基于改进神经网络的不确定性X-Y定位平台自适应控制

描述了X-Y平台实验系统的组成及其模型的建立过程.针对X-Y定位平台中存在的载荷以及摩擦参数的不确定性问题,提出了一种基于改进神经网络来补偿X-Y定位平台不确定性的方法.采用自适应遗传算法调整神经网络的权值系数,增强了神经网络的学习能力,使该定位平台的控制精度、鲁棒性和动态特性得到了改善.计算机仿真结果表明这种控制设计方案具有很好的动态特性.     

基于音圈电机X-Y精密定位平台的控制系统设计

针对由音圈电机驱动的X-Y精密定位平台系统,提出了一种基于S函数的实时离散傅里叶变换(DFT)算法来进行系统辨识,从而建立定位平台的数学模型.基于系统数学模型,采用混合灵敏度优化的方法,设计了一种H∞鲁棒控制器.该控制器对模型的不确定性及外部干扰具有较好的抑制作用,从而能够很好地改善系统性能,并利用仿真及实时控制实验验证该控制算法的有效性.结果表明该控制器较好的改善了系统的动态特性,使其具有响应速度快、稳定性好以及良好的抗干扰能力等优点.     

高速数控冲床X-Y平台的鲁棒内模控制

现代板材加工数控冲床具有精度要求高、高速度、高加速度等特点,冲床X-Y平台的运动受负载扰动、非线性振动和摩擦等因素的影响是一个典型的非线性系统.文章以伺服系统和数控冲床X-Y平台为控制对象,研究了平台的传动机构和运动特性.运用机理建模的方法,建立了对象的数学模型,同时给出一种内模控制器的设计方法及其鲁棒性设计.仿真和实验结果表明,此控制方法具有良好的跟踪性能和抗干扰性能.     

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AMEsim和Simulink的电液位置/力混合控制仿真研究

为了满足某水下电液位置控制系统的特殊应用要求,设计了位置/力Fuzzy混合控制器.利用AMEsim和Simulink联合仿真技术建立了该电液位置控制系统模型,论述了一种位置/力混合Fuzzy控制策略的实现以及Fuzzy控制器的设计过程,进行了电液位置伺服系统的控制仿真.仿真结果表明了位置/力混合Fuzzy控制器对于系统控制的有效性和鲁棒性.     

基于Elman网络算法的Inconel625合金堆焊稀释率的控制

文中建立了5-8-3结构的反馈Elman神经网络模型,以电弧长度、焊接电流、焊接速度、送丝速度和保护气流量为输入量,堆焊焊缝的熔宽、熔高和稀释率为输出量进行堆焊仿真计算分析.计算结果表明,Elman模型的预测结果比BP和GRNN神经网络更精确.建立了以电弧长度（X）、堆焊电流（Y）和送丝速度（Z）为空间坐标,堆焊稀释率δ等于f（X,Y,Z）为目标函数的四维图像来确定δ≤5%的堆焊工艺窗口.分别进行Elman模型仿真计算和堆焊工艺试验,得到的稀释率δ分别为2.55%和3.32%,仿真计算的稀释率的相对误差约0.8%,证实了Elman模型预测的Inconel625合金堆焊工艺窗口的可行性与可靠性.     

基于CMAC网络的滑模位置控制研究

机床数控系统的位置伺服控制模块是一个典型的非线性、不确定性的时变系统,传统的PID控制方法和自适应控制不能达到满意的控制效果。将CMAC网络与滑模变结构控制相结合,提出基于CMAC的滑模位置控制策略,并对该控制算法进行了仿真研究。结果表明：位置伺服系统在该控制策略作用下,响应速度快,无超调,并且能大大减弱常规滑模变结构控制中的抖振现象。     

基于Turbo PMAC的LED焊线机位置/力切换控制

为实现对高速焊线机接触力的控制,并为焊线质量一致性提供保障,以Turbo PMAC作为LED焊线机运动控制平台,在分析Turbo PMAC 伺服输出机制的基础上,提出基于Turbo PMAC的LED焊线机位置/力分段切换控制方法,并优化运动轨迹曲线,给出位置控制模式与力矩控制模式相互快速切换程序。优化后的轨迹曲线能够保持软着陆,实现对接触力的控制。     

基于Turbo PMAC的LED焊线机位置/力分段切换控制

为实现对高速焊线机接触力的控制,并为焊线质量一致性提供保障,以Turbo PMAC作为LED焊线机运动控制平台,在分析Turbo PMAC伺服输出机制的基础上,提出基于Turbo PMAC的LED焊线机位置/力分段切换控制方法,并优化运动轨迹曲线,给出位置控制模式与力矩控制模式相互快速切换程序。优化后的轨迹曲线能够保持软着陆,实现对接触力的控制。     

基于改进GA优化BP网络的双目视觉定位研究北大核心

为了提高传统遗传算法(genetic algorithm, GA)IGA优化BP网络迭代时间过长以及精度偏低的缺陷,设计了一种通过改进遗传算法(improved genetic algorithm, GA)IGA优化BP网络,并进行完成双目视觉的定位计算。改进遗传算法来提升BP网络收敛能力并获得更强的全局寻优效果,显著改善BP网络处理效率与精度,最终促使相机获得更高定位精度以及运算速率。给出了IGA优化BP网络的双目视觉定位算法流程,并开展了双目视觉定位实验。研究结果表明,未优化坐标预测值误差均值为0.66 mm,优化坐标误差均值为0.08 mm。改进BP网络进行双目视觉定位精度达到0.12 mm,相对最初预测定位误差降低近0.01 mm。以BP网络来定位双目视觉精度均值是0.12 mm,以OpenCV定位的实际精度是0.10 mm。推断以神经网络双目视觉进行定位时满足双目视觉定位精度条件。     

基于神经网络的工业机器人力控制研究

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。     

基于神经网络的电液位置伺服系统自适应滑模控制

针对电液位置伺服系统(阀控对称缸)模型复杂、参数时变、摩擦影响显著等特点,提出了基于RBF神经网络和基于Lu Gre模型的自适应滑模控制算法。该算法的优点是:(1)利用RBF神经网络逼近控制电流与系统输出压力的关系,将电液位置伺服系统的数学模型简化为二阶,减少了模型参数;(2)采用Lu Gre模型能够准确地描述摩擦过程中复杂的动、静态特性,通过该模型设计摩擦补偿,提高了控制精度;(3)设计自适应滑模控制器,增强了系统的鲁棒性。利用构建的李雅普诺夫函数,证明了闭环系统的稳定性。仿真实验表明:所提算法控制精度较高、响应速度较快、鲁棒性较强。     

基于改进模型的气动肌肉神经网络串级控制

气动肌肉的理论模型是其控制器设计的基础。为了得到较完整的气动肌肉的理论模型,作者在Chou理想模型的基础上,综合考虑影响气动肌肉特性的主要因素,推导了气动肌肉收缩力-位移-气压三者之间的解析表达式,建立了相对简单而又较为完整的气动肌肉的改进静态数学模型。在此基础上,利用神经网络控制器的自适应与鲁棒性等优点,设计了一种针对气动肌肉驱动关节的神经网络PID串级控制器,该串级控制器采用内环气压控制器与外环位置控制器分别对气压与位置进行闭环控制,实验结果验证了该控制器的有效性。     

基于模糊补偿的机器人力/位置控制策略的研究

随着制造业的发展,机器人打磨、装配等与环境接触的加工任务占的比重越来越大,机器人与环境接触的力控制成为了一个新的需求。传统的阻抗控制策略需要精确地知道环境的刚度,在具体的应用中受到很大的限制。基于六维力传感器提出了一种自适应阻抗控制方法,这种自适应阻抗控制方法不需要知道环境的刚度,并且根据机器人与环境接触力的误差变化采用模糊控制来自动调整阻抗控制模型的参数,使机器人与环境保持期望的接触力。最后通过机器人与环境的接触实验,验证了该算法具有良好的力控制效果。     

基于神经网络状态观测器的反演控制在双关节机械手控制中的应用

提出了一种基于改进的BP神经网络的自适应状态观测器,该类观测器无需系统的精确模型即可得到收敛于真实状态的状态观测值。利用Lyapunov直接法分析了基于状态输出误差的状态观测器的稳定性。然后,将状态观测器与反演控制器分开设计,以实现观测器得到的速度估计值代替实际速度,避免了实际应用中对速度信号的测量。最后通过对二关节机械手系统的仿真与比较,说明该控制方法的有效性。     

基于单神经元自适应PID控制的位置扰动型电液伺服施力系统

针对位置扰动型电液伺服施力系统中多余力矩和参数变化问题，在用结构不变性原理进行补偿的基础上，采用单神经元自适应PID控制来确保系统有满意的跟踪性能。采用这种控制方法，可以较好地消除位置干扰的影响，同时克服系统的非线性及参数时变等因素的影响，提高了系统的鲁棒性和跟踪性能。仿真结果验证了上述结论。     

基于模糊神经网络的注塑机注射缸位置控制研究

针对注塑机注射缸非线性和时变的特点,设计了基于模糊神经网络的复合控制器,并将其应用于高速注塑机注射缸的位置控制.实验结果表明:在注射缸高速变轨迹运动情况下,采用该控制器可获得比常规PID控制更高的位置跟踪精度.研究结论可为高速高精密液压注塑机设计提供参考.     

BP神经网络的弯辊力预设定优化

针对国内某厂六辊单机架可逆冷轧机预设定弯辊力与实际轧制过程中弯辊力偏差较大的问题,采用了BP神经网络对其进行优化,结果其精度比回归的弯辊力模型的精度有显著提高,可使弯辊力预设定精度控制在15%以内,并为实现弯辊力的闭环控制奠定了基础。     

基于人工神经网络的压边力预测技术研究

压边力是板料成形中的一个重要的工艺参数,也是板料拉深成形中的重要控制手段。本文以拉深件中较为典型的杯形件为对象,建立了压边力预测的冲压工艺参数人工神经网络模型,并对该模型进行了学习训练。仿真验证表明运用该模型可以得到较好的预测效果,且具有较高的精度。