基于LuGre 摩擦模型的机械臂模糊神经网络控制

针对未知摩擦非线性会使机械臂控制精度难以提高的缺陷,建立基于动态LuGre摩擦的机械臂模型.在系统参数未知和机械臂负载变化的情况下,设计一种自适应模糊神经网络控制器,采用基函数中心和宽度均自适应变化的模糊神经网络补偿器,实现对系统中包括LuGre摩擦在内的非线性环节的逼近,并利用滑模控制项减小逼近误差.通过Lyapunov方法证明了闭环系统的稳定性,并通过仿真结果验证了所提出控制方法的有效性.     

基于模糊神经网络的电液伺服系统建模

针对电液伺服系统具有典型的非线性系统,但要求控制精度高和响应速度快,建模困难.为解决上述问题,提出用减法聚类的模糊神经网络自学习算法,确定初始的模糊神经网络结构.在网络的学习过程中,对结论参数用最小二乘法进行辨识,并对前提参数用误差反传算法进行调整.获取输入输出数据对,可在AMESim软件平台上搭建系统的仿真模型,并通过软件接口把数据导人MATLAB中,最后使用提出的方法对电液伺服系统建模进行仿真,结果与其它模糊神经网络建模方法相比效果好,验证了方法的有效性.     

电液伺服系统的模糊神经网络鲁棒控制

为解决传统自适应控制模型的在线辨识和控制器的在线设计问题,基于模糊神经网络结构,提出了一种复合式控制方案.该方案通过引入运行监控器,克服了模糊神经网络实时性差的问题,实现了对不确定非线性系统的高精度输出跟踪;同时利用鲁棒反馈控制器,保证了模糊神经网络学习初期闭环系统的稳定性.该方案在电液伺服系统的应用中获得了满意的控制效果.     

模糊神经网络补偿的伺服系统二次型最优控制

针对伺服系统二次型最优控制存在的问题,提出了基于模糊神经网络补偿的二次型最优控制方法,该控制方法利用模糊神经网络的实时学习能力,能够及时补偿被控对象建模不准确、参数摄动和外界干扰等非线性因素对控制系统性能的影响,增强控制系统的自适应能力,有效提高控制系统的跟踪性能和抗干扰鲁棒性能.仿真试验结果验证了该控制方法的有效性.     

基于粗糙集模糊神经网络的自适应逆控制

粗糙集和模糊神经网络在智能信息处理方面各有优缺点,若将二者结合起来可增强信息处理的能力.将粗糙集理论中的贪心算法和缺省规则获取算法进行结合改进,并将结合算法应用到补偿模糊神经网络的输入模糊化和规则提取中.最后针对某型火炮伺服系统输出端噪声对重定位的影响,用粗糙集模糊神经网络对受扰对象进行逆建模,并将学习得到的模型作为逆控制系统的控制器来消除扰动,仿真结果表明此种网络在精简决策规则,缩短训练时间,提高误差精度等方面都有显著改善.     

飞机舵机电动伺服系统复合控制方法研究

针对飞机舵机电动伺服系统存在多余力矩干扰不易抑制的问题,根据系统结构组成及工作原理,建立了数学模型.设计了结合 BP 神经网络的 PID 控制器参数整定、角速度前馈与力矩速度反馈的复合控制策略,提高了系统的稳定特性和加载精度.利用 MATLAB 仿真环境进行了系统动态特性实验.仿真结果表明,该方法不仅能够有效抑制多余力...     

用神经网络实现精密伺服系统中扰动力矩的动态补偿

分析了扰动力矩对精密伺服系统的影响.提出使用神经网络方法建立扰动力矩的数学模型,并根据全补偿原则设计补偿环节,实现扰动力矩的动态补偿.试验结果表明这种新的补偿方法对提高伺服系统的精度十分有效,具有实际应用价值.     

基于神经网络和模糊补偿的水下机械臂控制

针对水下机械臂动力学模型建模复杂且滑模控制的抖振问题,利用Lagrange法和Morison方程精准建立二连杆串联水下机械臂的动力学模型,对模型中参数的不确定项使用4个RBF神经网络分别进行逼近,并且对摩擦项使用模糊控制进行补偿的方法,精准迅速地实现了对水下机械臂控制系统跟踪控制。通过进行仿真分析,基于神经网络和模糊补偿控制的方法与滑模控制、整体RBF神经网络控制和分块RBF神经网络控制相比,控制系统的平均误差分别降低了85.5%、71.8%、93.1%。结果表明,此方法有效降低了控制系统的跟踪误差,并同时提高了稳态性和抗干扰性。     

基于复合控制的摆镜伺服系统研究

针对摆镜伺服系统的高精度要求,结合重复控制和神经网络PID控制的设计思想,提出了一种新型的复合控制方案.该控制方案采用重复控制改善系统的稳态特性和增强系统克服同频率扰动的能力,并采用BP神经网络PID控制增强系统抵抗参数变化和各种非线性不确定扰动的能力,改善系统的动态特性.试验结果表明,该方案使伺服系统获得了良好的动态和稳态性能,很好地改善了系统的跟踪性能,有效地提高了摆镜扫描的速度稳定性,抑制了电机的振荡现象.     

基于神经网络补偿的转台伺服系统控制研究

针对飞行仿真转台伺服系统中存在的非线性摩擦干扰进行了研究,采用一种基于RBF神经网络进行误差补偿的在线自适应控制策略。在基于逆动力学的计算力矩控制方法的基础上,利用RBF神经网络的万能逼近特性在线辨识模型误差,从而对系统进行补偿,其权值自适应律根据Lyapunov稳定性理论推导,保证了系统跟踪误差的收敛及稳定,仿真结果表明该控制策略可使位置MAE指标从0.0087m提高到0.0016m,使位置MSE指标从1.0128e-4m提高到3.3002e-6m,具有较高的鲁棒性和稳态控制精度。最后分别从隐层节点数及节点中心学习算法的变化两方面提出两种改进方案,仿真结果表明隐层节点数的增加可以进一步减小位置误差,而采用K-means均值聚类算法解决了神经网络节点中心按经验选取或试凑的困难。     

高精度伺服转台扰动力矩补偿的一种重复自适应控制方法

摩擦力矩是高精度伺服转台控制系统中最主要的扰动力矩,也是影响系统低速跟踪性能的最主要因素。针对系统中动态摩擦力矩的影响,并且为了进一步提高系统的位置跟踪性能,本文提出一种重复自适应控制方法,仿真研究验证了所提方法的有效性。     

伺服系统的神经网络摩擦力自适应补偿研究

在高精度伺服系统中,摩擦力是影响其低速性能的关键因素,本文分析了摩擦力的特征,数学模型、及其对伺服系统性能的影响,提出了基于RBF网络的自适应摩擦力补偿方法,并将其与参数线模型相比较,在某单轴速率／位置转台的控制系统中的应用结果表明：该方法能有效地改善伺服系统的性能。     

带有多非线性干扰观测器的电液伺服反演控制

针对高阶不匹配不确定非线性电液伺服系统,提出一种动态面反演控制策略,以实现对电液伺服系统的位置控制.采用多个非线性干扰观测器观测出电液伺服系统的各阶子系统的不确定项和干扰项,对使用非线性干扰观测器后的系统实行反演控制,使用动态面方法来解决传统反演控制中虚拟控制量随着系统阶数的增加而愈加繁杂的问题.基于Lyapunov方法从理论上证明了所设计的系统控制器能够保证闭环系统有界稳定,系统中所有信号是一致最终有界的,仿真结果验证了反演控制方法的正确性.     

基于重复补偿控制的交流伺服系统的PID控制

针对精密机床采用的交流伺服系统中,输出快速无超调地跟踪输入指令,控制精度高的要求,利用重复补偿控制的优点,将其与PID控制相结合形成一种基于重复补偿的PID控制结构,用于精密机床中交流伺服系统的位置控制,并在此基础上着重讨论了滤波器对控制效果的影响.从仿真结果可以看出,该控制方法提高了交流伺服系统对周期信号的跟踪精度....     

一类诱导时滞网络控制系统自抗扰控制器设计

针对一类具有网络时滞小于采样周期的网络控制系统提出网络控制的主要问题是网络通信系统模型的不确定性导致控制性能不佳;针对这一问题,采用基于无模型的自抗扰算法,将网络环节和被控对象一同视为控制对象,将网络时滞作为被控对象的不确定性因素,利用扩张状态观测器对不确定性因素进行实时观测估计;Matlab/TrueTime网络控制实验表明:自抗扰控制方法能够有效地减小网络诱导时滞对控制系统的影响。     

交流伺服电机速度与位置环的一体化鲁棒控制

提出一种交流伺服系统的离散域复合控制方案,可实现在未知负载条件下的准确位置控制。基于永磁同步电机伺服系统中位置与速度环组成的数学模型,以电机转角位置作为系统的测量反馈信号,设计一个降阶线性扩展状态观测器对电机转速（未量测）和未知负载扰动加以估计,并用于反馈控制和扰动补偿。采用TMS320F2812DSP在一台实际的永磁同步电机上进行了实验测试,结果表明伺服系统能在未知负载情况下实现平稳和准确的目标位置跟踪,且对负载和参数差异具有较好的鲁棒性。这种控制方案可方便地应用于相关的伺服系统。     

基于遗传算法的直流伺服系统参数辨识及摩擦补偿控制

针对静态摩擦力对数控机床直流伺服系统的干扰问题,提出了一种先利用遗传算法对静态摩擦模型中的参数进行辨识,然后采用基于摩擦模型补偿的伺服控制方法。该方法首先根据直流伺服系统的摩擦特性建立摩擦模型,再将摩擦补偿引入到直流伺服系统的反馈控制结构中,获取伺服电机的位置误差。采用遗传算法对摩擦补偿模型进行参数辨识,使摩擦补偿量在数值上不断逼近实际的摩擦干扰,并利用摩擦补偿量来抵消摩擦给伺服系统带来的影响。为了验证参数辨识的效果,将普通PD控制与基于摩擦补偿的PD控制进行了仿真比较,实验结果表明,后者能够消除由于静摩擦的存在而造成的位置跟踪中出现的平顶现象,能够达到理想的跟踪效果。因此,本文所提出的方法具有较强的摩擦干扰补偿能力,能够实现对直流伺服系统的精确控制。     

计算机控制的位置伺服系统设计与实现

该文开发了一套计算机控制的位置伺服平台,平台能够实现PID控制、模糊控制,文中分析了相关的硬件和接口原理、控制软件工作机制和系统定时采样、数据采集和反馈读取,探讨了采用的PID控制算法、FUZZY模糊控制算法和相关的FUZZY控制规则并给出了相应的实验结果。     

基于负载转矩反馈的机械谐振抑制方法

柔性环节带来的机械谐振是制约伺服系统性能提升的一个关键问题。通过对伺服系统机械谐振的原理阐述,分析引起伺服系统机械谐振的两种原因。利用加速度反馈的方法可以等效增大电机惯量,从而抑制机械谐振。本文提出一种基于卡尔曼滤波器的惯量比可调负载转矩反馈方法,并通过确定最优惯量比进而计算得到负载转矩反馈系数。基于卡尔曼滤波器设计负载转矩观测器,再将观测到的负载转矩反馈到电流环给定中。通过matlab对观测器及负载转矩反馈抑制机械谐振效果进行仿真验证。