利用子空间方法辨识液压锤系统及仿真

针对在液压破碎锤控制和故障监控领域建立系统动态模型的需要,文章研究了基于状态空间模型的数字子空间状态空间系统辨识（N4SID）方法,并在某种新型液压破碎锤上进行了仿真实验,结论表明,该方法可以较准确地辨识新型液压破碎锤的系统模型。     

空间机器人单关节控制器模型自适应调整

文章针对空间机器人单关节系统自身的特点,在系统辨识的基础上提出了模型参数间断性自适应调整算法.该算法在不同的工作状态和负载产生变化时,适时调整系统参数,为控制器提供准确的被控模型,达到精确控制的目的.本文提出的对空间机器人系统模型进行间断性自适应调整的方法与传统的调整控制器参数的方法相结合,改进了空间机器人的动态品质,减少了系统的计算量,缩短了响应时间,提高了控制精度.     

基于小波神经网络的控制方法及其应用研究

提出一种基于小波神经网络的控制方法,该方法利用两个小波神经网络作为控制系统的辨识器和控制器来构成控制系统。小波神经网络辨识器能更准确逼近非线性对象,小波神经网络控制器能产生复杂的最佳控制规律。仿真结果表明系统具有逼近精度高、控制效果好、抗干扰能力强等优点。     

惯性稳定平台自适应前馈控制

结合反馈控制提出了一种自适应前馈控制方法来提高惯性稳定平台稳定控制的指令跟踪性能。应用子空间辨识算法,由输入输出数据辨识稳定平台动态模型的状态空间描述;采用频域回路成型方法设计反馈回路控制器,用于抑制外部扰动。应用递推最小二乘(RLS)自适应滤波器构建反馈控制回路逆模型,构造指令信号的全通特性,提高指令跟踪能力。针对不同的指令信号进行跟踪实验,验证了自适应前馈控制方法的有效性。实验结果表明:提出的自适应前馈方法对阶跃指令响应快,超调量可由反馈控制的30%降低至4.5%,对30 Hz正弦信号的响应幅值无衰减,相位滞后由反馈控制的90°降低至54°。得到的结果显著提高了系统的暂态性能,控制性能优于单独的反馈控制回路。     

基于神经网络的空间7R机器人模型辨识及其实验研究

针对空间冗余机器人建模中不确定因素的影响 ,采用神经网络辨识空间 7R机器人输入输出间的非线性关系 ,建立机器人的运动学模型。对Elman动态递归网络结构作了改进 ,提出一种状态延迟输入动态递归神经网络 ,提高了网络的学习速度。将该网络应用到机器人系统模型的辨识问题上 ,以德国PowerCubeTM模块化机器人为研究对象 ,根据机器人返回的关节位置信息及利用OPTOTRAK 30 2 0三维运动测量系统测得的机器人末端位置信息作为神经网络的学习样本 ,对包含各种影响因素的机器人运动模型进行了辨识 ,得到了满意的结果 ,说明了神经网络在此类问题中应用的优越性     

U型梁振动参数的子空间辨识

子空间 (Subspace)方法是辨识结构系统动力学模型的一种新的时域方法。本文应用该方法于一 U型梁试验件的振动参数求取。通过一个二入四出系统对该 U型梁进行了振动试验 ,并直接利用实验测量数据 ,辨识出结构的状态模型 ,进而求得其振动参数 ,获得了准确的结果     

基于主轴转速的机床热误差状态方程模型

本文提出了一种基于主轴转速的机床热误差状态方程模型。该模型利用机床主轴转速而不是用机床温度场预报机床的热变形,因此极大简化了其应用。采用了连续系统状态空间模型辨识方法对状态空间模型进行辨识。实验结果表明状态空间模型可以满足要求,且优于直接利用最小二乘法对线性差分方程辨识所得的结果。     

神经网络模型参考自适应控制在污水处理中的仿真研究

污水处理厂目前广泛使用序批式活性污泥法处理污水.该方法是一种复杂动态生物反应过程,难以建立准确的数学模型,同时采用常规的PID控制难以达到较好的控制品质.针对以上问题,该文提出了RBF神经网络模型参考自适应控制策略,利用神经网络辨识器对污水处理模型进行辨识,使神经网络控制器不依赖被控对象精确的数学模型.仿真结果表明,该...     

基于子空间辨识的阀控液压缸泄漏诊断方法

为提高阀控液压缸泄漏检测的准确性和效率，提出一种基于子空间辨识的液压缸泄漏诊断方法。选取液压缸活塞杆外力负载作为输入信号，两腔压力、活塞杆位移与速度作为状态变量，建立系统状态空间模型；应用子空间辨识运算得到系统矩阵相关元素的估计值，并由此判断泄漏故障的存在、类型与严重程度。基于MATLAB-Simulink仿真模型对该诊断方法进行了数值仿真验证，结果表明该方法有效且具有较高的准确性。     

热风回流焊机的子空间模型辨识

子空间模型辨识方法（SMI）是一类新兴的直接估计线性状态空间模型的黑箱建模方法。和传统的线性建模方法相比，SMI的优势不仅在于算法本身的简单可靠，也在于它的状态空间表达。本文首先简要介绍SMI的基本思想和3种基本算法（N4SID，MOESP，CVA）。然后将这类方法应用于热风回流焊机的模型辨识。同时对3种SMI基本算法和一种传统辨识算法—预测误差方法（PEM）进行了研究对比。     

柔性结构的多输入多输出运动系统辨识方法

柔性结构的多输入多输出(Multiple input multiple output,MIMO)运动系统的辨识方法是一个具有理论研究和工程应用价值的问题。随着运动系统结构设计、控制性能等要求不断提高,过去视为刚体的MIMO运动系统的柔性动力学特征将越来越显著,成为限制系统性能的重要因素。在辨识试验获得频域非参数模型基础上,提出一种柔性结构的MIMO运动系统辨识方法,基于正交多项式的总体参数曲线拟合得到同分母的MIMO传递函数矩阵,利用模态叠加原理以及奇异值分解(Singular value decomposition,SVD)原理得到系统的状态空间模型。此方法被应用于光刻机工件台这一典型的带有柔性动力学特征的MIMO运动系统。获得的MIMO状态空间模型具有频域辨识模型同等的辨识精度,证明了提出的辨识方法的有效性。所获得的模型满足用于综合控制设计的要求。     

船式起重机的建模与消摆控制研究

针对海上平台船式起重机在运行过程中负载摆动过大、运输效率低下等问题,将辨识与最优化技术应用到船式起重机中,对船式起重机各部分动力学关系进行了分析,建立了船式起重机的数学模型。考虑了负载与船体运动的相互耦合,在FLOW-3D(计算流体动力学软件)中建立了仿真平台,对船摇模型进行了参数辨识,从而建立了完整的系统模型。应用最优化方法设计了一种消摆控制器,该控制器由PI控制器、低通滤波器、陷波滤波器串联而成。最后在Matlab/Simulink上进行了控制模型的仿真试验,比较了负载摆角在控制前、后的差别,发现消摆控制器可以将负载的残余摆动控制在消摆前的10%左右。研究结果表明,通过使用FLOW-3D来辅助建模,效率高且准确;采用最优化方法设计的控制器能较大幅度抑制负载摆动,可以提高船式起重机的运输效率与安全系数。     

MIMO model of an interacting series process for Robust MPC via System Identification

This paper discusses the empirical modeling using system identification technique with a focus on an interacting series process. The study is carried out experimentally using a gaseous pilot plant as the process, in which the dynamic of such a plant exhibits the typical dynamic of an interacting series process. Three practical approaches are investigated and their performances are evaluated. The models developed are also examined in real-time implementation of a linear model predictive control. The selected model is able to reproduce the main dynamic characteristics of the plant in open-loop and produces zero steady-state errors in closed-loop control system. Several issues concerning the identification process and the construction of a MIMO state space model for a series interacting process are deliberated.     

基于预测误差法的加速度传感器动态模型参数辨识

加速度传感器动态模型对研究与分析加速度传感器的动态特性与动态误差补偿具有重要作用。针对加速度传感器动态模型的参数辨识,提出了一种基于预测误差法的加速度传感器动态模型参数辨识方法,该方法将加速度传感器的状态空间模型转化为线性带外生输入的自回归滑动平均(ARMAX)模型,获得其最优一步预测输出的表达式,并通过求解加速度传感器最优一步预测输出极小化误差准则函数,实现加速度传感器动态模型参数的最优辨识。实验结果表明,该方法有效地实现了加速度传感器动态模型的参数辨识,所得加速度传感器动态模型具有较高的精度,能描述加速度传感器的动态特性。     

阀控液压伺服系统的辨识与优化设计研究

根据阀控缸电液位置伺服系统的组成,对系统中的阀控缸的数学模型进行了研究,并通过系统辨识的方法得到了阀控缸系统的闭环传递函数,控制器采用全维状态反馈,以二阶工程最佳为优化目标建立了系统的仿真模型。仿真结果表明该控制器实现了液压位置伺服系统的极点配置,完成了优化目标。表明全状态反馈控制能够提高液压伺服系统的位置跟踪精度,具有工程可行性。     

基于电磁激励的柔性转子系统轴承等效参数辨识

随着高端透平机械的发展,迫切需要准确预测转子系统的模态阻尼以确保在工作条件下稳定运行,而准确可靠的辨识出轴承的动力学性能参数是先决条件。通过电磁轴承作为激振器给柔性转子施加激励力,并综合多截面测点的转子振动信息准确识别转子的轴承参数。将转子-轴承系统转换为被控对象和控制器的闭环控制系统,从而把轴承参数的识别问题转为控制系统的控制器参数识别,解决传统识别方法转子轴承中心和振动位移测量点不一致的情况,并且可提高参数识别的准确度。建立高精度的转子有限元模型进行基于模型的参数识别,并开展试验研究以验证该方法的可行。通过使用识别的轴承刚度阻尼参数预测的转子稳定性参数（固有频率与对数衰减率）与通过传统的扫频激励的测量方法得到的结果相比较,验证该方法的准确性。该识别方法可为轴承参数的辨识提供便捷的方法并为提高高端透平机械的稳定性设计提供理论和技术基础。     

Nonlinear modeling and identification of the electro-hydraulic control system of an excavator arm using BONL model

Electro-hydraulic control systems are nonlinear in nature and their mathematic models have unknown parameters. Existing research of modeling and identification of the electro-hydraulic control system is mainly based on theoretical state space model, and the parameters identification is hard due to its demand on internal states measurement. Moreover, there are also some hard-to-model nonlinearities in theoretical model, which needs to be overcome. Modeling and identification of the electro-hydraulic control system of an excavator arm based on block-oriented nonlinear（BONL） models is investigated. The nonlinear state space model of the system is built first, and field tests are carried out to reveal the nonlinear characteristics of the system. Based on the physic insight into the system, three BONL models are adopted to describe the highly nonlinear system. The Hammerstein model is composed of a two-segment polynomial nonlinearity followed by a linear dynamic subsystem. The Hammerstein-Wiener（H-W） model is represented by the Hammerstein model in cascade with another single polynomial nonlinearity. A novel Pseudo-Hammerstein-Wiener（P-H-W） model is developed by replacing the single polynomial of the H-W model by a non-smooth backlash function. The key term separation principle is applied to simplify the BONL models into linear-in-parameters struc~tres. Then, a modified recursive least square algorithm（MRLSA） with iterative estimation of internal variables is developed to identify the all the parameters simultaneously. The identification results demonstrate that the BONL models with two-segment polynomial nonlinearities are able to capture the system behavior, and the P-H-W model has the best prediction accuracy. Comparison experiments show that the velocity prediction error of the P-H-W model is reduced by 14%, 30% and 75% to the H-W model, Hammerstein model, and extended auto-regressive （ARX） model, respectively. This research is helpful in controller design, system monitoring and diagnosis.     

Real-time tracking control of electro-hydraulic force servo systems using offline feedback control and adaptive control

This paper focuses on an application of an electro-hydraulic force tracking controller combined with an offline designed feedback controller (ODFC) and an online adaptive compensator in order to improve force tracking performance of an electro-hydraulic force servo system (EHFS). A proportional-integral controller has been employed and a parameter-based force closed-loop transfer function of the EHFS is identified by a continuous system identification algorithm. By taking the identified system model as a nominal plant model, an H_∞ offline design method is employed to establish an optimized feedback controller with consideration of the performance, control efforts, and robustness of the EHFS. In order to overcome the disadvantage of the offline designed controller and cope with the varying dynamics of the EHFS, an online adaptive compensator with a normalized least-mean-square algorithm is cascaded to the force closed-loop system of the EHFS compensated by the ODFC. Some comparative experiments are carried out on a real-time EHFS using an xPC rapid prototype technology, and the proposed controller yields a better force tracking performance improvement.     

迟滞非线性系统辨识与补偿控制研究

针对智能材料中存在的迟滞问题,对其开展了迟滞非线性特性分析,建立了迟滞系统。该迟滞系统由两个部分串联构成:一部分是滤去传递函数影响的Preisach模型;另一部分是不考虑迟滞影响的系统传递函数。将离线和在线辨识方法应用到辨识迟滞系统中,应用最小二乘法离线辨识得到了辨识传递函数参数,再用此辨识传递函数参数作为神经网络辨识的初始权值,得到了神经网络在线辨识的辨识模型;建立了辨识传递函数的逆模型控制系统和前馈逆模型PID控制系统,并对辨识系统进行了迟滞非线性补偿。研究结果表明,模型辨识方法的可行性和补偿控制的有效性在仿真中得到了验证。