盾构推进液压系统的PLC控制

介绍了盾构推进液压系统的工作原理.研制了以可编程控制器(PLC)为核心的盾构推进液压控制系统.对控制系统的硬件结构、软件组成、控制方式和控制策略等作了详细介绍,实现了对推进液压系统的运动控制,达到了预定的控制要求.     

模拟盾构推进液压系统的设计和研究

盾构掘进机是一种隧道工程专用的大型高科技综合施工设备。本文介绍了模拟盾构实验平台推进液压系统的设计方案,并用AMES im软件对所设计的系统进行了仿真分析。仿真和实验结果表明,所设计的推进液压系统能较好地对推进速度和推进压力进行控制,达到了预定的要求。     

基于AMESim和MATLAB的盾构推进液压系统仿真

根据AMESim和MATLAB软件各自的特点,采用了AMESim和MATLAB联合仿真的方法对盾构推进液压系统进行了仿真,并在控制仿真中采用了基于普通PID和模糊自整定PID的压力和速度复合比例控制,结果表明：系统稳态精度较高,调节时间短,超调小,可以克服非线性时变特性的影响.     

基于组态软件的盾构推进液压控制系统

根据盾构推进液压系统的时变非线性以及复杂工况等因素,以通用组态软件为主要开发平台,对其控制系统进行了方案选择、软硬件的组态和通讯,实现了对推进液压系统的运动控制,提高了工作效率和施工精度,达到了预定的控制要求。     

盾构推进液压系统同步协调控制仿真分析

设计了一种基于压力流量复合控制的盾构推进液压系统.采用AMESim和MATLAB仿真软件对推进液压系统同步协调控制进行了仿真比较分析.仿真结果表明采用主从式同步控制策略能够达到很好的同步效果,同步精度达到±1mm,为实际盾构同步推进提供了参考依据.     

基于BP神经网络的液压伺服阀的模型辨识

针对铁马工程中液压振动台在实际应用时不能达到预期控制效果的问题,利用神经网络具有逼近任意非线性映射的能力,使用BP神经网络对液压振动台中的核心设备液压伺服阀进行模型辨识.仿真结果表明这种方法能有效地对液压伺服阀进行辨识,辨识出的模型为设计合理的控制方法提供了理论依据.     

盾构模拟试验平台液压推进系统设计

针对盾构模拟试验平台的功能要求设计了液压推进系统，对液压推进系统主要参数进行了设计计算，详细分析了液压推进系统的工作原理及其控制策略，并对推进系统进行了初步仿真分析。结果表明：设计的液压推进系统是可靠的，采用比例力和位置复合控制策略能够较好地实现对推进力和位移的控制。     

气动伺服系统的神经网络辨识

本文采用神经网络对气动伺服系统的模型进行辨识。分析RBF神经网络辨识的原理及其参与估计法的区别,针对实际系统,设计了神经网络辨识模型。实验表明该方法建立的模型是正确的。     

基于LabVIEW的盾构推进系统模糊PID控制

介绍了盾构推进液压系统的工作原理,并建立了推进液压缸的数学模型。利用LabVIEW提供的模糊逻辑工具箱设计了一种Fuzzy-PID控制算法。以LabVIEW为仿真平台,分别采用常规PID和模糊PID对系统进行了仿真分析,仿真结果表明该Fuzzy-PID控制器具有较强的抗干扰能力和鲁棒性,有较好的动、静控制精度。     

一种基于Hopfield神经网络的系统辨识方法及其在舰炮随动系统辨识中的应用

给出了一种将Hopfield神经网络运用于线性系统辨识问题的方法。通过测量输入、状态变量和状态变量的微分，构造Hopfield网络神经元之间的权重和各神经元的偏流。网络神经元的状态将收敛到被辨识系统的参数的值。使用Hopfield神经网络辨识舰炮液压伺服系统的三阶模型，仿真结果表明用这种系统辨识方法辨识时变和时不变系统是可行的。     

基于神经网络的盾构液压推进系统的参数辨识（英文）

为了提高盾构液压推进系统速度控制的精度,减小建立数学模型与实际系统之间的偏差,提出基于时延神经网络和系统参数上下界值的动态系统参数辨识方法。在建立盾构液压推进系统速度控制模型的基础上,利用神经网络在待辨识参数的范围内对系统的不定参数进行辨识,搜索出更逼近实际盾构推进系统的一组参数,满足对系统输入实际信号时能够准确地得到实际系统的输出。利用盾构模拟实验台的另一组采样数据对系统辨识结果进行验证,结果表明:该辨识方法得到的模型能够逼近真实的物理系统。     

采用比例流量压力复合控制的盾构掘进机液压推进系统

本发明公开了一种采用比例流量压力复合控制的盾构掘进机液压推进系统。它包括二位二通电磁球阀、比例调速阀、比例溢流阀、三位四通电磁换向阀、液压锁、平衡阀、压力传感器及带内置式位移传感器的液压油缸。推进系统中采用比例调速阀控制推进速度，采用比例溢流阀控制推进压力，通过合适的控制策略实现推进速度和推进压力的复合控制。     

基于辅助变量法的系统参数辨识

重点介绍了系统参数辨识中辅助变量法的基本原理,并通过某导弹天线伺服机构数学模型的辨识实例,具体说明了基于辅助变量法的参数辨识在Matlab中的实现方法.结果表明基于辅助变量法的参数辨识比最小二乘法具有更高的精度,尤其当噪声为有色噪声和噪声模型结构不好确定时,辅助变量法更加有效。     

基于Elman网络的液压系统辨识

针对存在着非线性的液压伺服系统，本文提出采用Elman网络实现对系统的辨识。Elman网络具有计算量小、泛化能力强、可以实现对动态系统的辨识等特点。仿真结果表明，该网络及其辨识结构学习效率高、逼近速度快和不需要对系统的先验知识，可以实现对液压伺服系统的辨识。     

基于优化RBF神经网络挤出机温度压力系统辨识

为了精确在线辨识橡胶复合挤出机控制过程中主要干扰变量与内部耦合关系,更好地实现对挤出机温度压力耦合系统的精准控制,采用RBF神经网络进行系统辨识研究,同时结合PSO算法引入GA算法中编码、杂交、交叉、变异等概念,设计了混合型PSO算法进一步优化RBF神经网络,完成对温度压力耦合系统的精准在线辨识.借助MATLAB软件进...     

基于神经网络的加工过程模型辨识

介绍了神经网络动态建模方法,以车削加工过程为例,用一个带单隐层的反向传播网络对非线性的加工过程进行了辨识研究,并将神经网络模型的跟踪响应与参数模型的跟踪响应作了对比分析。仿真结果表明,神经网络是建立非线性加工过程模型的一种有效方法。     

基于BP神经网络摆式列车倾摆控制系统的辨识

针对摆式列车倾摆控制系统的特点，把人工神经网络的基本原理应用于摆式列车倾摆控制系统，在倾摆控制系统的神经辨识网络中应用BP算法对系统进行辨识，通过学习对系统进行建模。仿真结果表明：所采用的辨识网络能够对倾摆控制系统的动态特性进行有效的辨识，可以解决倾摆控制系统中的非线性问题。     

基于GA-BP神经网络的气压伺服系统辨识研究

气压伺服系统控制器的优化设计依赖于准确的系统模型.针对系统的非线性问题,研究采用神经网络进行系统辨识的原理和结构;考虑传统BP算法存在局部收敛、学习速度慢的问题,采用遗传算法对神经网络的初值和权值进行优化,并采用LM算法进行网络学习,最终建立系统的神经网络辨识模型.通过仿真对比神经网络辨识结果与传统线性模型辨识结果,结...     

液压压下系统的矩法辨识

液压压下系统频率响应较高,为辨识这类系统的参数模型,本文采用矩法对液压压下系统进行辨识,经仿真研究证明,矩法辨识可以有效地辨识出高阶系统的参数,辨识结果准确可靠。     

基于BP神经网络压电泵输入输出系统的辨识

以一种橡胶阀双腔体并联泵为例,在输入110V正弦交流信号时,测得该压电薄膜泵的输出流量及出口压力的值。在实验数据的基础上,应用BP神经网络建立了压电泵输入输出系统的映射关系,并利用Matlab/Simulink提供的模块搭建了压电泵的模型。结果表明,通过BP神经网络得到的输出特性值具有较高的精度,能客观地反映压电泵输出特性随输入频率的变化关系。