基于模糊神经网络滑模控制的xy平台轮廓控制

永磁同步直线电机(PMLSM)直接驱动xy平台数控系统曲线轨迹跟踪时,其轮廓精度会受负载扰动以及曲线轨迹轮廓误差模型复杂等问题的影响。针对此问题,采用具有自学习能力的模糊神经网络滑模控制(FNNSMC)进行单轴位置控制器的设计,在不失滑模控制鲁棒性的情况下,有效地削弱该控制所产生的抖振;两轴之间运用实时轮廓误差计算法建立曲线轨迹的轮廓误差模型并采用交叉耦合控制(CCC)进行轮廓控制器的设计,实现跟踪误差与轮廓误差的同时减小。仿真结果表明:该控制方案基本消除了抖振,保证xy平台具有较强的鲁棒性和较高的轮廓精度。     

新型变刚度电液串联弹性机械臂振动控制仿真研究

为了抑制变刚度电液串联弹性机械臂振动幅度,设计反演自适应模糊滑模控制器,并对机械臂输出效果进行仿真。创建新型变刚度电液串联弹性机械臂,给出阀内流体流动分布的非线性控制方程式。针对传统滑模控制器进行改进,将输入整形技术与模糊逻辑系统相结合,设计反演自适应模糊滑模控制器。引用李雅普诺夫函数对控制器的稳定性进行证明,保证系统的状态变量到达并保持在滑动面上。采用MATLAB软件对机械臂角位移、角速度和转矩变化进行仿真,与滑模控制器输出结果进行对比。结果显示：在无干扰环境中,采用滑模控制器和反演自适应模糊滑模控制器,机械臂运动轨迹与期望轨迹的误差较小,振动幅度较小;在有波形干扰环境中,反演自适应模糊滑模控制器控制效果明显优于滑模控制器,机械臂运动轨迹与期望轨迹的误差较小,振动幅度较小,自适应调节时间较短,无超调量发生。采用反演自适应模糊滑模控制器,能够抑制变刚度电液串联弹性机械臂振动幅度,减小其输出误差。     

基于改进双模糊PID控制的Stewart平台运动路径跟踪研究

为提高Stewart平台运动控制的抗干扰能力,设计了改进双模糊PID控制系统,并对控制误差进行仿真验证。在坐标系中创建Stewart平台简图,通过矩阵变换推导出连杆运动方程式。设计了Stewart平台液压驱动机构,给出了液压伺服阀流量控制方程式。在传统PID控制基础上设计了双模糊PID控制器,通过粒子群算法对双模糊PID控制器进行优化,采用MATLAB软件对Stewart平台运动路径跟踪误差进行仿真。仿真结果表明:采用改进双模糊PID控制器,Stewart平台在有干扰环境中移动时,仍然能够保持较高的运动路径跟踪精度,对外界的干扰反应速度较快、调节效果较好。采用改进双模糊PID控制器,Stewart平台控制系统的抗干扰能力较强,提高了Stewart平台运动路径跟踪精度。     

基于改进PID控制的电液伺服系统执行器运动轨迹仿真

电液伺服系统执行器运动轨迹跟踪容易受到外界干扰,导致控制系统不稳定。为解决此问题,设计小波神经网络PID控制系统,并对控制效果进行仿真验证。建立电液伺服阀简图模型,创建阀芯运动的动力学模型,分别推导出控制阀、液压执行器和比例溢流阀动力学方程式。采用小波神经网络对传统增量式PID控制器进行改进,利用MATLAB软件对改进后的控制系统进行仿真;对比分析改进前、改进后系统液压执行器的跟踪轨迹。结果表明：液压执行器在没有受到外界波形突然干扰情况下,2种控制方法都能较好地实现轨迹跟踪;在受到外界波形突然干扰情况下,采用增量式PID控制的液压执行器运动轨迹与期望轨迹存在较大误差,采用小波神经网络PID控制的液压执行器运动轨迹与期望轨迹存在较小误差。所设计的控制系统响应速度较快,能够自适应在线调整控制参数,有效地抑制外界环境对控制系统的干扰,从而提高液压执行器运动轨迹跟踪精度     

神经网络PID控制的液压驱动主动升沉补偿预测控制研究

为了提高船舶在海面上作业时补偿精度,采用BP神经网络PID控制方法,并对船舶升沉运动输出误差进行仿真。建立船舶主动升沉补偿系统简图,分析船舶升沉运动工作原理,给出液压缸驱动传递函数。引用BP神经网络算法,采用梯度下降法对BP神经网络加权值进行修正,通过学习速率来补偿控制系统输出误差,从而实现PID控制器参数在线调节。在受到不同负载影响状况下,采用MATLAB软件对船舶升沉运动补偿精度进行仿真,并且与PID控制补偿精度进行对比。结果表明:采用PID控制器,船舶升沉运动输出误差较大,控制系统反应速度较慢;而采用BP神经网络PID控制器,船舶升沉运动输出误差较小,控制系统反应速度较快,同时,随着负载质量的增加,输出误差就会增大。采用BP神经网络PID控制系统,响应速度快,补偿精度高,提高了船舶在海面上作业定位精度。     

电液伺服马达驱动系统的奇异摄动控制仿真研究

为了提高电液伺服驱动系统控制精度,设计了奇异摄动控制方法,并对液压驱动系统输出结果进行仿真验证。建立电液伺服驱动系统,给出电液伺服阀原理图,并介绍电液伺服阀工作原理。创建电液伺服阀节流孔的非线性数学模型,推导出液压驱动方程式,通过最小二乘法对运动参数进行估计。利用反馈线性化技术和奇异摄动理论解决了非线性和不确定性问题。采用MATLAB软件对电液伺服驱动系统液压马达角位移、角速度和负载压力跟踪结果进行仿真,与传统PID控制结果进行对比。结果显示：采用传统PID控制系统,电液伺服驱动系统液压马达角位移、角速度和负载压力跟踪误差较大;采用奇异摄动控制系统,电液伺服驱动系统液压马达角位移、角速度和负载压力跟踪误差较小,控制系统反应速度较快,可以提高电液伺服驱动系统控制精度。     

3-RRR平面并联机器人神经网络滑模控制研究

针对具有强耦合和高非线性并联机器人的轨迹跟踪控制研究,设计了一种基于神经网络滑模控制器的控制系统。在传统滑模控制的基础上,利用神经网络算法实时修正系统非线性项和不确定参数的功能,有效抑制了SMC系统的抖振现象。建立了3-RRR平面并联机器人的结构简图和Matlab模型,并采用闭环矢量法得到了机器人的运动学反解,为控制系统提供了参考输入。基于机器人的简化动力学方程,设计了一种RBF神经网络滑模控制器,并构造Lyapunov函数证明控制器的稳定性。分别采用传统滑模和神经网络滑模控制方式对机器人的轨迹跟踪进行仿真分析。仿真结果表明:神经网络滑模控制器具有更好的轨迹跟踪精度和较小的稳态误差,验证了神经网络SMC控制器的有效性。     

3-RPC型并联机器人模糊滑模轨迹跟踪控制研究

分析了直流伺服电机驱动的3-RPC并联机器人的运动学反解,并对其进行了轨迹规划;设计了传统滑模控制及模糊滑模控制,建立了仿真模型,并完成了各支路的期望运动的轨迹跟踪。仿真结果表明:模糊自适应增益滑模控制比传统滑模控制精度更高,响应时间明显更快,更能有效地消弱控制中带来的抖振现象。     

基于径向基函数神经网络控制的机械臂轨迹误差研究

当前,机械臂关节运动轨迹容易受到外界环境的干扰,导致运动轨迹不稳定,抖动现象特别严重,不能很好地满足轨迹跟踪任务的要求。对此,文中创建机械臂双关节运动简图模型,采用径向基函数(RBF)神经网络自适应控制方法跟踪机械臂关节的运动轨迹。分析了机械臂运动轨迹所产生的误差,设计了机械臂关节神经网络自适应控制器,引用李雅普诺夫函数对控制器的稳定性和收敛性进行了证明。结合具体实例,借助于Matlab软件对机械臂双关节的运动轨迹追踪误差进行仿真。同时,与模糊PID控制的仿真误差进行对比和分析。仿真曲线显示,机械臂关节采用RBF神经网络自适应控制方法,运动轨迹追踪所产生的误差较小,输入力矩的振动幅度相对较小。因此,机械臂关节末端采用RBF神经网络自适应控制器,可以降低运动轨迹的跟踪误差,改善振动现象。     

基于改进遗传算法优化的双步进电机伺服阀控制研究

针对当前电液伺服阀控制系统响应速度慢、输出误差较大的问题,采用改进遗传算法优化控制系统,并对控制效果进行仿真验证。设计了新型电液伺服阀结构,建立了电液伺服系统动力学模型,推导了液压缸流量运动方程式。采用改进遗传算法优化RBF神经网络结构,通过MATLAB软件对双步进电机伺服阀改进的控制系统进行仿真验证,并且与传统PID控制效果进行对比。结果显示:在无干扰环境中,采用传统PID控制和改进RBF神经网络控制方法都能较好地提高活塞杆运动位移输出精度;在有干扰环境中,采用传统PID控制方法,活塞杆运动位移输出的误差较大,而采用改进RBF神经网络控制方法,活塞杆运动位移输出的误差较小。采用改进RBF神经网络控制方法,能够抑制外界的干扰,从而提高双步电机伺服阀控制系统的响应速度和输出精度。     

基于简化模型的阀控液压缸活塞运动速度控制方法的研究

对阀控液压缸活塞运动速度的有效控制,有利于提高液压伺服系统的工作精度.设计一种与非线性摩擦力相关的简化模型,用以对液压缸活塞运动速度进行控制.分析比例方向阀控制的液压缸的结构,建立比例方向阀的闭环传输函数.通过液压缸两个腔室的压差,计算比例方向阀中液压介质的体积流量方程,并在此基础上求取液压缸压力值的连续方程,进而得到...     

基于预测控制器的电液伺服系统节能方法研究

设计基于预测控制器的电液伺服系统节能方法,以控制电液伺服系统准确追踪期望位置的同时,达到节能的效果。从电液伺服系统的原理出发,分析电液伺服系统的工作原理及结构组成。利用比例方向控制阀阀芯位移,计算出液压缸腔室与油箱压力及供给压力间的压差值。利用活塞位移求取腔室内的压力连续性方程。在考虑比例方向控制阀阻尼系数的基础上,建立其对应的运动方程。利用比例溢流阀的开度,求取其动态方程。通过腔室压力值、比例溢流阀的开度,建立电液伺服系统的状态模型。以期望位置为依据,计算出腔室内压力的期望值,进而求取所需供给压力。利用所需供给压力,构造预测控制器,对电机的转速进行预测控制,以达到动态调节供给压力的效果,实现节能控制。实验结果表明：与采用滑模控制的恒压方法相比,该方法对正弦及随机期望位置的追踪精度分别提高了44.93%和39.98%,对应的能耗分别降低了13.45%和10.54%。 该方法对电液伺服系统的位置控制效果及节能控制效果都较好     

基于连续滑模控制的电液伺服系统轨迹追踪控制

为改善电液伺服系统的轨迹追踪精度,设计一种连续滑模控制器,用于对电液伺服系统进行轨迹追踪控制.在电液伺服系统的建模过程中,以控制阀阀芯位移为依据,得到了电磁线圈上的电压及电流方程.在液压流体的作用下,建立气缸内液压流体的流量方程.根据系统的轨迹误差,构造滑动面模型.在开环传递函数状态空间模型的基础上,建立控制律的连续方...     

起重机变幅系统动态特性分析及双液压缸同步控制

重型汽车起重机的变幅系统通常采用两个液压缸共同驱动起重臂,针对变幅过程中存在的同步误差问题,对双液压缸驱动系统进行研究,找出影响变幅系统动态特性的因素。提出一种基于模糊神经PID控制方法,将模糊规则用于神经网络加权系数的选取,以实现不同工况条件下对PID控制参数的实时在线调整。最后,在交叉耦合方法的基础上以液压缸活塞位移和平衡阀进油压力作为指标进行仿真和实验。结果表明此方法可以有效减小同步控制偏差,提高控制精度,解决了传统控制方法鲁棒性差的问题,达到控制要求。     

动压缸电液伺服压力系统自适应反步双滑模控制

给出了轨道路基测试装置液压原理图、动压缸电液伺服压力系统数学模型和AMESim模型。将动压缸电液伺服压力系统拆分为动压缸位移子系统和动压缸输出压力子系统两部分,在此基础上,设计了一种自适应反步滑模控制方法:采用双滑模结构,分别构造动压缸位移子系统滑模自适应控制和动压缸输出压力子系统反步滑模自适应控制,给出了不确定参数的自适应律,并对该方法的稳定性进行了证明。最后将该方法作用于动压缸电液伺服压力系统AMESim模型上,仿真结果表明:该方法不仅可以有效地估计系统中参数,实现对目标期望变量精确地跟踪,具有比积分滑模自适应控制(ISAC)更好的控制性能和跟踪性能;而且可以有效地减小参数不确定性对跟踪性能的影响,具有较好的鲁棒性能。     

基于模糊滑模的两轴伺服系统轮廓误差交叉耦合控制算法

针对两轴伺服系统轮廓误差控制问题,提出一种基于模糊滑模的交叉耦合轮廓误差控制方法。设计了单轴模糊滑模跟踪控制器,用于消除干扰作用。将模糊控制器用于自适应调节滑模控制器切换增益,减小滑模控制的抖振现象。采用交叉耦合控制算法进行两轴间的协调控制,解决轴间参数不匹配的问题,保证轮廓控制精度。仿真结果表明:该方法能有效提高跟踪精度和轮廓精度。     

基于模糊RBF的液压压裂泵同步研究

针对液压压裂泵的液压缸工作中的不同步导致整个系统流量和压力脉动大、输出效率低、液压元件使用寿命短的问题,以阀控缸为研究对象搭建其数学模型,提出利用模糊RBF神经网络+交叉耦合的控制策略对液压缸的同步动作进行控制。在传统模糊控制的基础上,将模糊控制与RBF神经网络控制融合在一起,根据系统数学模型,设计了跟踪控制器和同步控制器,实现对阀控缸系统的精准控制与同步反馈。仿真结果表明：与传统PID和模糊PID系统相比,模糊RBF神经网络+交叉耦合同步控制策略同步精度高,响应速度快,有较好的鲁棒性和稳定性。     

重型液压机执行器自适应滑模容错控制

为了提高重型液压机在执行器故障情况下的容错控制能力和控制精度,设计了自适应滑模容错控制器。建立了5缸液压机的滑块动力学模型和液压缸压力动态方程。使用积分滑模控制设计了3个子系统虚拟控制律;使用伪逆法实现了控制分配;在执行器故障情况下,在积分滑模控制基础上,提出了自适应补偿策略,从而给出了执行器故障情况下可以实现的虚拟控制律;使用分散滑模控制将虚拟控制律转化为伺服阀控制律,并证明了自适应滑模容错控制器具有Lyapunov意义下的稳定性。经仿真验证,在单个执行器故障或多个执行器故障的情况下,自适应滑模容错控制器能够将调平误差控制在2×10^-4rad内,位移跟踪误差最大为0.0111 m,体现了执行器故障情况下极高的调平和跟踪精度,也体现了自适应滑模容错控制器具有很好的鲁棒性。