基于广义动态模糊神经网络的电液伺服系统控制

针对电液伺服系统这一复杂的非线性系统,提出一种广义动态模糊神经网络学习算法,并设计控制器.该算法以模糊ε-完备性作为高斯函数宽度的确定准则;同时对模糊规则和输入变量的重要性作出评价,并以此来调整每个输入变量和模糊规则.使用AMESim软件搭建了系统的模型,并利用AMESim的接口技术实现了与Simulink的联合仿真....     

模糊神经网络在电液伺服控制系统中的应用研究

针对电液比例伺服阀的死区大、强非线性等特点,设计了一个基于模糊逻辑的神经网络控制系统（FNNC）,给出了基于模糊逻辑推理网络的拓扑结构,导出了网络的连接权重和隶属度特征参数的学习算法。将该控制系统应用于蜗杆砂轮磨齿机,获得了良好的效果。     

基于遗传神经网络的电液伺服系统自适应控制

针对热连轧卷取机卷取过程当中的带头损失现象，本文提出一种液压踏步控制的伺服系统。采用神经网络跟踪对象的动力学特性，建立了遗传算法与神经网络相结合的识别模型（GA-ANN），利用遗传算法进行网络权系的训练和优化。试验证明该系统有好的控制效果，对实现液压系统的人工智能化奠定了基础。     

电液速度伺服RBF模糊自适应控制

由于电液速度伺服系统的非线性和参数的不确定性,难以建立精确的数学模型,本文引入RBF(径向基函数)模糊自适应控制,利用RBF神经网络进行自学习、修改和完善模糊规则,改善其动态性能。仿真结果表明该方法具有较强的自适应和自学习能力,即使对复杂的非线性系统也能取得良好的控制效果。     

基于模糊PID控制的直驱式电液伺服系统研究

介绍了直驱式电液伺服系统的实现方案,并建立了系统的数学模型.将模糊控制和PID控制结合在一起,利用模糊控制对PID控制器参数进行在线调整,结合系统的数学模型进行Matlab/Simulink仿真.结果表明,该控制器提高了系统的动态性能,具有很强的实用性.     

基于改进的径向基函数神经网络混合控制在电液伺服系统中的应用

由于电液伺服系统中存在扰动和干扰,一般的控制器很难在各种条件下都取得良好的输出响应.为了解决此类问题,提出了一种基于改进的RBF神经网络混合控制策略.使用基于群组优化理论的离线优化算法来选择RBF神经网络的隐节点数目,用各种在线学习算法来调节隐节点的中心和估计连接权值.该混合控制器结合了改进的RBF神经网络与传统PID 控制的优点,被广泛适用于船舶试验台的电液伺服系统中.试验仿真结果表明,使用这种混合控制器的伺服系统具有良好的动态特性和鲁棒性.     

电液位置伺服控制系统的次优鲁棒控制研究

本文针对某一电液位置伺服控制系统在运行过程中系统参数的变化,采用一次优鲁棒补偿器。该方法能保证系统在工作范围内,对参数的变化不敏感,并且控制器结构简单。     

电液伺服系统神经网络建模研究

本文讨论了非线性系统的神经网络建模的有关问题。提出了对神经网络进行泛化训练及对网络的泛化能力进行定量分析的方法。结合文中提出的一种简化动态网络，通过对一个电液伺服系统的仿真，验证了本文提出的方法是可行的。     

基于MATLAB-AMESim的电液伺服系统模糊PID控制

电液伺服系统在现代工业中有广泛应用,针对实际电液伺服系统中非线性环节建模不准确这一问题,根据MATLAB和AMESim的各自特点,利用AMESim完成复杂实际系统建模,利用MATLAB进行控制器设计,对系统建立联合仿真模型。阐述模糊PID控制器的设计过程,通过仿真结果对比分析模糊PID和传统PID的控制性能。结果显示:在变负载电液伺服控制系统中模糊PID控制器在快速性、控制精度等方面具有更好的控制性能,并且提高了系统的鲁棒性和抗干扰能力。     

神经网络控制器在电液伺服系统中的应用

本文针对一高精度电液伺服系统,利用神经网络设计了控制器,实验表明,该控制器有较强的鲁棒性。     

利用模糊理论改善阀控缸电液伺服系统控制性能

通过对阀控缸电液伺服控制系统的理论分析,并根据实际操作经验,确定出系统位置模糊控制器的结构、输入输出变量、量化因子和比例因子,以及模糊推理法则,然后使用Matlab的Fuzzy工具箱,对系统进行建模和仿真计算,并可根据仿真结果在线调整量化因子参数,对系统进行优化,使系统性能达到最佳状态.由仿真分析结果得出,模糊控制相比于常规的PID控制,可以改善被控过程的稳态和动态性能,提高系统控制精度、抗干扰能力,以及对参数时变的适应能力,最终实现高效的系统开发.     

电液位置伺服系统神经网络辨识的实验研究

针对电液伺服系统非线性建模问题,研究了电液位置伺服系统神经网络辨识模型的基本结构。分析伺服系统动态模型的输入、输出关系,依据遗传算法优化神经网络权值和阈值,建立神经网络辨识模型的基本结构。利用xPC技术建立阀控缸实时电液伺服实验台,以实验台的阶跃输出信号作为改进BP神经网络系统辨识信号,以实验台正弦输出信号作为验证信号。结果表明:该神经网络辨识模型的基本结构可达到较高的辨识精度,其可信性得以验证,适用于非线性系统模型辨识。     

模糊逆模补偿控制在电液伺服系统中的应用研究

针对液压系统普遍存在严重非线性和不确定因素,难以建立精确数学模型实现满意控制效果的现实,提出一种采用模糊逆模预测补偿与常规PI控制器相结合的控制策略.用快速模糊聚类算法根据系统的输入输出数据关系进行建模,用常规控制器结合逆模预测补偿环节来进行控制.为了提升控制品质,利用当前数据对已建立的模糊模型进行在线学习调整.实验结果表明了该控制方案的可行性和有效性.     

基于单神经元自适应PID控制的位置扰动型电液伺服施力系统

针对位置扰动型电液伺服施力系统中多余力矩和参数变化问题，在用结构不变性原理进行补偿的基础上，采用单神经元自适应PID控制来确保系统有满意的跟踪性能。采用这种控制方法，可以较好地消除位置干扰的影响，同时克服系统的非线性及参数时变等因素的影响，提高了系统的鲁棒性和跟踪性能。仿真结果验证了上述结论。     

基于双模控制的电液位置伺服系统研究

以控制某型喷浆机器人枪杆旋转的电液位置伺服控制系统为研究对象，根据该系统要求响应速度快、控制精度高的特点，采用Fuzzy—PID双模控制技术对该系统进行控制，利用Simulink对并联Fuzzy—PID控制方法进行仿真，并对仿真结果进行分析。     

基于电液力伺服系统的最优控制方法的研究

借助最优控制理论，本文将二次最优理论应用到疲劳实验机的电液力伺服系统之中，设计出了最优控制器，仿真结果表明该方法的有效性、可行性，能够有效的改善系统的性能。     

绕弯机电液伺服系统的智能控制

在自控张力绕弯机当中,采用电液伺服系统取代传统的力输出系统,提供绕弯件加工过程中的作用力。由于在电液伺服系统当中,电液力控制系统的输入和输出关系是典型的非线性关系。所以,建立了一套上下位机结合的数字计算机控制系统结构,应用BP神经网络,实现电液力的智能控制。试验结果表明,所设计的电液伺服控制系统加载精度高、稳定性好、工作可靠。