基于比例阀的气动伺服系统神经网络控制方法的研究

研究了用神经网络PID控制器对基于比例阀的气动伺服系统进行控制的方法。用神经网络辨识器来逼近非线性动力学系统,并在线修改控制参数。实验及分析表明,适当的选择网络参数,经过充分的离线训练,该控制器可以进行在线的自适应控制,系统的控制精度和动态特性有明显提高,且在环境参数变化时,控制器具有在线自学习和自整定参数的能力。     

磁流变液气动伺服系统的控制算法研究

介绍了基于磁流变液阻尼器的气动伺服试验系统，对其进行分析，并分别用PID控制算法、BangBang＋PID算法、BangBang＋模糊PID算法对该系统进行跟踪控制。     

气动位置伺服系统的NN-IMC控制研究

提出了一种用于气动伺服系统的内模控制与神经网络相结合的智能控制方法，即NN—IMC控制法。该方法在提高控制性能方面有许多优点，能减少扰动的影响，鲁棒性较强，易于进行稳定性分析，只有一个调整参数，所以在工业应用中具有明显优势。当对象含有非线性环节的时候，可用神经网络来获得适当的控制参数。将所提出的NN—IMC智能控制法应用于含有强非线性气动伺服系统中，通过实验验证了它的效果。     

神经网络控制在气动位置伺服系统中的应用

针对比例流量阀控缸气动位置伺服系统的特点，提出采出神经网络自适应PID控制器来实现活塞位移的实时控制，仿真和实验研究表明，这种控制器具有强鲁棒性，快速跟踪性和较好的控制精度等优点，其重复定位精度小于0．2mm.     

气动伺服系统同步控制实验台的研究

气动同步控制是同步控制研究领域的关键问题。本文主要以气动同步控制试验台为研究对象，对该气动系统的基本特性和气动伺服系统的双缸位置同步控制问题进行研究，提出双层滑模变结构控制同步控制策略，进行双缸位置跟踪控制的实验研究。实验结果表明，提出的新型控制方法在双缸跟踪控制精度和抗干扰能力方面都十分有效。     

基于RBF网络自校正的气动位置伺服系统跟综控制

针对气动位置伺服系统跟踪控制中系统受压力波动、摩擦力扰动等非线性因素影响较大的特点，该文提出采用RBF神经网络自校正控制器来实现活塞位移的控制，仿真结果表明，这种控制器跟踪速度快，控制精度高。     

基于单神经元控制器的气动位置伺服系统研究

针对气动位置伺服系统特点,提出采用比例流量阀作为系统电－气转换元件,并采用单神经元控制器（ＳＮＣ）来实现活塞位移的实时控制。仿真和实验研究表明,这种气动伺服系统具有强鲁棒性,快速跟踪性和较好的控制精度,其重复定位精度小于０．２ｍｍ。     

基于预测模型自适应控制的航空气动伺服系统

该文提出了一种基于预测模型的神经网络自适应控制器的设计方法，并应用在某型航空气动伺服系统中。局部模型预测器具有自学习功能，能动态逼近非线性输入-输出数据，将其与自适应神经网络算法结合起来有利于提高系统的动态性能。实验仿真结果表明，该文提出的自适应控制器具有良好的动态品质，对系统参数的变化亦有很强的鲁棒性。     

气动位置伺服系统的自适应控制系统

提出采用两个电－气压力比例阀构成新颖的阀控制控缸气动位置伺服系统,并运用极点配置的自校正自适应控制方法实现了报缸活塞位移的实时控制。研究结果表明,这种气动位置伺服系统比采用电－气流量比例阀的气动位置伺服系统具有较高的刚度和较好的控制性能;     

基于AMESim和Simulink的气动位置伺服系统PID控制

根据AMESim和MATLAB软件各自的特点,采用了AMESim和MATLAB对气动位置伺服系统PID控制进行仿真,并在仿真中分别对有无PID控制器的气动位置伺服系统进行对比。结果表明,PID控制的气动位置伺服系统稳态精度较高,调节时间短,超调小,可以克服非线性时变特性的影响。     

神经网络自适应控制及其在电液伺服系统中的仿真研究

针对非线性系统控制和神经网络控制实时性差的问题,提出一种神经网络在线控制结构,做到了对象模型在线辩识和控制器在线设计。通过仿真研究,证明该方法有效。     

基于伺服系统的运动控制研究

针对基于伺服系统的运动控制技术的现状和发展做了简要的分析研究,介绍了交流伺服控制的两种方式,同时对运动控制系统未来的发展提出了自己的观点.     

一种改进的神经网络控制方法在电液伺服系统中的应用

针对线性自适应控制方法在电液伺服系统控制中的不足，提出了一种基于局部逼近神经网络控制理论的改进控制方法。仿真结果表明该方法控制效果优良。     

压电式气动伺服阀控制策略的研究

通过分析比较单纯PID控制和PID神经元网络控制对压电式气动伺服阀动态特性的影响,具体比较两种控制下压电式气动伺服阀的稳定性、快速响应性、信号跟踪能力,仿真结果表明,PID神经元网络控制比单纯PID控制对系统具有更好的稳定性、快速响应性和信号跟踪能力.     

电液位置伺服系统的自适应模糊神经网络控制

将电液位置伺服系统分为已知规律的线性部分和包括非线性、参数不确定性、负载干扰等在内的未知规律部分，用模糊神经网络仅对未知规律部分进行在线估计，缩小了搜索空间，系统估计的精度得到改善，加快了收敛速度。同时，对模糊神经网络建模误差的界进行在线估计，使变结构控制增益由接近建模误差的估计值确定，克服了传统变结构控制因过于保守的鲁棒控制增益带来较大控制量而不易实现的缺陷。     

气动位置伺服系统的自适应控制研究

提出采用两个电－气压力比例阀构成新颖的阀控缸气动位置伺服系统,并运用极点配置的自校正自适应控制方法实现了气缸活塞位移的实时控制。研究结果表明,这种气动位置伺服系统比采用电－气流量比例阀的气动位置伺服系统具有较高的刚度和较好的控制性能;运用自适应控制方法的气动位置伺服系统具有较强的跟踪能力和抗参数扰动的鲁棒性。     

电液伺服系统的神经网络在线学习补偿自适应控制

基于反馈误差学习法、小波分析理论并结合面向控制的辨识思想，提出了一种神经网络在线学习补偿自适应控制结构。基于被控过程的小波变换结果信息利用反馈误差学习法调整控制参数。利用“参征器”实行监督控制，避免控制器的输出产生振荡或进入饱和状态。工程应用表明，该方法将过程辨识和“参征器”引入神经网络的学习和控制中，可有效地提高了系统的控制品质。