基于模糊神经网络的电液比例恒排量调节轴向柱塞泵自学习控制

首次将神经网络自学习控制方法应用于电液比例恒排量调节轴向柱塞泵,明显改善了变量泵调节系统的跟随特性。实验结果表明：该方法与传统方法比,不仅能够缩短系统输入阶跃的响应时间,而且对系统未知的外加干扰、系统参数时变特性和非线性有较强的自适应能力     

电液比例复合量泵神经网络控制的研究

提出一种基于模糊神经网络的电液复合控制变量泵调节系统智能学习控制方法，并将其应用于电液比例复合调节轴向柱塞变量泵的恒排量、恒流量、恒压力和恒功率调节系统的控制中。实验结果证明，所提出的控制方法是有效的，较传统的PID控制方法具有更优良的控制品质。     

基于神经网络的模糊控制器在变量泵中的应用

本文根据变量泵的具体情况,为其了自适应的神经网络模糊控制变量泵的智能控制。     

电液比例复合变量泵神经网络控制的研究

提出一种基于模糊神经网络的电液复合控制变量泵调节系统智能学习控制方法 ,并将其应用于电液比例复合调节轴向柱塞变量泵的恒排量、恒流量、恒压力和恒功率调节系统的控制中。实验结果证明 ,所提出的控制方法是有效的 ,较传统的PID控制方法具有更优良的控制品质     

基于模糊PI控制的全数字送丝系统研究

熔化极气体保护焊是重要的焊接方法之一,其送丝系统的稳定性和可靠性直接影响气体保护焊的焊接质量,提高送丝系统性能的主要途径是通过改进送丝机的硬件性能和控制方法。采用TMS320F2808作为控制核心,用MOSFET实现送丝电机的功率驱动,采用转速负反馈方式对送丝电机进行闭环控制,采用模糊PI调节控制技术实现数字化送丝控制系统。模糊PI控制的直流送丝电机调速具有很快的响应速度,更好的稳态精度,静态和动态性能优良。基于模糊PI控制的全数字化送丝系统,硬件电路简单,简化了调试难度,配合软件基本实现了送丝系统的全数字化。     

气动肌肉驱动仿生关节的模糊PI控制研究

气动肌肉做为一种新型驱动器具有质量轻、柔顺性好等特点.但由于其模型的非线性,使得传统的P1控制不能达到较好的位置控制效果.笔者针对气动肌肉的特性,建立了模糊PI控制规则,并在dSPACE实时控制平台上,对由一对气动肌肉组成的仿生关节进行了控制研究.结果表明,采用模糊规则设计的PJ控制器,能够灵活实现PI参数的在线自调整,提高了系统的响应速度.     

基于模糊PI控制器的异步电机DTC系统研究

传统的异步电机直接转矩控制系统采用滞环控制器,依据转矩误差、定子磁链幅值误差来选择逆变器的开关状态,属Band-Band控制,无法区分转矩误差、定子磁链误差的等级,开关频率不恒定,过扇区时电流与磁链畸变,导致低速时转矩脉动大,影响了系统的控制效果。针对这一问题,提出了一种基于模糊PI控制的异步电机直接转矩控制方案,介绍了系统的原理,应用模糊理论设计了控制器的参数,用TMS320F2812作为主控芯片,PM30CSJ060作为逆变器主电路搭建了全数字实验系统。实验结果表明系统控制动、静态性能好,低速时系统运行平稳,达到了预想的控制效果。     

径向柱塞变量泵的恒功率模糊自适应控制

径向柱塞变量泵可以采用手动控制或电液比例控制恒流量、恒压力、恒功率、负载敏感控制等多种控制方式.本文是对径向柱塞变量泵控制方式的新尝试,以JPH80AHN径向柱塞变量泵为研究对象,运用自适应控制理论对径向柱塞变量泵进行恒功率控制.     

电反馈电液比例恒功率变量泵开发研究及其状态反馈控制

本文提出一种新型的电反馈电液比例恒功率泵控制方案,它可以获得较传统的力反馈恒功率泵更高的恒功率调节精度和控制特性。本文还对该泵的状态反馈控制方法进行了研究,获得一些有益的结论。     

基于观测器与前馈的送丝机模糊PI速度控制

送丝系统是焊接机器人的重要组成部分,稳定可靠的送丝是保证焊接质量的前提;焊丝从丝盘上抽取和经过绝缘管与导电嘴的过程中受到的阻力呈严重的非线性,所受的阻力严重影响送丝速度和焊接质量.采用状态观测对阻力进行观测,并根据观测值对系统进行前馈,以提高系统的速度响应,消除送丝阻力对系统的影响.因为电机存在阻尼,采用常规PI控制可以改善系统的稳态特性,抑制稳态误差;把模糊控制和PI控制有机地结合起来,利用模糊控制的动态响应和PI控制的稳态性能,实现送丝机安全可靠的送丝;仿真表明采用状态观测和前馈控制速度响应快、超调小、鲁棒性强,模糊PI控制较传统PI控制有更好的动、静特性;接管焊接试验结果表明焊接质量完全达到规定要求.     

基于神经网络的变量泵模型跟踪控制

本文用神经网络逼近对象的非线性逆模型,通过神经网络模型参考控制实现电液比例斜盘倾角和流量的控制,使系统的不确定性和非线性等得到补偿。仿真和实验表明,所开发的神经网络控制器能够较好地实现VDAPP控制,有较好的自适应性和鲁棒性,跟踪性能有较大改善。     

变量泵驱动变量马达系统协调控制算法研究

为了克服变量泵控制变量马达系统中泵和马达独立控制而存在系统溢流损失大、调节速度慢和没有发挥系统潜能等缺点,提出变量泵控制变量马达系统协调控制算法。变量泵对马达转速进行主动闭环控制;变量马达根据变量泵排量和马达转速要求进行预测控制而实现变量泵和变量马达的协调控制。变量泵闭环控制是时变系统,采用单神经元自适应PID控制算法;而对于变量马达控制,首先根据马达转速要求和变量泵排量计算马达预测排量,而后根据马达转速误差和转速误差变化率运用模糊控制算法修正马达预测排量而得到马达实际控制排量。对比仿真和实验表明:协调控制算法提高了变量泵控制变量马达系统响应速度,减少了系统溢流损失,验证了协调控制算法的正确性和有效性。     

基于AMESim的电动伺服变量柱塞泵建模与仿真

阐述了一种新型电动伺服变量泵的结构组成和工作原理,基于AMESim软件建立泵体各部件及整体仿真模型,对其流量特性、流量-压力特性和变量调节特性进行了仿真分析。结果表明:所设计的电动伺服变量柱塞泵性能良好,能够满足使用要求;采用AMESim软件搭建的系统仿真模型可信度较高,可以很好地反映系统的实际运行情况,能够通过仿真指导系统的优化设计和控制算法实现。     

变量柱塞泵的键合图建模和动态仿真研究

本文分析总结了国内外以往各种有关变量柱塞泵的研究和存在的问题。在此基础上利用能以统一的功率流方式处理多能量域并存系统的键合图建模技术建立了一个简化的非线性变量柱塞泵动态数学模型。模型中的许多结构参数的处理取决于泵模型的选取。在本研究中,使用的是Parker公司的PVP76型恒压变量柱塞泵。针对其中一些影响较小的非线性项和因素进行了近似线性化处理和忽略。然后使用MATLAB／SIMULINK进行动态仿真,结果表明该泵的动态数学模型是令人满意的。最后通过变化一些重要的结构参数来分析其对系统动态响应的影响程度,为系统优化提供了理论依据。     

直线永磁同步电机变论域模糊PID控制技术研究

针对永磁同步直线电机中存在非线性、时变性、强耦合性和外部负载不确定性等特点,结合PID控制与模糊控制的优点,将变论域思想引入控制器的设计中,提出一种可变论域自适应模糊PID速度控制策略.该策略解决了在既定规则下无法保证高精度控制的问题,提高了系统的控制性能.仿真结果表明:所提出的控制策略与常规PID控制和模糊PID控制相比,具有更高的控制精度、更快的响应速度和更强的鲁棒性能.     

数控变量泵调节力矩的特性分析

数控变量泵是实现高效传动的技术关键。本文通过对文献[1]中的数控变量泵实测和理论分析得出了调节力矩特性曲线、函数关系及其影响因素。指出了步进电机的选择原则、启动和运行频率区段的划分。     

基于模糊PI的CVT用电动油泵控制研究

为了改善无级变速器(CVT)液压油泵存在较大溢流损失的问题,采用永磁同步电机驱动的电动油泵作为CVT的供油源,提出一种基于模糊PI的控制算法。该算法在矢量控制结构的基础上,利用模糊控制对PI控制器进行参数修正,以解决传统PI控制不能满足复杂控制系统的需求。为了验证该算法的有效性,在MATLAB/Simulink中完成两种算法下电机控制系统模型的搭建,并对控制结果进行比较分析。并完成CVT极限工作环境即车辆紧急制动工况下电动油泵基于该算法的仿真。结果表明：所提出的控制策略能够有效提高系统响应速度和抗干扰能力,并且基于该算法的电动油泵能满足CVT正常工作需求。     

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。     

一种变量机构的仿真研究

基于甘肃工业大学研制的50mL/r径向柱塞变量泵的恒功率控制的数字控制系统而提出的一种变量机构。运用功率键合图建立了该变量机构的动态数学模型．并用Simulink仿真库对其进行了动态仿真研究。为设计和实验提供理论指导。     

电动汽车液压再生制动系统模糊控制策略的研究

针对纯电动汽车提出一种基于液压再生制动系统的模糊控制策略,综合考虑制动踏板深度、蓄能器压力、蓄电池SOC值等因素对再生制动力分配的影响,并对再生制动力进行合理的分配,在保证制动安全性的前提下,尽可能多地回收制动能量,提高能量利用效率。仿真结果表明:基于液压再生制动系统的模糊控制策略提高了整车能量存储系统的能量使用效率,降低了汽车因制动而带来的能量损失,提高了电动机工作效率。