飞行模拟机电动操纵负荷系统控制与仿真

针对单一PID方法控制飞行模拟机电动操纵负荷系统时存在非线性、外力干扰、多余力及外环震荡等问题,根据FCMAC可学习任意多维非线性映射,FCMAC与PID并行控制器鲁棒性强和BP神经网络前馈补偿器具有自适应性、可有效降低多余力影响的特点,采用了由FCMAC与PID并行控制器和BP神经网络前馈补偿器组成的复合神经网络控制方法,解决了单一PID控制方法中存在的问题.对基于复合神经网络控制方法的系统进行了建模与仿真,仿真结果表明该方法使模型力与输出力偏差由1.1 N降低到0.1 N,干扰信号作用下力偏差保持在1.5%以内,将超调量由35%降低到2%,稳定时间由0.7 s 缩短到0.05 s.     

一种基于TSK型递归模糊神经网络的无刷直流电动机位置控制方法仿真

考虑系统的参数变化和包括摩擦力在内的非线性及时变的外界干扰情况下,永磁无刷直流电动机位置伺服控制系统是多变量和非线性的时变系统.针对传统PID控制方法的不足,提出了一种TSK型模糊神经网络控制器的设计方法,并用于永磁无刷直流电动机伺服控制系统的位置控制;可同时动态在线进行结构学习和参数学习,以提高位置控制静态精度和动态跟踪性能.仿真结果表明,所设计的TSK型模糊神经网络位置控制器响应速度快、跟踪性能好、输出精度高、动态和静态性优能于传统PID控制方法.     

基于自适应摩擦补偿的复合非线性轨迹跟踪控制

伺服系统中存在的非线性摩擦环节,往往会使系统的性能受到影响。针对电机伺服系统,设计了一个复合非线性轨迹跟踪控制器,并通过降阶扩展状态观测器对未测量的速度和未知扰动进行估计。为了消除摩擦力带来的不良影响,在轨迹跟踪控制的基础上,加入了自适应摩擦补偿环节。先通过MATLAB进行了仿真分析,后将该方案应用于直流电机伺服系统进行试验验证。仿真与试验结果表明,该自适应补偿方案能有效抑制摩擦产生的不利影响,实现被控系统对目标轨迹快速准确的跟踪。     

一种新型模糊神经网络自适应控制器

文章利用模糊神经网络的模糊推理能力以及前馈神经网络的逼近能力,将其与自适应控制方案结合,并取带有控制增量约束的广义目标函数作为优化指标;从而推导出一种能对非线性非最小相位系统进行有效控制的模糊神经网络间接自适应控制器。在网络学习算法上分别采用Davidon最小二乘法和带有动量项的BP算法。仿真结果表明了该方法的有效性。     

双三相永磁同步电机位置伺服前馈反馈复合控制

传统伺服系统的位置控制器只采用纯比例控制,不能兼顾系统的响应速度和稳定裕度,且对斜坡等输入信号不能实现无差跟踪。通过分析位置伺服系统的传递函数,设计了一种新型前馈反馈复合控制器。该复合控制器重构了系统的误差传递函数,使系统能够准确跟踪给定信号,提高了伺服系统的跟踪性能和稳定性。为了进一步提升电流环动态性能,在电流环添加反电动势前馈势补偿,用于减小反电动势对电流响应的影响。仿真和试验表明,该控制方法提高了位置伺服系统的动态性能和跟踪精度,验证了前馈反馈复合控制的有效性。     

基于神经网络的机器人独立关节控制

提出了一种适用于系统控制的神经元模型，该模型是Ｐｅｒｃｅｐｔｒｏｎ算法的一种推广。它可直接作为控制器亦可连成网络控制器用于机器人独立关节伺服系统，仿真实验表明，本文设计的控制器不仅适用于机器人独立关节伺服系统的控制而且还适用于几乎全部ＳＩＳＯ线性定常和时变系统的控制以及部分非线性系统的控制。     

带有前馈和神经网络补偿的机械手系统轨迹跟踪控制

针对机械手系统的轨迹跟踪控制,提出一种带有前馈和神经网络补偿的机械手控制策略,该控制策略由比例微分(proportional-derivative,PD)控制器、前馈补偿器和神经网络补偿器组成。首先通过实验数据辨识出机械手系统的近似线性模型,并基于此线性模型设计PD控制器的参数和前馈补偿器,采用神经网络来补偿近似模型与实际模型的偏差。该方法不需要建立机械手系统复杂的动力学模型,仅需要系统的输入输出数据,既保留PD控制器的优势,又保证了系统的控制性能。最后,在机械手平台上进行物理实验研究,实验结果表明:所提的控制策略实现简单,同时保证了系统的控制精确度。     

基于RFNN补偿的直线伺服系统反推控制

针对永磁直线同步电机(PMLSM)伺服系统,在分析影响直线伺服跟踪精度因素的基础上,采用智能反推控制策略对该伺服系统进行有效的补偿控制。考虑参数变化、外部负载扰动和摩擦力等不确定因素对系统伺服性能的影响,设计基于递归模糊神经网络(RFNN)的反推控制器,利用了递归神经网络具有捕获系统动态信息的优点,可实时补偿不确定因素对跟踪性能的影响。仿真结果表明,控制策略明显降低了不确定因素对系统性能的影响,从而显著提高了直线伺服系统的位置跟踪精度。     

液压弯辊系统的智能内模控制

针对液压伺服系统固有特性和液压控制中存在的问题 ,提出了一种基于前馈神经网络的智能内模控制 (IMC) ,其设计过程分两步进行 :第一步 ,训练一个神经网络描述对象响应 ;第二步 ,训练一个网络描述对象的逆 ,并将此网络作为IMC控制器。将其用于某液压弯辊系统 ,仿真结果表明该系统的性能良好 ,鲁棒性强 ,优于常规IMC系统 ,这类智能控制器适合于对象参数变化、模型不确定和非线性的控制。     

直线永磁同步伺服系统的滑模-神经网络控制

针对直接驱动的直线永磁同步伺服系统,提出一种基于滑模控制和神经网络控制相结合的双自由度控制策略.滑模输入控制器保证了系统对给定的快速跟踪性能;神经网络输出反馈控制器对系统参数摄动和外在阻力变化进行抑制,并削弱了滑模控制引起的系统抖振.该控制策略很好地解决了直线永磁同步伺服系统的跟踪性能和鲁棒性能之间的矛盾.仿真结果表明该方案在保证伺服系统快速性的同时,对参数摄动和阻力扰动(尤其是非线性时变扰动)具有很好的鲁棒性.     

高精确度伺服转台控制系统中的扰动力矩补偿

摩擦力矩和电机波动力矩是影响高精确度伺服转台控制系统位置跟踪精确度的主要因素。针对系统中摩擦力矩和电机波动力矩等扰动力矩补偿问题,提出一种综合的扰动力矩补偿控制策略。基于摩擦观测器提出一种PD前馈控制方法,对系统中的动态摩擦力矩进行了补偿,并利用Lyapunov稳定性理论对所提出的方法进行了系统稳定性分析。结合基于重复控制器的扰动观测器进一步提出一种综合的扰动力矩补偿控制策略。一方面,摩擦补偿方法可以对系统中的摩擦力矩进行补偿;另一方面,插入的重复控制器可以很好地抑制系统中的周期性波动力矩,而扰动观测器则用来补偿重复控制及摩擦补偿时给系统带来的不确定性。仿真结果证明了所提出的方法的有效性。     

永磁直线同步电机的鲁棒自适应神经网络控制

针对永磁直线同步电动机的端部效应和非线性摩擦问题,采用一种鲁棒自适应神经网络控制方法,实现了永磁直线电机的跟踪控制.所设计的控制器包含两个部分:一部分是自适应神经网络控制器,用来逼近理想控制器,该神经网络的输入为滑模切换函数;另一部分是鲁棒控制器,用来消除逼近误差.通过李亚普诺夫稳定性定理验证了所设计的控制器能够保证控...     

无刷直流电动机二阶离散平滑滤波器位置伺服控制

A novel position servo controller for a brushless DC motor was designed based on the improved second discrete smooth trajectory filter. The output of the filter is suitable for the feed-forward control for the servo system, especially for the second order system, which guarantees minimum time response and smooth trajectory tracking. Based on the second order model of the Brushless DC motor, the cascade servo control of the brushless DC motor was implemented upon the second discrete filter algorithm. The outer-loop of the whole control system was realized by the second discrete filter, and the inner-loop used the traditional PI current controller. It has the integrative merits of linear and nonlinear control methods. Moreover, a load torque observer was advanced to enhance the anti-disturb ability of the servo system when the brushless DC motor running with the motor parameters change and/or external load variation. The proposed control method can obtain the excellent position tracking performance and a good speed response ability. Simulation and experiment results show that the control scheme is valid and effective.     

基于ZPETC的雕刻机直流伺服控制系统设计

为了提高雕刻机的跟踪性能和定位精度,首先在其直流伺服控制系统设计中引入了零相位误差跟踪控制器(ZPETC),然后通过模型辨识、非线性摩擦补偿及干扰观测器的设计来克服ZPETC存在的对系统建模误差和参数变化敏感的缺点.在上述研究的基础上,采用TMS320F2812型DSP设计了集ZPETC、PD控制器及干扰观测器一体的直流伺服控制系统.实验结果表明:为雕刻机所设计的直流伺服控制系统不仅有鲁棒性强和抗干扰能力强的特点,而且有良好的定位精度和跟踪性能.     

基于模糊神经网络算法的交流伺服系统DSP控制

将神经网络与模糊逻辑控制结合起来,设计模糊神经网络控制器应用于交流伺服系统中的转速调节器,克服交流调速系统中参数漂移、非线性和耦合等因素的影响.针对模糊神经网络控制器运算量大、收敛慢的特点,硬件采用数字信号处理器(DSP)作为控制器运算单元,并在DSP上实现模糊神经控制算法,提高了系统实时性.实验结果表明,采用该控制器的调速系统具有较快的响应速度、较高的稳态精度和较强的鲁棒性.     

直驱式伺服系统的神经网络自适应滑模控制

针对直接驱动(DDV)伺服系统中由于参数变化、齿槽效应以及液动力负载扰动所造成的跟踪性能降低的问题,提出一种神经网络自适应滑模控制策略,采用径向基函数神经网络(RBFNN)取代滑模切换控制部分,利用其在线学习功能,对系统的不确定因素进行自适应补偿,并通过与比例微分算法(PD)的并行控制,改善神经网络参数的收敛,降低局部极小现象发生的可能性,增强系统的稳定性.仿真结果表明该方法不仅使系统具有良好的跟踪性能和强的鲁棒性,还有效地消除了高频抖振现象.     

采用复合控制的直流力矩电机摩擦补偿

针对陀螺漂移测试转台直流力矩电机系统中存在的非线性动态摩擦和负载扰动,为提高转台位置跟踪精确度,采用复合控制方法进行摩擦补偿研究.在转台直流电机系统中,电机模型采用简化的二阶线性直流电机模型,摩擦模型采用摩擦参数为非一致性变化的动态摩擦模型.补偿方法包含一个参数自适应律和CMAC神经网络,用于估计未知模型参数、辨识位置周期摩擦扰动并给与补偿.仿真结果表明,复合控制补偿方法保证了闭环系统全局稳定性和对期望位置信号的渐进跟踪,提高了转台位置跟踪精确度.     

永磁直线同步电机的智能互补滑模控制

针对永磁直线同步电机(PMLSM)伺服系统的位置跟踪精度问题,提出了一种基于径向基函数(RBF)神经网络的智能互补滑模控制(ICSMC)方法。建立了包含端部效应、参数变化、外部扰动及非线性摩擦等不确定性因素的PMLSM动态方程。设计了互补滑模控制器,采用广义滑模面和互补滑模面相结合的设计,降低了系统跟踪误差,提高了系统响应速度,并削弱了抖振现象;利用RBF神经网络直接对系统存在的不确定性进行估计,在线调整RBF网络参数以改善系统动态性能,提高系统鲁棒性,并用李雅普诺夫定理保证系统闭环稳定性。通过分析系统实验结果,验证了所提出的控制方法有效降低了系统跟踪误差,并使系统具有良好的动态性能和鲁棒性能。     

永磁同步电机的神经网络逆动态解耦控制

永磁同步电机是一个非线性、强耦合系统，应用神经网络逆系统方法对永磁同步电机进行动态解耦控制研究。通过对永磁同步电机的数学模型可逆性分析，得出解析逆系统，由解析逆系统与永磁同步电机原系统复合成两个伪线性子系统来构造神经网络逆系统，使永磁同步电机动态解耦成二阶线性转速子系统和一阶线性磁链子系统，并采用鲁棒伺服控制器对伪线性子系统进行线性闭环控制器的设计，实现永磁同步电机转速和定子磁链的动态解耦，仿真表明系统具有良好的动静态性能。