爆破扫雷器电液伺服系统建模

为了提高电液伺服系统的模型精度与准确度,对某爆破扫雷器电液伺服系统建模方法进行了研究.采用机理建模法,构造了电液伺服系统的传递函数,采用基于自适应神经模糊推理(Adaptive neuron-fuzzy inference system,ANFIS)和减法聚类的模糊神经网络(Fuzzy neural network based on subtractive clustering,Sub-FNN)方法,实现了电液伺服系统的智能建模.通过对模型均方根误差(Root mean square error,RMSE)和信号间方差比(Variance accounted for,VAF)性能指标的比较,表明基于减法聚类的模糊神经网络建模方法可以显著地提高模型精度.研究结果为实现电液伺服系统的控制奠定了基础.     

电液伺服系统的小波自适应鲁棒反演控制

针对电液伺服系统,提出了一种小波自适应鲁棒反演控制方法.用两个小波神经网络来逼近电液伺服系统中的模型未知部分、参数不确定项和虚拟控制的导数,所有小波神经网络的参数均实现在线调节.控制律和自适应律的设计保证了闭环系统一致且最终有界,从而达到对非线性电液伺服系统稳定跟踪控制的目的.鲁棒补偿器的设计进一步改进了电液伺服系统的跟踪性能.仿真结果表明,该方法能较好地满足控制精度的要求,同时系统具有较强的适应性和鲁棒性.     

基于数控编程的转动惯量辨识方法

以西门子840D数控系统为实验平台,提出了交流伺服系统转动惯量辨识的新方法,该方法利用840D数控系统的同步动作功能,实现了M序列形式的速度激励信号的给定以及驱动力矩设定值和轴速度输出值数据的采集;基于最小二乘辨识算法,利用Matlab系统辨识工具箱对采集的输入输出数据进行辨识,实现了交流伺服系统转动惯量的辨识.实验结果表明:所提出的辨识方法能准确地辨识出伺服系统的转动惯量,该方法简单、有效,适合数控伺服系统模型的辨识.     

PMSM伺服系统的RBF网络自适应滑模控制

针对位置伺服系统的非线性、外干扰及参数摄动的不确定性,通过引入RBF神经网络对未知干扰和不确定性进行自学习,提高伺服系统的鲁棒性.为了分析伺服系统的不确定性,将系统模型划分为名义模型和不确定模型两部分.其中,名义模型采用状态反馈方法进行控制,不确定部分采用RBF网络作为滑模动态补偿器进行控制,解决了伺服系统不确定性上界难以测量的问题,降低了抖振.仿真结果验证了该设计方案的有效性.     

含非线性摩擦的伺服系统连续模型直接辨识

为准确描述伺服系统的动态特性与摩擦非线性,提出了一种非线性连续模型直接辨识方法. 该方法以离散输入输出数据与速度方向的逻辑值作为辨识输入,通过等价变换将未知参数都转移到模型的线性部分中,再运用基于状态变量滤波器的直接辨识法求得未知参数,从而获得伺服系统的非线性连续模型. 通过仿真及在双向转台伺服系统的实验表明,该方法在有噪声的情况下仍能准确辨识出非线性连续模型,能准确描述伺服系统的动态特性.     

减摇鳍电伺服系统的计算机仿真研究

介绍了减摇鳍电伺服系统的基本组成和工作原理,并基于MATLAB6.5软件进行了建模和仿真,提出了一种按照海浪波倾角控制的计算方法,最后给出了仿真结果及分析.与传统的减摇鳍伺服系统相比,该伺服系统具有结构简单、制造和维护成本低、无变参数问题且易于实现数字化等优点,并且具有良好的减摇效果,仿真结果验证了该伺服系统的正确性和有效性.     

基于模糊控制的交流伺服系统的设计

针对永磁同步电动机交流伺服系统,提出了模糊控制方案.在交流伺服系统的设计中,采用模糊控制器作为其位置调节器,采用电流快速跟踪控制方案设计电流调节器,对于速度调节器,按Ⅱ型系统设计,并选用PI型调节器,极大地提高了系统的性能.实验与仿真结果表明,基于模糊控制的交流伺服系统与常规PID控制的交流伺服系统相比,具有良好的动态、稳态性能以及较强的鲁棒性,从而证明了这种设计方法的合理性和优越性.     

四足步行机伺服系统的稳定性分析

在用模拟电路实现的四足步行机伺服系统中,为了保证步行机能按较高速度运行,伺服系统往往需有一段时间工作在饱和状态.本文用第二方法对伺服系统工作在线性区域和饱和区域进行了分析,提出了一种新的函数,从理论上说明了系统结构和参数选择的正确性和系统的大范围稳定性.     

某机载电子产品伺服控制系统设计分析

在了解了伺服系统硬件环境的基础上,介绍了稳定机载电子产品天线的伺服系统特点,研究影响系统指标的主要因素,伺服系统的设计原理和方法,机载电子产品中伺服系统的功能需求分析。     

弱标定冗余特征机器人视觉伺服方法研究

为克服机器人视觉伺服系统对标定精度的依赖性,提出一种弱标定条件下基于冗余特征的机器人视觉伺服控制方法.该方法无需3D重构,直接以冗余图像特征作为反馈信息建立伺服控制器.鲁棒的特征提取算法确保了伺服系统能够在复杂的环境快速稳定地提取伺服特征.针对图像视觉伺服系统中需具有足够敏感度的要求,结合视觉特征的前期处理,提出一种新的敏感性校验准则,提高了系统的敏感性以及对环境的适应性.试验分析结果表明,该方法对标定误差和深度估计误差具有鲁棒性.     

电液位置伺服系统的再励学习控制研究

针对非线性电液位置伺服系统的不确定性控制问题,提出了一种带有小脑模型（ＣＭＡＣ）神经网络的再励学习控制方法。将ＣＭＡＣ神经网络融入再励学习控制结构中,并进行了撞化与改进杯仅使再励学习控制器具备了泛化能力,而且提高了其学习速度,因此竽电液位置伺 服系统的快速跟踪控制。仿真结果表明,控制器不仅具有良好的处理非线性能力而且对时变外扰支具有明显的抑制作用。     

电液位置伺服系统伪微分反馈级联控制

分析阀控马达位置伺服系统被控对象的数字模型，对电液位置伺服采用伪微分反馈级联控制方法，对控制系统分层推导控制参数计算公式，并对该控制方法进行实验验证。     

建筑结构电液伺服主动抗振系统最优控制

分析了线性二次型最优控制是适用于电液伺服主动抗振系统的原因，并根据电液伺服抗振系统特点，提出了以伺服阀ｐ－Ｑ特性为不等式约束条件的瞬时最优控制方法，抗振模拟试验结果证实了这一控制思想的正确性和有效性。     

基于小脑模型的电液位置伺服系统在线学习控制研究

针对非线性电液位置伺服系统的跟踪控制问题,提出了一种采用小脑模型（ＣＭＡＣ）神经网络的在线学习控制方法,与传统的ＣＭＡＣ控制器不同,该控制器采用动态误差作为ＣＭＡＣ神经网络的激励信号,从而使基于ＣＭＡＣ的控制器跟踪连续变化的信号成为可能,给出了具体的控制结构和算法,仿真结果表明,该控制器具有良好的处理非线性及跟踪连续变化信号的能力,并对时变外负载干扰具有明显的抑制作用,而且新型控制器能和较高的学习     

高速伺服注塑机成型过程预测迭代学习控制

将学习控制应用于高精密快速伺服注塑机成型过程，根据成型过程的特点设计了一个预测迭代学习控制器，并利用先前得到的系统模型对算法进行仿真．控制器由前馈和反馈控制两部分组成，引入滤波器用于增强学习控制器的鲁棒性．将预测学习控制算法在伺服注塑机上进行了实验．实验和仿真结果表明，该预测学习算法对提高成型过程的位置重复精度效果明显．     

电液比例伺服阀特性自动测试系统设计

电液控制系统控制策略的决定与该组成系统的重要环节——电液伺服阀的静动态性能有着密切关系 ,因此 ,有效方便地检测出电液伺服阀的静动态特性有着实际意义。为准确地检测出精校机用电液伺服阀的静动态特性 ,特研制出一个专用的单片机自动测试系统。目前该自动测试系统已成功地用于精校机用电液伺服阀的静动态性能检测。使用表明 ,此自动测试系统具有操作简单、对测试环境要求低、可靠性好的特点 ,能满足电液伺服阀静动态性能的自动检测要求。     

预测控制在时变负载泵控马达电液伺服系统中的应用

实现了预测控制在泵控马达电液伺服系统的自适应控制中的应用,并在负载时变的条件下,做了该系统的实验研究.将预测控制和模型参考算法在实时控制中综合起来,提出了模型参考预测控制新方法.系统的阶跃响应试验和时变负载下的跟踪试验表明,此算法在控制精度和控制的鲁棒性方面均取得令人满意的效果。     

电液位置伺服系统的智能控制

研究了阀控型电液伺位置系统的点位控制，设计了仿人智能控制和速度，加速度反馈补偿仿人智能控制器，并进行了实验，实验结果表明，在本研究的工程背景下，采用速度，加速度反馈实偿仿人智能控制，稳态误差小于０．３ｍｒａｄ，调节时间小于２００ｍｓ超调量等于零，并具有较好的鲁棒性。     

电液位置伺服系统的前馈补偿滑模PI控制

针对不确定性电液位置伺服系统的跟踪控制问题，提出了一种前馈补偿滑模ＰＩ控制方法．经仿真表明：该方法对存在外扰和模型不确定性的电液伺服系统具有强的鲁棒性和良好的跟踪特性．     

一种新的电液伺服系统神经网络自适应控制

提出一种基于直接模型参考的神经网络与滑模变结构控制相结合的神经网络自适应控制方法并对电液伺服系统进行控制,仿真结果表明用该控制方法的控制系统能实现较高粗度的控制,且具有较强的鲁棒性和自适应能力,具应用价值。