位置伺服系统模糊自适应滑模控制研究

位置伺服系统对响应速度、定位精度、抗扰性能等要求越来越高,传统PID控制实现容易,但依赖对象数学模型、性能有限,很难满足高要求。滑模控制不依赖对象模型、适用性强,因此提出一种对指数趋近速率进行自适应调整的滑模控制方法。以位置伺服系统为对象,分别采用PID控制、滑模控制、模糊自适应滑模控制进行定位控制及抗扰动性能的仿真及试验。结果表明:模糊自适应滑模控制较PID控制在快速定位及抗扰动性能上均明显占优;相比普通滑模控制,其动态性能更好。因此对于要求响应速度快、抗扰性能强的位置控制应用场合,提出的模糊自适应滑模控制适用性更好,有一定的应用价值。     

模糊神经网络滑模控制在轧机中的应用

针对液压轧机不确定的压下液压伺服系统的跟踪控制问题,设计了一种基于神经网络的滑模控制器.仿真与试验结果表明,该控制器使系统有较强的动态特性和稳态特性,并提高了系统的鲁棒性和跟踪性能.     

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。     

基于PSO的塔式起重机模糊神经网络滑模防摆控制

针对塔式起重机运行中重物摆动造成的工作效率降低、存在安全隐患等问题,建立塔式起重机的动力学模型,设计基于PSO的模糊神经网络滑模控制器,用于塔式起重机的定位、防摆控制。用模糊神经网络辨识塔式起重机系统模型的不确定项,并用PSO算法优化滑模控制器的参数。该方法降低了滑模控制系统的抖振,提高了控制系统的性能。仿真结果表明该方法的有效性和可行性。     

直驱转台伺服系统的优化神经网络滑模位置控制研究

针对直驱转台伺服系统存在参数变化、高度非线性、机械谐振等不确定性因素,提出一种优化神经网络滑模位置控制方法。利用两个神经网络控制器分别实现转台系统滑模控制中的等效滑模控制和滑模切换控制,并采用遗传算法优化神经网络的权值。仿真结果表明:采用该控制方法,直驱转台伺服系统的位置跟踪精度高,系统的鲁棒性强。     

基于滑模扰动观测器和积分滑模控制器的活塞加速度控制研究

针对活塞加速度精度低的问题,提出具有气动和液压技术优势的新型混合执行控制系统。通过分析电液-气动混合执行控制系统结构,建立电液-气动混合执行器的数学模型。在积分滑模控制器的基础上,结合具有干扰抑制和估算复合扰动能力的滑模扰动观测器,开发滑模扰动观测器-积分滑模控制器的综合控制器;采用MATLAB软件对电液-气动混合执行器进行仿真,并与传统PID控制器的计算结果进行对比和分析。结果表明：采用基于滑模扰动观测器-积分滑模控制器的电液-气动混合执行控制系统可明显提高对方波和正弦加速度信号的跟踪精度,方波响应超调量减少约54%,正弦响应误差减少约65%;该控制系统抗干扰性强,位置跟踪误差较小,可以有效地精确控制活塞加速度,具有较强的鲁棒性     

液压机械补偿功率回收模型参考模糊神经网络控制

介绍了液压系统试验中机械补偿功率回收的原理,建立了压力系统的数学模型.针对机械补偿功率回收系统影响压力的非线性因素多且多为缓变的特点,为满足试验要求提出了采用模型参考的模糊神经网络,提出了该网络实现的形式,设计了模糊神经网络和误差的逼近算法,根据要求确定了参考模型等.仿真结果表明:该控制方法能有效地跟踪参考模型,改变对象参数及负载输出压力无变化,能很好地满足试验要求.     

泵控缸电液位置伺服系统的自适应模糊滑模控制

针对泵控缸电液位置伺服系统的跟踪控制问题,设计了自适应模糊滑模变结构控制器.为了使等效控制器的设计不依赖于对象的精确数学模型,利用自适应模糊系统代替等效控制器,并且为了消除外界干扰、抑制抖振,利用模糊系统动态调节控制增益.仿真结果表明,该方法能保证系统具有较优的动态响应和稳态控制精度,并且对外界干扰及结构参数不确定性具有很强的鲁棒性.     

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。     

模糊滑模控制在汽车ABS中的应用研究

为削弱滑模控制的抖振现象,提出了一种基于汽车ABS滑移率控制的模糊滑模控制(FSMC)方法.该方法将模糊控制和滑模控制的优点有效地结合起来,利用模糊控制自适应调整滑模控制的趋近率参数,既保证了滑模控制的鲁棒性,又能够有效地削弱抖振,而且不依赖于精确的数学模型.将设计的模糊滑模控制器应用于单轮车辆模型及由Burckhardt和Kieche μ-S曲线所表示的轮胎模型,在MATLAB/Simulink6.5环境下进行仿真.结果表明,模糊滑模控制方法在ABS的滑移率控制中是切实有效的.     

双缸液压系统活塞运动轨迹同步模糊控制研究

针对负载不平衡的双液压缸同步运动控制问题,提出一种活塞运动轨迹同步模糊控制方法。该方法首先采用基于轨迹约束的控制器将两液压缸的同步误差限制在一定范围内,并使活塞杆运动平滑。在模糊控制的基础上,引入两个模糊控制器,分别用于消除液压缸的轨迹跟踪误差和液压缸之间的同步误差。实验结果表明:即使两液压缸存在较大的负载不平衡,该复合控制方法仍能将系统的同步运动误差控制在±10 mm以内,且系统运动具有很好的平滑性。     

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。     

基于RBF神经网络的永磁同步直线电机全局滑模控制

针对永磁直线同步电机直接驱动伺服系统存在负载扰动、参数时变、非线性摩擦及端部效应等不确定性因素,提出了一种神经网络增益切换全程滑模控制策略。该策略使控制系统一开始就处于滑动模态上,使系统具有全局鲁棒性。其次,通过递归神经网络的在线学习来对不确定界限实时估计,并引入饱和函数,以进一步降低控制中的抖振,改善系统的性能。通过仿真对所提方案与PID控制和传统滑模控制进行对比,验证了所提出的方案有更好的鲁棒性和跟踪能力。     

基于改进自适应高阶滑模的液压缸位移跟踪控制

电液伺服系统具有高度非线性、模型参数不确定等特点,给液压缸位移跟踪控制造成了困难。高阶滑模是一种变结构非线性控制方法,它可以实现系统的鲁棒控制,同时抑制系统的抖动,非常适用于电液伺服系统的控制。但高阶滑模也存在控制器的参数难以设置、系统响应速度慢的问题。对此,提出在自适应高阶滑模的基础上加入比例反馈的复合控制策略。针对高阶滑模的控制参数难以设置的问题,提出基于时滞控制理论的参数自适应调整算法,既保证了系统稳定又降低了控制信号的抖动幅值。在自适高阶滑模的基础上加入比例控制以提高系统的响应速度。建立了电液伺服系统的仿真模型,仿真结果表明：自适应高阶滑模使控制信号的振幅进一步减小,有效抑制了液压缸的抖动;加入比例控制之后,系统的响应速度大幅提升,位移跟踪误差也显著减小。     

模糊神经网络技术及其在一类复杂工业过程控制中的应用研究

针对毛纺工艺侧吹风的温、湿度控制系统的非线性特点设计了一种模糊神经网络控制器,并将其应用到毛纺车间中,实现了对生产车间的温度的精确控制.最后,用MATLAB和C语言做了仿真,结果令人满意.     

高阶滑模控制在液压起竖系统中的应用

针对液压起竖系统这类非线性系统的控制问题,根据高阶滑模控制理论,提出了一种基于微分观测器的高阶滑模控制方法。基于液压起竖系统的非线性模型,设计基于高阶滑模控制方法的起竖系统起角跟踪控制器。利用微分观测器对起竖角导数信息和高阶滑模的导数阶滑动变量信息进行观测,从而构造一种基于微分观测器的控制器形式。试验结果表明:该控制方法能应用于液压起竖系统,与PID控制和普通滑模控制比较,该方法可以有效地抑制普通滑模控制存在的抖振问题,并具有很好的控制性能。     

模糊非线性积分滑模张力控制系统的研究

张力控制是诸多行业中卷绕系统的关键技术,直接影响着产品的质量。针对卷绕张力系统耦合性强,干扰因素较多等问题,提出了一种鲁棒性强的模糊非线性积分滑模控制方法。以伺服电机为张力执行机构对卷绕张力系统进行数学建模。提出双闭环控制方案并设计了模糊非线性积分滑模张力控制器和具有过渡过程的转矩PID控制器。在MATLAB/Simulink环境中建立了张力控制系统模型并进行了仿真验证。仿真结果表明张力控制系统具有启动过程快速稳定,抗干扰能力强等特点。