基于自感知反馈的压电微夹钳PID控制

为了避免应用外部传感器,采用自感知方式实现压电微夹钳的闭环控制.压电微夹钳钳指在电压与外力作用下输出位移并在其表面产生电荷,据此提出了基于电流积分的钳指位移自感知方法;将PID控制器中的矩形积分改为抛物线积分,对偏差的微分改为对输出的微分,设计出了压电微夹钳的改进PID控制器,并将其同自感知反馈方式相结合,设计出了压电微夹钳的自感知反馈控制系统.实验结果表明:在自感知反馈控制作用下,压电微夹钳对5μm阶跃参考位移的响应时间为0.34 s,若不考虑噪声影响,稳态误差几乎为零;在最大位移为14.1μm的任意波形参考位移的作用下,压电微夹钳的自感知反馈控制亦可取得良好的控制效果,其稳态误差中线在-0.06~0.05μm之间变化.     

压电微动平台的定位控制

为使压电微动平台定位速度快、定位精度高,采用复合控制方法来对其进行定位控制。基于保证模型精度并使精度在整个阈值区间变化尽量均匀的要求,来使阈值最优化,进而建立了压电微动平台的迟滞模型。基于所建平台迟滞模型,设计了其前馈控制器;为抑制平台的超调,在常规数字增量式PID中引入滤波器设计了其反馈控制器;将前馈控制与PID反馈控制相结合,设计了平台的复合控制器。实验结果表明:所建平台迟滞模型仅有7个算子,且均为有效算子,在16.3μm的最大实测位移下,模型最大误差为0.208μm;在复合控制作用下,平台达到5μm目标值的响应时间为0.173 s,虽慢于前馈控制,但明显快于PID反馈控制;在最大位移为17.155μm的参考输入作用下,若不考虑传感器噪声,平台的定位误差几乎为零。     

一种非对称式压电驱动微夹持器

针对微管类(直径0~300μm)零件的夹持需求,基于有限元分析设计了一种非对称式压电驱动的微夹持器.该微夹持器采用柔性铰链实现压电陶瓷输出位移的传递和放大.采用平行四杆机构实现夹钳末端的平行移动.通过检测柔性铰链处应变的方法,间接地测量夹持力和位移信息.微夹持器的实验特性显示位移的放大倍率为5.6倍,夹持器末端夹钳可以实现平行移动.力和位移标定实验中显示夹持力的分辨力在2.41 m N,位移的分辨力在0.22μm,且力/位移与应变具有很好的线性关系.采用增量式PID的控制算法对系统进行力/位移的闭环控制.以微型玻璃管(直径150μm)夹持为例,系统的阶跃响应实验显示,系统的力/位移控制可以实现无超调.实验结果表明增量式PID控制算法可以实现对本微夹持器力/位移的准确、稳定控制.     

枕式包装机包装材料供送速度控制

目的 为了提高包装袋的袋长精度,提升包装袋体外观质量。方法 提出一种基于神经网络PID自适应的三伺服枕式包装机包装材料速度控制方法,将传统的PID控制方法同神经网络控制相结合,设计一个神经网络PID控制器,包括控制器结构和学习算法,可用于解决相关非线性问题。结果 仿真和实验结果表明,采用神经网络PID控制方法,包装材料速度达到稳态时,所用时间约为2 s,最大超调量不超过2%,包装袋长误差能够有效控制在±1 mm以内。结论 所设计的控制方法与传统的PID控制相比,具有响应速度快、抗干扰能力强、控制输出稳定等优点,能够显著提高包装袋长精度。     

基于迟滞观测器的压电工作台自适应控制

为提高压电陶瓷驱动的微定位工作台的精度和速度,设计了一种基于迟滞状态观测器的自适应控制系统.在分析压电陶瓷迟滞非线性特性和工作台结构的基础上,建立了压电工作台的动态迟滞模型.迟滞观测器用于估计由位移偏差、传递函数、迟滞变量和扰动而产生的不确定误差,对神经网络控制器的输出量进行补偿,使工作台的位移跟随参考值.基于李雅普诺夫稳定理论推导了迟滞观测器的自适应调节律.实验结果表明,采用带有迟滞观测器的自适应控制系统时,在30μm、1 Hz正弦信号作用下,工作台的平均定位误差从之前的0.39μm减小到了0.19μm,对迟滞特性的非对称拟合平均误差由0.42μm减小到0.22μm,在10μm阶跃输入时的平均定位误差从0.22μm减小到了0.13μm,稳定时间由0.19 s缩短为0.08 s,定位工作台的性能得到明显的改善,能够满足实验要求.     

基于BP神经网络PID的纸浆浓度自适应控制

目的为了克服纸浆浓度控制系统的滞后性、非线性和时变性,以提高纸浆浓度控制性能。方法针对纸浆浓度控制问题提出一种BP神经网络PID控制技术,构建3-4-3的BP神经网络结构,并在该基础上建立BP神经网络PID控制的数学模型,利用BP神经网络实现PID参数的自适应调整。结果仿真结果表明,BP神经网络PID控制相较于传统PID控制收敛速度更快、超调量更小、抗干扰能力更强、鲁棒性更好。结论该控制方法实现了纸浆浓度的自适应控制,为纸浆浓度的最优控制提供了一种有效可行的控制方法。     

基于RBF神经网络的自动包装机温度控制算法研究

目的针对传统热封工艺中温度调节PID算法参数过度依赖人工经验的缺点,提出一种RBF神经网络与PID算法相结合的具有参数自适应的热封温度控制算法。方法使用控制系统的输出误差作为代价函数,采用最小均方误差(LMS)调整权值与偏置参数,并通过中心自组织算法实现径向基函数中心和中心宽度的动态调节,在Matlab软件中的Simulink子系统中建立仿真模型进行算法验证,并与传统PID控制算法进行比较。结果仿真结果表明,径向基神经网络与传统PID算法的结合使得系统输出响应在动态性能和静态性能方面均优于传统PID,在系统上升时间、调节时间等方面均优于增量式数字PID。结论将RBF神经网络PID算法应用于自动包装机,避免了传统热封工艺中PID控制算法参数不能适应于复杂变换控制环境的问题,神经网络PID算法的自适应性强,实现了热封温度变化下PID参数的自动调整,在一定程度上提升了生产效率和包装设备的智能化水平。     

Stribeck模型自适应滑模摩擦补偿控制

针对高速高准确度滚珠丝杠伺服控制系统,提出一种基于Stribeck模型的滑模自适应摩擦补偿控制方法。采用PMAC运动控制器搭建开放式控制平台,建立伺服系统的动力学模型,并通过Stribeck模型来反映系统的摩擦特性。采用Backstepping方法设计自适应滑模摩擦补偿控制器,并采用Lyapunov定理证明系统的全局渐进稳定性,最后通过编写伺服算法实现该摩擦补偿。实验结果表明:与速度加速前馈控制补偿相比,当输入速度为10 mm/s信号时,自适应滑模摩擦补偿其跟踪误差由35μm降低到±4μm;当输入速度为100 mm/s信号时,自适应滑模摩擦补偿其跟踪误差由98μm降低到±4μm。采用该补偿方案能有效抑制伺服系统的摩擦干扰,提高伺服系统准确度和动态跟踪性能。     

神经网络控制算法应用探索

采用神经网络控制,选取应用最广泛的BP算法,与传统PID控制结合的控制策略来实现对主汽温的有效控制,仿真结果表明基于BP神经网络的自整定PID控制具有良好的自适应能力和自学习能力,对大迟延和变对象的系统可取得良好的控制效果,是采用多策略的智能控制与PID结合实现主汽温控制的一次有益的尝试与探索。     

基于CPSO-BP神经网络-PID的热熔胶机温控系统研究

针对热熔胶机加热温度存在惯性大、滞后性强、非线性等缺点,且常规PID控制难以达到温控要求,提出了一种基于CPSO-BP神经网络的PID控制器参数自适应调整算法。该算法先用CPSO算法将BP神经网络的初始权值和阈值优化到全局极小点附近,然后用传统BP神经网络学习算法在线调整PID参数。采用MATLAB对设计的CPSO-BP神经网络-PID控制器进行了温控系统仿真分析,仿真结果显示该控制器可实现对热熔胶机温度的精确控制,具有良好的自适应性和鲁棒性;实验测得采用CPSO-BP神经网络-PID控制器的温控系统能够在3.5min内达到设定温度,温控精度为±2.5℃。CPSO-BP神经网络-PID控制器作为嵌入式系统的一个控制单元,已投入热熔胶机温控系统实际应用,使用效果表明:温控系统性能稳定,温控精度高,有效实现了热熔胶机加热温度的自动控制,具有良好的实际应用及推广价值。     

六自由度运动平台控制系统的神经网络优化

阐述了六自由度运动平台的控制原理，并根据控制系统的特点，提出采用基于RBF和BP神经网络来改进常规PID控制器实现系统控制性能。在该控制系统结构中，提出了在RBF网络辨识Jacobian的基础上，将BP神经网络引入了平台控制系统中PID控制器的控制参数在线整定的算法，最后给出了在MATLAB下的具体仿真算法。     

纸纱复合制袋印刷一体机张力控制器设计

目的研究纸纱复合制袋印刷一体机纸张张力控制器。方法针对纸纱复合制袋印刷一体机的张力控制问题,结合模糊自适应PID与粒子群算法,设计基于余弦自适应调整惯性权重的粒子群优化算法的模糊自适应PID张力控制器。利用余弦自适应调整惯性权重的粒子群优化算法,搜索出一组最优的PID参数,来提高张力的控制精度。结果仿真结果表明,该张力控制方法的响应时间为0.25 s,最大超调量为2%,小于其他方法的响应时间和最大超调量。结论设计的控制器与传统的PID控制和模糊自适应PID控制相比,具有响应速度快、控制输出稳定、调节时间短等优点。     

汽车零部件刚度试验中的力加载控制研究

汽车零部件刚度试验是指汽车零部件受力时抵抗弹性变形的能力的试验,力的控制精准是试验的前提。由于汽车零部件种类繁多,而且不同的汽车零部件具有不同的力学性质,因此传统的PID控制无法实现稳定的控制。通过对传统PID控制缺陷的原因进行分析,提出一种基于BP神经网络整定的PID控制方法。基于现有的刚度试验平台,建立刚度试验控制系统和加载系统的数学模型。采用MATLAB进行BP神经网PID控制仿真实验,并和普通PID控制进行比较。仿真结果表明基于BP神经网络整定的PID控制能够在线调整PID三个参数以适应不同刚度的零部件,进而实现稳定的控制。     

基于BP神经网络的压电智能结构振动系统辨识

针对神经网络在压电智能结构振动控制中的关键问题之一——系统模型的神经网络辨识,用引入时延的多层前馈BP神经网络串一并联型结构对表面粘贴压电片的柔性悬臂梁进行非线性动态系统模型辨识。考虑压电片对梁的质量和刚度矩阵的影响和实验提取数据的繁琐问题,用有限元分析软件ANSYS对智能梁进行模态和瞬态响应分析,利用获取的系统动力响应时间序列对神经网络进行离线训练,通过MATLAB神经网络工具箱对算例进行仿真显示。     

包装覆膜自适应恒张力控制方法研究

目的为解决悬浮包装生产过程中薄膜张力不稳定等问题,建立覆膜过程薄膜张力数学模型。方法针对传统PID控制在薄膜张力控制中的诸多不足,基于BP神经网络设计自适应PID薄膜张力控制方法。根据系统运行状态,调节PID控制器的参数。通过神经网络的自身学习来调整权系数,确保被控对象处于稳定工作状态。为进一步优化BP神经网络控制性能,利用鱼群寻优算法实现初始阈值和权值优化。最后,进行仿真和实验研究。结果仿真和实验结果表明,基于改进BP-PID控制算法进行张力控制时,系统响应速度较快,最大超调量较小。薄膜张力的最大相对误差只有0.5N,误差值都比较小。结论改进BP-PID算法具有较高的控制精度和稳定性,可满足包装覆膜要求。     

压电执行器改进Bouc-Wen模型及其定位补偿控制研究EI北大核心CSCD

针对多数迟滞模型无法描述压电陶瓷执行器(piezoelectric actuator,PEA)的非对称、率相关迟滞非线性,提出一种改进Bouc-Wen(improved Bouc-Wen,IBW)模型并基于提出的IBW模型对其补偿控制进行试验研究。首先,基于传统Bouc-Wen(classical Bouc-Wen,CBW)迟滞模型引入两项非对称项并引入二阶IIR滤波器以精确描述压电陶瓷执行器的迟滞非线性,进一步分析了模型参数值与频率变化规律并修正率相关参数。然后,搭建基于NI CompactRIO测控系统压电陶瓷执行器精密定位试验平台,对提出的IBW模型进行了试验验证并基于IBW模型对其补偿控制进行了试验研究。试验结果表明:IBW模型性能显著优于传统Bouc-Wen模型和增强型Bouc-Wen(enhanced Bouc-Wen,EBW)模型,对于激励频率10~100 Hz多频正弦信号,IBW模型均方根误差相较于CBW模型和EBW模型分别下降了82.07%和62.10%,试验中压电陶瓷执行器实测最大输出位移6.15μm,基于IBW模型所提出复合补偿控制均方根误差为0.039μm,仅为最大输出位移的0.64%,最大跟踪误差仅为0.153μm。若忽略测量噪声,定位误差接近于零,说明所提出的IBW模型及其补偿控制算法有助于实现压电陶瓷执行器的高速、宽频超精密定位及主动振动控制。     

动态定量称量包装系统BP神经网络PID控制算法

目的针对动态定量称量包装控制系统具有大惯性、滞后、非线性且无法建立精确数学模型等缺点,研究提高动态定量称量包装系统控制精度的方法。方法提出了一种改进型BP神经网络PID的定量称量包装控制系统,将BP神经网络与PID控制方法相结合,通过神经网络的自学习、加权系数的调整,优化PID控制器参数K_i,K_p,K_d,并将粒子群算法引入到神经网络中作为其学习算法,以有效提高BP神经网络算法的收敛速度。结果仿真和实验结果表明,改进型BP神经网络PID控制响应速度快、超调量较小,系统称量误差得到大幅度减小。结论所述控制方法可以明显提高定量称量控制过程的稳定性、精确性以及鲁棒性。     

基于软件误差修正的通用直线工作台的纳米级定位控制

提出了一种用于通用压电陶瓷线性马达(PLCM)驱动平台的纳米级定位数控方案,该平台上配有栅距20μm的线性光栅.传统的信号细分多数基于硬件电路,无法对纳米级误差进行灵活的调整.本项研究开发了基于Labview的数字控制系统,该系统具有失真波形的调整、1/4栅距脉冲计数、基于Lissajous圆环的波形细分、后传神经网络和PID控制以及平台的位置反馈控制等特征.介绍了定位控制的3个步骤,即用于长行程连续移动控制的AC模式,用于低速短行程的开关模式控制马达驱动,以及以压电激励方式使马达工作的DC模式,这些步骤能够实现几纳米的精确定位.在每种运动模式下采用了专门的信号处理技术.实验结果表明,此方法可以很容易地应用于线性平台,取得小于31 nm的定位精度,9 mm行程的标准误差小于30 nm.相比于原来移动台±1μm的重复性和±1μm/25 mm的精度,该数字控制系统能够将定位精度提高一个数量级.     

平面倒立摆的一种多回路PID控制方法设计

平面倒立摆系统是进行教学和控制理论研究的理想实验平台。本文对平面倒立摆进行了运动学和动力学分析,因为传统的单回路PID控制是单输入单输出系统．对摆杆的角度和位移只能控制其中一个量,本论文用多回路PID设计方法对倒立摆进行了仿真,多回路可以很好的控制摆杆的角度和位移,结果表明采用这种控制方法得到了较好的控制效果。     

基于BP神经网络的PID控制器及其MATLAB仿真

PID控制算法简单、应用广泛,既能消除余差,又能提高系统的稳定性,但其P环节、I环节、D环节的控制参数却参数难以整定;BP神经网络算法具有很强的数字运算能力,因此,可通过BP神经网络自学习、加权系数调整,实现PID的最优调整,本文以小车控制为例,利用BP神经网络的学习能力进行PID参数的在线整定,并进行了MATLAB仿真,结果表明,利用BP神经网络可很快的找到PID的控制参数。