基于全闭环控制技术的滚珠丝杆伺服系统研究

针对滚珠丝杆全闭环伺服系统中的非线性因素影响动态精度的问题,设计了一种混合控制策略。首先,针对系统中的摩擦因素,采用了基于LuGre模型的前馈摩擦补偿;然后,为提高摩擦参数辨识精度,提出了一种改进的混沌粒子群算法,该算法将粒子群的收敛过程分成3个阶段,分别采用大惯性权重、变惯性权重与混沌寻优、小惯性权重的搜索方式,逐步提升收敛精度,避免陷入局部最优解;最后,针对系统中的间隙因素,设计了基于反向运动监测的速度补偿策略,提升了有间隙系统反向运动的动态特性。研究结果表明:相比于常规粒子群算法,改进的混沌粒子群算法使参数辨识的绝对误差平均下降42.6%;基于给定实验平台下的实验结果表明:采用LuGre摩擦补偿和反向速度补偿的混合控制策略可以缩短速度跟随误差50%以上,减少了系统反向运动时的位置误差,提升了整体位置跟踪精度,满足了数控系统的动态特性要求。     

基于粒子群优化的同步风力发电机励磁系统的变论域模糊控制

针对直接并网型同步风力发电机励磁系统非线性、时变性及风力发电机运行工况多变等特点,提出了一种基于粒子群优化的同步风力发电机励磁系统的变论域模糊控制方法。该方法中,通过分析确定变论域伸缩因子的结构,利用粒子群算法优化其参数,实现伸缩因子参数的智能寻优。将粒子群优化的变论域模糊控制器应用于励磁控制中,根据电压环的性能指标建立目标函数,通过对基本论域自适应调整,实现了同步风力发电机励磁系统在全工况下的自适应控制,提高了发电机端电压的调节精度和运行的稳定性。仿真结果表明,基于粒子群优化的变论域模糊控制在动态性能和稳态性能上优于模糊控制。     

一种五轴并联机床的机构参数分步辨识方法

以五轴并联机床为研究对象,基于量子粒子群优化算法,对少自由度并联机床的机构参数辨识问题进行了研究。根据五轴并联机床的结构特点,对运动末端的测量位姿进行优化选取。将并联机构参数辨识问题转化为非线性系统的最优化问题,利用量子粒子群优化算法的全局搜索能力设计一种分步辨识方法对机构参数进行优化、辨识。仿真结果显示,基于量子粒子群优化算法的分步辨识方法能够比较准确地辨识机构参数的真实值。该分步辨识方法同样适用于其他少自由度并联机器人的机构参数辨识。     

改进的协同粒子群优化算法的研究与应用

为增强现有PSO算法和协同粒子群优化算法的优化性能,提出了一种改进的协同粒子群优化算法及一种新的协同策略。该算法在进化过程中,将寻优粒子群分解为若干子分群,各子分群粒子利用本分群经验和整个种群经验进行搜索,既能在分群内部不断搜索,不迷失寻优方向,又能周期性地共享整群最优值引导粒子找到最好解。分解为多个子种群有利于维持种群的多样性,有效抑制局部最优现象发生。对经典复杂函数的寻优测试表明,改进算法的鲁棒性、收敛速度、精度及全局搜索能力均优于基本PSO算法。最后将改进算法用于建立基于神经网络的旋转机械故障诊断模型,设计了相应的故障诊断系统。结果表明,基于此算法的故障诊断系统具有诊断精度较高、稳定性能较好等特点。     

基于闭环自适应辨识的速度环PI参数自整定

针对永磁同步电机伺服系统速度环比例积分（PI）参数整定过程中需要反复调节、效率低等问题,提出了一种基于闭环自适应卡尔曼滤波（AKF）系统辨识的伺服系统速度环PI参数自整定方法。首先根据输入信号激励速度闭环系统,分析不同频率激励作用下闭环辨识序列的信噪比与实际输出,然后引入AKF算法辨识闭环被控对象的离散模型,最后通过遗传算法仿真搜索最优速度环PI参数。仿真与实验结果表明：该算法能有效抑制量测噪声等扰动对系统辨识精度的影响,辨识结果能够反映实际系统的动态输入输出特性,优化后的速度环具有优良的响应性能和较高的精度,便于实际工业应用。     

多峰函数优化的免疫云粒子群优化算法

为了尽可能寻找多峰函数的全部极值点及提高寻优精度,提出一种免疫云粒子群优化算法(PPSO)-融合云变异粒子群优化算法(CMPSO)的小波变异克隆选择算法(WMCSA)。PPSO混合算法设置了最大重复搜索代数M,以便尽可能搜索到全部极值点。在每一代重复搜索中,首先,通过引入基于云模型的云变异算子以提高种群的多样性,并使用云变异粒子群优化算法对可行域内的所有极值点进行全局搜索;然后,利用小波变异克隆选择算法对云变异粒子群优化算法搜索到的较优解进行局部搜索以进一步提高解的精度。针对复杂多峰函数的寻优测试表明:在保证收敛速度的同时,PPSO算法的收敛精度和搜索到的极值点数目均得到显著提高。离散混沌系统的应用实例也表明了PPSO算法的有效性。     

可倾转变形四旋翼飞行器建模与飞行仿真

为了提高四旋翼飞行器在地震灾难现场等内部狭窄空间中的通过性,提出了一种新型的螺旋桨可倾转的四旋翼飞行器。该四旋翼飞行器在传统四旋翼飞行器基础上增加了一个倾转自由度,实现四个螺旋桨同步、同向倾转,进而可以改变飞行器构型来适应狭窄飞行空间。建立了倾转变形四旋翼飞行器动力学数学模型,在Simulink/SimMechanics仿真环境中搭建了四旋翼飞行器动力学模型,设计了串级PID控制器,实现了四旋翼飞行器在倾转状态下稳定飞行,分析了飞行器穿越狭窄空间的飞行动作及轨迹跟踪情况。仿真结果表明倾转变形四旋翼飞行器构型设计和仿真系统是可行的。     

基于 RP-EKF 的无人机动力系统参数辨识

针对无人机动力系统电池电压波动导致系统噪声大、辨识结果精度低的问题,本研究提出了一种基于反向预测-增广卡尔曼滤波(RP-EKF)的无人机动力系统参数辨识方法。首先构建增广参数矩阵,将压降噪声模型考虑入辨识环节,其次提出反向预测卡尔曼滤波算法,设定新息平方比阈值,计算原始预测新息平方与反向预测新息平方的比值,通过对比预测新息比与阈值完成过程噪声调整并实现估计模型修正。实验结果表明,本文提出的基于RP-EKF的参数辨识方法,平均误差为39.22 rpm,均方根误差为55.85 rpm,平均相对偏差为0.85%,相比于最小二乘算法与卡尔曼滤波算法,本文方法辨识结果平均误差分别提高41.51%和22.26%,均方根误差提高49.63%和13.0%,平均相对偏差提高41.7%和22.7%。本文提出的算法拥有更高的辨识精度。     

基于柯西变异的粒子群算法PID控制PMSM

在工业中,永磁同步电机(PMSM)普遍采用PID控制,其中参数的选取等效为优化问题,采用粒子群算法(PSO)优化可以有效地寻找最佳的PID控制参数。但传统的粒子群算法搜寻最优位置时间久,且容易陷入局部寻优。因此,我们提出了一种基于柯西变异的粒子群算法优化PID控制永磁同步电机,利用柯西变异较长的"尾部"使全局最优粒子(gbest)跳跃到一个更好的位置,逃离局部寻优,得到最优PID参数。通过构建电机电流环PI矢量控制的s函数模型,仿真验证该算法寻优能力强,搜索能力高,稳定性好,具有良好的动态性能。     

基于干扰观测和前馈补偿的电动加载复合控制

对于含有舵机位置扰动、模型参数摄动和传感器噪声等多余力的电动加载系统,仅采用传统的速度前馈补偿很难对系统多余力矩进行完全抑制。在传统速度前馈补偿的基础上针对系统扰动问题引入了扰动观测器,并利用改进的干扰观测器对高频噪声进行抑制。再通过微分负反馈阻尼补偿增强控制回路稳定性,利用重复PID控制器进行负反馈控制来改善系统的动态性能。仿真结果表明,该复合控制策略能够在很大程度上提高系统对多余力矩的抑制能力,并改善系统的加载精度。     

液压伺服系统状态估计和参数辨识的鲁棒算法

针对液压伺服系统不易进行状态估计和参数辨识的问题,提出了一种鲁棒算法,把液压伺服系统的动态行为当作一个具有时变参数的线性随机状态空间模型来描述,把故障当作系统参数变化,将参数公式中重要项进行泰勒级数展开,推导线性状态方程和线性测量方程,从而得出状态向量和参数向量的估计。在液压伺服系统中实验结果表明:该鲁棒算法能很好地对液压伺服系统进行状态估计和参数辨识;并且相比于其他算法,收敛速度快,对非高斯噪声和系统参数故障的存在敏感性较低,鲁棒性好。     

基于遗传算法的挠性转子系统的参数识别

介绍了在外电磁激励力务件下的转子不平衡参数识别方程模型，并提出基于遗传算法的参数优化识别方法。并根据识别方程，把不平衡力和轴承特性参数作为输入量，测点处振动响应为输出量，以输出振动响应与实测振动响应的误差最小为优化目标，通过使用遗传算法来识别不平衡力和轴承特性参数。实现在线无试重动平衡。     

动压缸电液伺服压力系统自适应差分进化辨识

根据轨道路基测试装置工作原理,建立了动压缸电液伺服压力系统AMESim模型,理论推导出该系统传递函数。针对标准差分进化算法早熟问题,构造了一种可以自动调节变异因子、变异算子和交叉因子的自适应差分进化算法。设计了基于该系统AMESim模型的参数辨识方案,进行了自适应差分进化算法与其他算法的对比仿真,验证了该算法具有良好的辨识精度和收敛性,给出了动压缸负载开环传递函数辨识参数,并通过自适应差分进化算法获得了伺服阀系统开环传递函数辨识参数。最后给出了动压缸电液伺服压力系统传函参数,通过与该系统AMESim模型对比仿真,验证了该辨识参数的有效性。     

集成GA-PSO方法的转子系统多点不平衡量识别

针对传统转子动平衡方法需多次启车确定平衡配重、平衡效率低、平衡成本高的问题,提出了集成遗传算法(genetic algorithm,简称GA)及粒子群算法(particle swarm optimization,简称PSO)的转子多点不平衡量在线识别方法。该方法的核心是将转子不平衡量分解为数目、位置、质量和相位信息,分别获取转子系统理论不平衡响应与实际振动特征,正反问题角度相结合实现转子多点不平衡量的准确识别。首先,采用集成化的GA-PSO优化算法进行不平衡量识别;其次,通过引入正则化思想构造新的目标函数,利用遗传算法获取不平衡数目的稀疏表示,实现不平衡量数目识别;最后,采用粒子群算法进行不平衡量位置、质量和相位识别,通过缩小粒子群算法初值范围,提高不平衡位置、质量和相位识别精度。仿真和转子实验台实验数据的识别结果表明,该方法可以有效对转子不平衡量进行在线预估,并可有效指导现场无试重动平衡,从而降低后续转子系统现场动平衡的成本,提高其平衡效率。     

基于最小二乘模型的Bayes参数辨识方法

现实中的系统都具有一定的非线性,并且这种非线性在非线性通道补偿和非线性系统故障诊断等领域是不可忽略的。针对有白噪声干扰的输出误差非线性系统,将数学模型与基于最小二乘的Bayes算法相结合,用数学模型参数代替辨识模型信息向量中的未知项,用基于白噪声的最小二乘模型进行不可预测辨识,从而提出了基于最小二乘模型的Bayes参数辨识方法。介绍了Bayes基本原理及2种常用的方法,经过理论分析和MATLAB仿真研究证明,该方法原理简单、计算量小、速度快、抗干扰能力强,可以对较高精度非线性系统进行参数估计和在线辨识。     

基于LuGre模型实现精密伺服转台摩擦参数辨识及补偿

为降低摩擦对光学精密伺服转台速度跟踪精度的影响,提出了基于LuGre模型的转台摩擦参数辨识和补偿方法.首先,分析转台在自由减速过程中的速度过零现象,采用遗传算法拟合减速曲线从而获得转台摩擦参数和转动惯量;然后,通过仿真实验验证辨识方法;最后,利用辨识得到的参数计算摩擦补偿并叠加到转台速度伺服系统.实际实验系统的数据更新...     

自适应卡尔曼滤波在无刷直流电机系统辨识中的应用

为了有效抑制量测噪声特性变化对系统辨识精度的影响以获得准确的无刷直流电机模型,提出了一种采用自适应卡尔曼滤波算法的无刷直流电机系统辨识方法。通过计算新息理论方差的极大似然最优估计,并将其引入卡尔曼滤波算法中修正滤波增益来抑制量测噪声特性变化对辨识结果的影响,使该滤波算法实现对模型参数的准确估计,提高辨识精度。实验结果表明,在量测噪声特性变化的情况下,该算法能够准确跟踪实际量测噪声特性的变化,参数估计平滑,相对于目前系统辨识广泛采用的带有遗忘因子的递推最小二乘算法,输出误差的均方根值减小了73.5%。该算法简单易行,计算量小,辨识结果可以很好地描述系统行为,便于在工程实践中应用。     

PI-type Iterative Learning Control for Nonlinear Electro-hydraulic Servo Vibrating System

For the electro-hydraulic servo vibrating system(ESVS) with the characteristics of non-linearity and repeating motion, a novel method, PI-type iterative learning control(ILC), is proposed on the basis of traditional PID control. By using memory ability of computer, the method keeps last time's tracking error of the system and then applies the error information to the next time's control process. At the same time, a forgetting factor and a D-type learning law of feedforward fuzzy-inferring referenced displacement error under the optimal objective are employed to enhance the systemic robustness and tracking accuracy. The results of simulation and test reveal that the algorithm has a trait of high repeating precision, and could restrain the influence of nonlinear factors like leaking, external disturbance, aerated oil, etc. Compared with traditional PID control, it could better meet the requirement of nonlinear electro-hydraulic servo vibrating system.