采用逆神经网络模型的移动机器人速度控制回路研究

针对移动机器人运动轨迹容易受到不确定外界因素干扰的问题,采用逆神经网络模型设计移动机器人控制系统。分别采用逆神经网络控制器和传统PI控制器模型对两轮差动移动机器人运动速度和角速度进行跟踪控制。传统PI控制器模型使用了近似于线性的等效负载驱动器,而逆神经网络控制器使用前馈多层感知神经网络模型,该模型结合了其运动学和动力学的数学模型,在特定工作区域内,对逆神经网络模型进行离散训练。在平面内,对移动机器人的速度跟踪控制进行仿真。结果表明:采用PI控制器模型,移动机器人车轮运动速度和角速度与理论值存在较大误差,而采用逆神经网络模型时误差较小。采用逆神经网络模型设计移动机器人速度控制回路,可以提高移动机器人运动性能,更好地适应外界环境的变化。     

透镜抛光机床模糊控制的神经网络方法

把模糊技术与神经网络方法相结合,采用五层前馈型神经网络,实现了抛光过程的神经网络模糊控制。应用结果表明,其控制效果明显优于一般Ｆｕｚｚｙ控制。     

BP神经网络在轧机厚度控制AGC-PID系统的应用

针对采用传统的PID控制系统,在轧制升速降时,带钢厚度变化的问题,采用BP神经网络技术和传统的PID技术相结合,通过神经网络来控制PID系统的参数,从而达到对带钢厚度的控制,取得了良好的效果。     

采用神经网络模糊滑模控制的液压驱动活塞位置控制研究

针对液压驱动活塞运动轨迹和压力精度跟踪误差较大问题,设计了神经网络模糊滑模控制,并对控制精度进行仿真验证。创建了液压缸驱动平面简图,推导出液压缸腔室内部参数变化方程式。分析了液压缸驱动压力和位置的变化,采用线性模型建立输入和输出变换方程式。引用滑模控制方法,采用神经网络算法对滑模控制进行逼近,通过模糊切换规则对滑模控制进行自适应调整。采用MATLAB对液压缸活塞轨迹和腔室压力跟踪进行仿真验证,并且与滑模控制输出效果进行比较和分析。结果表明:采用滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较大;而采用神经网络模糊滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较小。采用神经网络模糊滑模控制方法,液压缸控制系统自适应调节能力较强,从而提高了活塞运动轨迹和腔室压力跟踪精度。     

基于DRNN神经网络的双管液压减振器的车辆悬架振动研究

为了提高车辆行驶的平顺性,采用DRNN神经网络PID控制车辆液压悬架系统,并对控制性能指标进行仿真。建立车辆液压悬架1/4简图模型,采用二阶微分方程式推导车辆悬架系统动力学方程,设计了双管液压减振器模型。分析主液压缸和辅助液压缸中流量变化特性,采用DRNN神经网络PID控制方式。在随机波形干扰的路况行驶中,通过MATLAB软件对车辆液压悬架系统控制效果进行仿真,并且与传统PID控制方式进行对比。结果显示:采用传统PID控制方式,在车辆液压悬架系统垂直方向上,轮胎位移、车身位移和车身加速度较大;而采用DRNN神经网络PID控制方式,在车辆液压悬架系统垂直方向上,轮胎位移、车身位移和车身加速度较小。采用DRNN神经网络PID控制方式,能够自适应调节车辆液压悬架系统参数,降低复杂路况对车辆的干扰,提高车辆行驶的平顺性和舒适性。     

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。     

基于改进遗传算法优化的双步进电机伺服阀控制研究

针对当前电液伺服阀控制系统响应速度慢、输出误差较大的问题,采用改进遗传算法优化控制系统,并对控制效果进行仿真验证。设计了新型电液伺服阀结构,建立了电液伺服系统动力学模型,推导了液压缸流量运动方程式。采用改进遗传算法优化RBF神经网络结构,通过MATLAB软件对双步进电机伺服阀改进的控制系统进行仿真验证,并且与传统PID控制效果进行对比。结果显示:在无干扰环境中,采用传统PID控制和改进RBF神经网络控制方法都能较好地提高活塞杆运动位移输出精度;在有干扰环境中,采用传统PID控制方法,活塞杆运动位移输出的误差较大,而采用改进RBF神经网络控制方法,活塞杆运动位移输出的误差较小。采用改进RBF神经网络控制方法,能够抑制外界的干扰,从而提高双步电机伺服阀控制系统的响应速度和输出精度。     

基于PID神经网络的倒立摆控制系统

倒立摆是一个典型的高阶次、自然不稳定、快速响应、非线性运动控制系统,是现代控制研究的对象.PID神经网络是一种内含比例神经元、积分神经元和微分神经元的神经网络.本文介绍了采用PID神经网络控制的倒立摆系统,包括倒立摆系统的基本构成、PID神经网络单变量控制系统的算法和结构、权重初值的选择.进行了实际系统试验,比较了传统PID控制和PID神经网络控制倒立摆的效果,证明了PID神经网络控制系统的优良性能.     

基于RBF神经网络的挤出机温度压力控制系统

为了确定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并较好实现温度压力控制系统的模型辨识自适应控制与精确解耦控制,结合径向基函数(RBF)神经网络与PID神经元结构,设计了一个基于RBF神经网络辨识模型与自适应控制的模型,用于完成对熔体温度、机头压力的模型辨识与自适应控制,并采用优化RBF神经网络进行精确解耦控制。利用MATLAB软件建立温度压力耦合系统的辨识模型,并与传统辨识模型和解耦方式进行对比。结果表明:在干扰作用下,基于优化RBF神经网络的系统具有较好的辨识能力,能自适应地完成系统解耦控制;采用优化RBF神经网络建立的耦合辨识模型的耦合辨识与解耦效果理想,可在一定程度上提高温度压力控制系统精度和挤出半成品质量,实现精密化挤出成型。     

一种对机器人阻抗控制中不确定性进行补偿的方法

机器人建模中存在的不确定性,给机器人精确控制带来了困难,在机器人力控制中尤为明显,制约了力控制在实际生产中的应用。采用模糊控制、神经网络等智能控制方法是解决这些经典控制理论所面临问题的有效手段。文中使用无监督学习的神经网络对不确定性进行在线补偿,提高阻抗控制的力跟踪性能,通过仿真验证了算法的有效性。     

基于单神经元PID的真空炉自适应温度控制

根据真空热处理系统的特点,将单神经元PID控制算法应用到真空热处理系统的温度控制上。根据神经网络的非线性逼近能力和自学习自适应的特点,将单神经元网络与PID控制结合实现对真空炉温度的控制,以达到提高真空炉温度控制品质的目的。并通过计算机仿真软件进行仿真试验,仿真结果表明单神经元PID控制系统可以对控制参数自整定,其对温度控制更加稳健,具有更强的抗干扰能力和鲁棒性。经过搭建真空炉温度控制系统试验平台验证后发现,应用单神经元PID控制的真空炉系统的温升过程表现出了良好的稳定性,但是温度控制的响应速度和保温的精度略有下降。要想进一步提高温控品质,需要就单神经元PID控制方法在响应速度和控制精度上做进一步改进。     

一种新型全液压矫直机多神经元PID伺服控制器设计与研究

针对当前普遍常用的BP神经网络算法的缺陷,即反传算法复杂,收敛速度慢,在解决一些复杂多变非线性及系统多耦合问题时,网络权值收敛局部极小点,导致网络训练失败,反传算法权值迭代出现畸形变化问题。虽然神经网络控制器在软件仿真中运行结果都能满足要求,但是在实际的现场工程应用中很难适应复杂工业现场所要求的控制快速性和及时性。针对以上缺陷,提出了一种新型的多神经元PID神经网络算法,其原理是通过简化PID神经元网络控制器,改善其权值初始化来达到新型多神经元PID控制器控制过程的快速性和响应的及时性,将其应用到全液压矫直机四缸伺服控制器。通过将传统神经元网络控制器和文中所研究的新型多神经元PID控制器位移响应曲线对比分析,该新型多神经元PID伺服控制器具有反传算法大为简化、收敛速度快、网络权值灵活性好、实时性等优点,为多神经元PID控制器的工程化应用提供了理论支持。     

基于小波神经网络PID控制的主动夹具铣削颤振研究

为了抑制铣削过程中产生的颤振,提高铣削加工过程中零部件表面质量.设计了小波神经网络PID控制方法,并对控制效果进行仿真.采用时域数值法对动态铣削过程中离散时间进行求解,利用小波神经网络PID控制方法对铣削过程进行控制.通过仿真和实验对铣削金属表面粗糙度进行测量,并且与增量式PID控制系统进行比较和分析.结果显示,采用增...     

基于模糊单神经元PID的比例同步控制研究

针对传统PID算法在液压同步系统中整定困难、稳定性不佳、同步效果不理想的问题,提出一种基于模糊单神经元PID复合算法的双缸耦合同步控制策略,提高同步系统的性能。建立比例阀控非对称缸双缸同步系统数学模型;利用Simulink软件,对比分析传统PID算法、单神经元PID算法和模糊单神经元PID算法的控制效果;最后通过试验验证3种控制策略下的系统同步性能。试验结果表明:使用模糊单神经元PID的耦合控制策略,系统同步误差明显减小,响应速度更快,设计的控制策略有效。     

两自由度并联机器人的RBF神经网络辨识滑模控制策略研究

针对两自由度并联机器人的轨迹跟踪问题,提出一种基于RBF神经网络辨识上界的滑模控制策略。该方案利用RBF神经网络对被控对象的不确定上界进行辨识,将所得的上界值适时送到滑模控制器,既发挥了RBF神经网络具有逼近任意函数的优点,又保留了滑模变结构控制的快速性和鲁棒性,达到了理想的控制效果。     

PROFIBUS-DP在直缝焊管扩径机电气控制系统上的应用

简要介绍了PROFIBUS-DP现场总线技术的特点及应用,直缝焊管扩径机的设备组成及工艺流程;重点介绍了直缝焊管扩径机电气控制系统以西门子S7-400作为核心控制元件,通过PROFIBUS-DP现场总线技术,实现PLC与6SE70变频器的通信控制及网络故障自诊断的应用。实际应用表明:自PROFIBUS-DP投入使用以来,直缝焊管扩径机运行平稳,系统响应速度快,控制精度高,网络通信稳定,"死网"情况极少发生。     

神经网络在控制图模式识别中的应用

论文综述了神经网络在质量工程领域的发展趋势。并将神经网络应用于统计过程控制的控制图模式识别之中,以BP网络为核心,来监测方差和均值的变动,并且对处于失控状态的加工过程及其产生的原因进行诊断。     

枕式包装机伺服控制系统的研究与优化

为了确保枕式包装机各项功能能够得到精确高效的运行,对神经网络控制策略进行了具体的研究。通过建模仿真,对比分析经典PID控制与神经网络PID控制的优劣,论证了神经网络PID的控制方法更有优势。在优化完成的基础上,开发出色标切功能。对包装机进行实际生产测试结果表明,整套系统在完成相应功能的过程中满足了稳定性和包装精度的要求,具有良好的应用价值。     

基于产品协同商贸的模具协作制造过程监视平台

针对模具协作生产中对进度与成本难以进行及时有效控制的情况 ,研究了协作组织的矩阵式管理模式 ,利用网络对模具协作生产制造的过程进行监视控制 ,运用项目管理的挣值法对模具制造项目的协作制造进度与费用的实际执行情况进行预警