共查询到17条相似文献,搜索用时 78 毫秒
1.
2.
3.
4.
地震模拟振动台的控制多采用三参量控制作为底层控制算法,三参量控制参数多,整定耗时费力。提出一种基于LSTM(长短时记忆网络)的振动台三参量控制参数整定算法。将振动台系统的测试加速度输入和输出数据分为训练集、测试集和验证集,建立并训练一个LSTM深度网络用以模拟振动台的系统模型;针对LSTM深度网络模型引入新的三参量控制环节,采用梯度下降法进行控制参数的离线整定;最后将整定参数与控制系统原参数进行合并用于实机验证。结果表明:所提出的整定方法可以达到优于手动调参的结果,整定过程通过系统模型离线完成,不需实机运行,具有效率高、效果好的优点。 相似文献
5.
6.
三参量控制是地震模拟振动台的底层控制算法,其参数整定过程中涉及的参数多,传统的参数整定方法存在效率低、过程繁琐等问题。为了提高整定效率和准确性,提出一种基于确定性策略梯度(DDPG)算法的振动台三参量控制参数整定算法。此方法通过将振动台三参量控制系统作为强化学习环境,利用DDPG算法对系统的状态-动作-奖励数据进行学习和训练;训练好的智能体则可以输出最优的控制参数,然后将整定完成的控制参数放在实际振动台系统模型中进行测试。结果表明:DDPG算法可以有效优化振动台控制性能,提高试验结果的准确性和可靠性,具有实际应用价值。 相似文献
7.
8.
针对恒力输出器模糊控制中的量化和比例因子均为固定值,造成力控制系统自适应能力差问题,提出一种基于改进粒子群算法来不断迭代寻优出最佳的量化和比例因子对模糊PID控制进行优化。对恒力输出器建模并确定传递函数,构建出模糊PID控制系统与改进粒子群模糊PID控制系统,并对这两种控制系统进行MATLAB对比仿真分析。搭建基于六自由度TA6-R10机械臂的实验平台,对恒力输出器的输出力实验验证。结果表明:经过改进粒子群算法优化的模糊PID控制系统比模糊控制PID系统更快达到目标值,且更快收敛,整体超调量为8.91%,在1.3 s达到稳定。改进粒子群算法模糊PID控制优化恒力输出器的力控制,具有更快的动态响应和更好的力跟随效果。 相似文献
9.
10.
针对封头打磨机器人在工作过程中末端执行器轨迹跟踪和恒力控制要求与打磨机器人在封头上行走的振动抑制问题,提出一种基于神经网络的力/位混合控制方法.采用力/位混合控制器完成打磨机器人力和位置的同时控制要求.针对打磨机器人平台行走过程产生的振动干扰,设计神经网络鲁棒控制器,通过神经网络对系统参数误差和振动干扰进行抑制.仿真结... 相似文献
11.
气动力控制是气体传动与控制的一个重要研究方向,在工业生产与过程控制中有着重要的应用价值.采用自调整模糊控制方法研究基于比例压力阀的气动伺服系统的力同步控制问题,并设计和搭建了气动力控制实验台.针对常规模糊控制规则不可调整的不足,设计了自调整模糊控制器,其控制性能优于常规模糊控制. 相似文献
12.
搅拌摩擦焊接技术是一种新型固相焊接技术,由于其独特的技术优势正被广泛地应用于铝合金等轻质合金板的焊接中。分析了基于液压伺服技术的搅拌摩擦焊接主轴力控制系统,推导得出主轴液压伺服系统的力控制数学模型,在MATLAB软件的Simu LINK模块中搭建控制模型,分别利用模糊PID和普通PID控制理论对控制模型进行仿真。分析仿真结果发现:模糊PID和普通PID控制方法虽然都能实现对主轴液压系统的力控制,但模糊PID控制不论是在响应时间、控制精度还是抗干扰能力方面都优于普通PID控制,并且通过实验验证了模糊PID控制的可行性。 相似文献
13.
14.
针对目前机械臂在使用控制器时,存在轨迹追踪误差较大问题,设计了机械臂线性变参数控制方法,并且对追踪误差进行仿真验证。构造了两关节机械臂运动简图,建立机械臂刚体动力学数学模型,引入动力学参数的线性组合,推导出线性变参数模型。设计出机械臂的线性变参数控制器,采用Matlab/Simulation软件对控制器的轨迹追踪误差进行仿真。同时,与其它控制器的机械臂轨迹追踪误差仿真结果进行比较和分析。仿真结果显示,采用线性变参数控制器实际输出运动轨迹与理论期望运动轨迹更接近,运动比较平稳。采用线性变参数控制可以提高机械臂运动轨迹的追踪精度。 相似文献
15.
16.
介绍正在实验室使用的液压运动控制实验台的系统组成及工作原理,并着重描述了其闭环力控制系统。针对实际应用的伺服比例阀及液压缸建立了AMESim元件模型,在此基础上给出了闭环力控制系统的AMESim模型。针对该计算机离散力控制系统,分析不同采样时间对系统的影响,并在弹性负载以及非弹性负载两种加载条件下分析动态响应特性曲线,最后加入PID控制器对系统进行了校正,得到较满意的结果。 相似文献
17.
针对工业机器人夹持工件进行磨削时的力控制问题,提出一种基于神经网络算法的机器人力控制方法,搭建一套工业机器人磨削系统,并在Visual Studio软件环境下开发了相应的上位机软件。通过分析神经网络算法的原理,设计神经网络结构,使用从实际磨削过程中获得的训练数据对神经网络进行训练;将力传感器实时采集的力信号输出给训练好的神经网络模型,预测出机器人磨削加工的轨迹修正值并传给机器人,对磨削轨迹进行实时修正,从而实现工业机器人的间接力控制。最后,在搭建的工业机器人磨削系统上进行了力跟踪实验和钛合金试件磨削实验,验证了所提出的力控制方法和机器人磨削系统的有效性和实用性。 相似文献