神经网络控制器在电液伺服系统中的应用

本文针对一高精度电液伺服系统,利用神经网络设计了控制器,实验表明,该控制器有较强的鲁棒性。     

改进的RBF神经网络PID算法在电液伺服系统中应用

为克服传统PID控制电液伺服系统时存在参数整定不良,动态响应特性欠佳的问题,采用RBF神经网络PID对系统进行控制,并针对控制中存在的问题对控制算法进行改进,仿真和实验研究表明,改进的RBF-PID控制算法较RBFPID和传统PID具有较快的响应速度和较好的鲁棒性。     

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。     

基于遗传神经网络的电液伺服系统自适应控制

针对热连轧卷取机卷取过程当中的带头损失现象，本文提出一种液压踏步控制的伺服系统。采用神经网络跟踪对象的动力学特性，建立了遗传算法与神经网络相结合的识别模型（GA-ANN），利用遗传算法进行网络权系的训练和优化。试验证明该系统有好的控制效果，对实现液压系统的人工智能化奠定了基础。     

树形神经网络的学习机理及其在电液伺服系统控制中的应用

针对具有多维输出信息的系统，采用了一种树形神经网络的构造方法，并解释了其物理意义。此外，本文还提出了该网络的一种新的训练结构，与传统的训练方法相比，保证了系统的稳定性与安全性，加快了网络的收敛速度，避免了训练过程中的虚收敛点，同时提高了神经网络的在线学习和实时控制性能。最后给出了针对电液伺服系统的仿真结果。     

基于模糊神经网络控制的电液系统研究

针对大功率电液伺服系统存在严重非线性和时变性,将神经网络与模糊控制理论相结合,根据系统的误差及误差变化对神经网络的学习速率和动量因子进行模糊修正,有效地改善了神经网络的学习速率.实验表明,所设计的神经网络控制器能够保证大功率电液伺服系统的静、动态性能.     

基于改进人工水母搜索算法的电液伺服系统控制研究

电液伺服系统是工业制造领域不可或缺的一部分,它是一个复杂的时变非线性系统,常规PID在实际工业控制中存在参数调节难度大、效率低等问题,很难达到理想的控制结果。针对以上问题,提出一种改进人工水母搜索算法来优化PID控制器参数的方法,将蝴蝶算法中随机移动概念引入到人工水母算法中,并将其和PSO算法、标准人工水母搜索算法进行对比分析,利用MATLAB 软件搭建PID控制模型。仿真结果表明：运用改进人工水母搜索算法能高效、精确、快速地寻优出PID控制器的最佳参数,并展现出了鲁棒性好、调节时间少、运行相对稳定等优点,系统的控制性能得到了显著提升。     

电液伺服系统神经网络建模研究

本文讨论了非线性系统的神经网络建模的有关问题。提出了对神经网络进行泛化训练及对网络的泛化能力进行定量分析的方法。结合文中提出的一种简化动态网络，通过对一个电液伺服系统的仿真，验证了本文提出的方法是可行的。     

自抗扰控制在电液伺服系统中的应用研究

针对某大功率电液伺服系统存在严重非线性、时变性和强干扰问题,为保证系统的静、动态品质,采用自抗扰控制器（ADRC）,使系统具有很强的鲁棒性。仿真表明,所设计的自抗扰控制器能够保证大功率电液伺服系统的静、动态性能。     

基于广义动态模糊神经网络的电液伺服系统控制

针对电液伺服系统这一复杂的非线性系统,提出一种广义动态模糊神经网络学习算法,并设计控制器.该算法以模糊ε-完备性作为高斯函数宽度的确定准则;同时对模糊规则和输入变量的重要性作出评价,并以此来调整每个输入变量和模糊规则.使用AMESim软件搭建了系统的模型,并利用AMESim的接口技术实现了与Simulink的联合仿真....     

电液伺服系统Bang—Bang＋Fuzzy—PID复合控制研究

针对电液伺服系统模型的不精确、不确定及负载扰动大等特点,结合Bang-Bang控制、Fuzzy控制和PID控制,采用了一种复合控制策略.阐述了控制器的设计过程并在MATLAB/SIMULINK中进行了仿真,结果表明:复合控制器在抗扰能力、快速性、动态跟踪品质和控制精度等方面均具有良好的性能.最后,分析了这种控制器存在的不足和改进的方法,确定了后续研究的方向.     

模糊神经网络在电液伺服控制系统中的应用研究

针对电液比例伺服阀的死区大、强非线性等特点,设计了一个基于模糊逻辑的神经网络控制系统（FNNC）,给出了基于模糊逻辑推理网络的拓扑结构,导出了网络的连接权重和隶属度特征参数的学习算法。将该控制系统应用于蜗杆砂轮磨齿机,获得了良好的效果。     

基于广义预测控制的电液伺服系统控制研究

以电液位置伺服系统作为研究对象,建立具有一般性的系统非线性数学模型.基于此模型,提出一种基于广义预测的控制策略,采用随机梯度估计法在线估计控制器模型参数,避免在线求解Diophantine方程,减少在线计算时间.该控制方法具有计算量小、实时性高的特点.并通过仿真实验验证了此方法的有效性.     

基于径向基神经网络的广义预测控制研究及应用

实际工业生产过程中常含有非线性、滞后环节,特别是在化工、冶炼等生产过程中尤为显著.连续搅拌釜式反应(CSTR)在反应过程中会产生大量的反应热,及时地移去反应热保证生产正常进行是控制的主要目标.采用了基于神经网络的预测控制来解决非线性、滞后等环节的影响.讨论了广义预测控制的基本结构与原理,研究了广义预测控制算法的预测模型、反馈校正、滚动优化.选取径向基(RBF)网络建立了系统的多步预测模型,并对连续搅拌釜式反应过程进行了仿真.仿真结果表明,基于RBF神经网络的广义预测控制器具有良好的自适应性、鲁棒性和抗干扰能力.     

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。     

基于径向基函数神经网络控制的机械臂轨迹误差研究

当前,机械臂关节运动轨迹容易受到外界环境的干扰,导致运动轨迹不稳定,抖动现象特别严重,不能很好地满足轨迹跟踪任务的要求。对此,文中创建机械臂双关节运动简图模型,采用径向基函数(RBF)神经网络自适应控制方法跟踪机械臂关节的运动轨迹。分析了机械臂运动轨迹所产生的误差,设计了机械臂关节神经网络自适应控制器,引用李雅普诺夫函数对控制器的稳定性和收敛性进行了证明。结合具体实例,借助于Matlab软件对机械臂双关节的运动轨迹追踪误差进行仿真。同时,与模糊PID控制的仿真误差进行对比和分析。仿真曲线显示,机械臂关节采用RBF神经网络自适应控制方法,运动轨迹追踪所产生的误差较小,输入力矩的振动幅度相对较小。因此,机械臂关节末端采用RBF神经网络自适应控制器,可以降低运动轨迹的跟踪误差,改善振动现象。     

一种基于广义模糊RBF网络的预测控制

提出了基于广义模糊RBF网络的非线性系统一步超前预测控制策略.该方法只使用了一个神经网络,直接采用优化性能指标对控制量求导数.对电液位置伺服系统的仿真和实验表明,该方法易于实现,实时性好,与传统的PID控制方法相比较,跟踪精度明显提高.     

基于力觉反馈的电液伺服系统设计

借鉴电机驱动主从随动控制系统的研究方法,并根据液压系统的特殊性,对电液伺服遥操作主从机械人的力觉临场感进行分析。综合对称型双向伺服控制系统和力直接反馈型双向伺服控制系统的优点,以从端受力形成力反馈控制量的增益,位置误差和位置误差的变化率形成力反馈控制量,提出改进的对称型控制算法,即力-位置综合型双向伺服控制算法。实验结果验证了该方法的有效性和实用性。     

电液伺服控制系统的研究与应用

文章以DSP数字信号处理器为主控制芯片,同时针对本系统的非线性时变特征,设计出了模糊参数自适应PID控制器,开发出一套新的电液伺服控制系统。利用Fuzzy参数自适应PID控制器在不需要精确数学模型的条件下具有更快的响应和更小的超调。降低了控制系统的研制成本,提高了试验精度,扩大了试验机的使用范围,并为DSP在自控领域的应用提供了依据和参考。