直线电机迭代学习控制过程中非重复性扰动积累问题,提出了将干扰观测器和小波变换相结合的抑制非重复性扰动的算法。首先分析了扰动对迭代学习控制跟踪误差的影响,包括负载扰动和测量噪声,给出了干扰观测器和小波滤波抑制迭代学习控制中非重复性扰动的理论依据。干扰观测器直接对干扰估计并进行补偿,在时间域上抑制非重复性扰动,小波变换可分离出非重复性扰动,重构出不含非重复性扰动的误差信号,在迭代域上抑制了非重复性扰动的积累。利用辨识出的直线电机平台模型进行仿真,仿真结果证明提出的策略能够减少前馈控制信号中非重复性扰动积累,减小迭代学习控制收敛误差。     

基于遗传算法迭代学习的偏心轴廓形误差补偿研究

为了提高偏心轴类零件轮廓加工精度,引入遗传算法和迭代学习PID控制算法,利用遗传算法对偏心轴磨床不同转速下的X-C轴PID参数进行整定,再通过迭代学习PID控制方法对X-C轴进行迭代学习控制,减小偏心轴磨床X-C轴的跟踪误差,通过MATLAB的Simulink仿真工具建立偏心轴磨削迭代学习PID控制仿真程序,进行仿真实验。实验表明基于遗传算法的PID迭代学习控制比普通PID控制更能够有效控制X-C轴跟踪误差,提高偏心轴轮廓加工精度。     

基于变增益非线性系统的迭代学习控制方法的研究与应用

本文对迭代学习控制进行了分析与研究，并对于一种工程实际中存在的变增益非线性问题采用了PID型开环迭代学习算法给定的期望轨迹。通过仿真试验及其对仿真过程和结果的分析，得出PID型迭代学习算法对于此问题切实可行。     

基于改进迭代学习的并联6-DOF运动平台控制策略研究

为了改善并联6-DOF运动平台的轨迹跟踪效果提出了一种新颖的控制算法。该控制方法结合了非奇异Terminal滑模控制(NTMSMC)和迭代学习控制(ILC),非奇异Terminal滑模控制器可以在有限的时间到达和消除控制器奇异,将其作为第一控制器来处理模型参数不确定性、未知的非线性和外部干扰;在到达滑模面之后,用PD型迭代学习控制器作为第二控制器来消除周期性轨迹跟踪误差。Simulink仿真结果表明,这种组合控制器与其它控制器(如PID控制、滑模控制、迭代学习控制)相比有更高的轨迹跟踪精度和较强的鲁棒性。     

基于迭代学习的6-DOF平台控制与仿真研究

在建立某型模拟器平台动力学模型的基础上,提出一种迭代学习控制(ILC)算法。通过多体系统动力学分析软件ADAMS建立虚拟样机模型,运用Matlab/Simulink建立控制策略模型,利用接口文件将两者结合起来进行机械系统与控制系统的联合仿真。结果表明:联合仿真具有较好的直观性和分析的快速性,验证了迭代学习控制策略的优越性,对控制器的设计与验证具有重要的借鉴意义。