交流伺服驱动系统模糊自适应控制研究

为提高交流伺服驱动系统控制性能,结合模糊逻辑和神经网络各自的优点,设计了一种在线自适应模糊神经网络控制的交流伺服系统.文章将系统受控对象输入和跟踪误差作为模糊神经网络控制器的输入.设计的控制器不需要跟踪误差的变化率,可以避免以数值方式计算微分值时受采样周期大小的影响.通过仿真和具体实验分别验证了设计的合理性.结果表明:该控制方法不论对于调节还是设定值跟踪,均具有很好的控制效果,而且对感应电机伺服驱动系统有很好的抗干扰性能和较强的的鲁棒性.     

采用神经网络模糊滑模控制的液压驱动活塞位置控制研究

针对液压驱动活塞运动轨迹和压力精度跟踪误差较大问题,设计了神经网络模糊滑模控制,并对控制精度进行仿真验证。创建了液压缸驱动平面简图,推导出液压缸腔室内部参数变化方程式。分析了液压缸驱动压力和位置的变化,采用线性模型建立输入和输出变换方程式。引用滑模控制方法,采用神经网络算法对滑模控制进行逼近,通过模糊切换规则对滑模控制进行自适应调整。采用MATLAB对液压缸活塞轨迹和腔室压力跟踪进行仿真验证,并且与滑模控制输出效果进行比较和分析。结果表明:采用滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较大;而采用神经网络模糊滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较小。采用神经网络模糊滑模控制方法,液压缸控制系统自适应调节能力较强,从而提高了活塞运动轨迹和腔室压力跟踪精度。     

冷轧卷取机张力自适应控制器的研制

针对现有的张力控制器采有PID参数调整,在工艺参数变化时,引起张力波动问题,研制了基于单片机和神经网络的PID参数自适应算法的张力控制器。通过Matlab软件进行仿真,验证了张力自适应控制技术能够有效消除系统张力误差。     

基于RBF神经网络的金刚石线切割恒张力控制

针对现有金刚石线锯切割机床恒张力控制效果不佳的问题,设计了一种张力控制器,提出了一种张力控制策略。该张力控制器在结构设计上进行了优化,基于RBF神经网络PID自整定的控制算法实现了恒张力控制。建立张力控制器的数学模型,通过仿真实验进行了验证。结果表明:该控制系统在控制张力时几乎无超调,稳定时间较短。对于张力突变的干扰,响应速度快,调节时间短,张紧轮位移超调量小,具有较强的自适应能力和抗干扰性。     

一种新型模糊神经网络滑模控制器设计北大核心

针对基于PID算法的永磁同步电机矢量控制系统易受系统不确定性影响(负载扰动、模型参数变化)的问题,提出一种新型模糊神经网络滑模控制器。首先,在传统滑模控制的基础上,利用模糊神经网络控制器(FNN)构成滑模控制器(SMC)的切换控制项来完成对系统不确定性因素进行逼近以及对滑模控制切换增益的调节;其次,利用麻雀搜索算法来实时更新模糊神经网络滑模控制器参数,为了加快SSA的收敛速度以及防止其陷入局部最优,利用分数阶微积分对传统麻雀算法进行改进;最后,进行了仿真验证,表明所设计的新型模糊神经网络滑模控制器具有较强的鲁棒性和动态性能。     

变规则模糊控制及其在逆变式电阻点焊电源中的应用

研制了一种变规则模糊控制技术,并成功应用于逆变式电阻点焊焊接电流的闭环控制.通过比较常规模糊控制、变规则模糊控制、自适应模糊控制、PID模糊控制、模糊神经网络控制在控制算法复杂性、实现难易程度、运算与响应速度、适应性、控制精度等方面的优势与不足,考虑了电阻点焊焊接电流控制的实际需求.选定变规则模糊控制作为焊接电流调节的控制策略.根据焊接电流误差改变带修正因子模糊控制器中的修正因子,使模糊控制器的控制规则随焊接电流误差变化而变化,结合采取增量A-式输出控制信号,从而使焊接电流控制器的控制性能更符合实际需要.     

神经网络PID控制的液压驱动主动升沉补偿预测控制研究

为了提高船舶在海面上作业时补偿精度,采用BP神经网络PID控制方法,并对船舶升沉运动输出误差进行仿真。建立船舶主动升沉补偿系统简图,分析船舶升沉运动工作原理,给出液压缸驱动传递函数。引用BP神经网络算法,采用梯度下降法对BP神经网络加权值进行修正,通过学习速率来补偿控制系统输出误差,从而实现PID控制器参数在线调节。在受到不同负载影响状况下,采用MATLAB软件对船舶升沉运动补偿精度进行仿真,并且与PID控制补偿精度进行对比。结果表明:采用PID控制器,船舶升沉运动输出误差较大,控制系统反应速度较慢;而采用BP神经网络PID控制器,船舶升沉运动输出误差较小,控制系统反应速度较快,同时,随着负载质量的增加,输出误差就会增大。采用BP神经网络PID控制系统,响应速度快,补偿精度高,提高了船舶在海面上作业定位精度。     

3-RRR平面并联机器人神经网络滑模控制研究

针对具有强耦合和高非线性并联机器人的轨迹跟踪控制研究,设计了一种基于神经网络滑模控制器的控制系统。在传统滑模控制的基础上,利用神经网络算法实时修正系统非线性项和不确定参数的功能,有效抑制了SMC系统的抖振现象。建立了3-RRR平面并联机器人的结构简图和Matlab模型,并采用闭环矢量法得到了机器人的运动学反解,为控制系统提供了参考输入。基于机器人的简化动力学方程,设计了一种RBF神经网络滑模控制器,并构造Lyapunov函数证明控制器的稳定性。分别采用传统滑模和神经网络滑模控制方式对机器人的轨迹跟踪进行仿真分析。仿真结果表明:神经网络滑模控制器具有更好的轨迹跟踪精度和较小的稳态误差,验证了神经网络SMC控制器的有效性。     

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。     

新型变刚度电液串联弹性机械臂振动控制仿真研究

为了抑制变刚度电液串联弹性机械臂振动幅度,设计反演自适应模糊滑模控制器,并对机械臂输出效果进行仿真。创建新型变刚度电液串联弹性机械臂,给出阀内流体流动分布的非线性控制方程式。针对传统滑模控制器进行改进,将输入整形技术与模糊逻辑系统相结合,设计反演自适应模糊滑模控制器。引用李雅普诺夫函数对控制器的稳定性进行证明,保证系统的状态变量到达并保持在滑动面上。采用MATLAB软件对机械臂角位移、角速度和转矩变化进行仿真,与滑模控制器输出结果进行对比。结果显示：在无干扰环境中,采用滑模控制器和反演自适应模糊滑模控制器,机械臂运动轨迹与期望轨迹的误差较小,振动幅度较小;在有波形干扰环境中,反演自适应模糊滑模控制器控制效果明显优于滑模控制器,机械臂运动轨迹与期望轨迹的误差较小,振动幅度较小,自适应调节时间较短,无超调量发生。采用反演自适应模糊滑模控制器,能够抑制变刚度电液串联弹性机械臂振动幅度,减小其输出误差。     

基于BP模糊神经网络PID控制的牵引绞车张力控制研究

传统的船基收放系统中的牵引绞车一般采用速度控制方式,导致在船舶升沉作用下负载至牵引绞车之间的缆绳张力不断震荡,最终可能造成缆绳损坏,甚至断裂等问题。分别设计了基于PID、模糊PID、BP模糊神经网络PID的牵引绞车张力控制器来进行缆绳张力控制仿真。通过仿真发现,相较于其他两种控制器,所建立的BP模糊神经网络PID控制器在不规则波及不同负载下的缆绳张力控制精度最高,系统平稳、无超调,且在受到干扰时动态响应速度最快。     

基于U模型的输入加权自适应逆控制

U模型面向控制,通过实时辨识网络的结构参数,进而通过多项式求根得到控制量,而不需要另外进行控制器的设计。本文将U模型同神经网络进行了结合,通过同系统并联运行的U模型网络及改进的神经网络的结构参数,各自求取控制量。由辨识误差的实时大小对两个控制量进行加权,完成控制给定。仿真表明结合后的网络在理想状态下以及噪声存在状态下都具有更好的控制效果。     

一种用于数控机床进给系统的迭代学习轮廓控制器的设计

数控机床进给系统产生的轮廓误差对产品质量有着严重的影响。为了对轮廓误差进行补偿,设计一种迭代学习轮廓控制器,用以提高进给系统的轮廓跟随效果。对数控机床进给系统进行分析后,获取其跟踪误差以及轮廓误差的模型。在该模型的基础上,设计线性插值法和圆域插值法,用来计算轮廓误差的大小。接着对进给系统在s域的闭环传递函数进行分析,采用PID反馈补偿器,设计迭代学习轮廓控制器,利用该控制器对实际轮廓误差进行补偿。仿真结果显示：采用此方法跟踪期望轨迹时,产生的最大跟踪误差为657%,较PID方法减小了57%;在跟踪期望轮廓时,产生的最大轮廓误差为08 mm,较PID方法减小了07 mm。由此说明此方法对轮廓误差的补偿性能较好,能够对数控机床进给系统的轮廓跟随准确度进行较好的控制。     

数控机床用磁悬浮系统非线性动态积分滑模变结构控制

为了实现龙门数控加工中心磁悬浮系统悬浮高度的精确控制,并考虑到刀具切削工件过程中磁悬浮系统所受到扰动对悬浮高度的影响,针对被控对象的非线性磁悬浮模型,选择新的状态变量,通过状态变量之间的相互变换,将不规则的非线性磁悬浮模型转换成规则的仿射非线性的磁悬浮模型;针对该非线性模型设计了控制悬浮高度的非线性动态积分滑模控制器。在选取切换面时,考虑系统状态、输入、输入的一阶(或高阶)导数及其积分项,这使得趋近律中不连续项的影响有所转移,从而有效降低了滑模控制器抖振的发生;另外由于在滑模切换函数中加入了积分环节并且是对非线性被控对象直接进行控制,消除了滑模控制的稳态误差和系统模型的误差。仿真研究结果表明:所设计的动态积分滑模控制器比传统的滑模控制器更好地实现了系统的稳定悬浮,具有很强的抗扰性并能够使系统具有较高刚度。     

风电叶片部件疲劳试验机跟随控制策略研究

针对风电叶片部件疲劳试验过程中实际载荷与期望载荷跟随效果差的问题,提出一种超前自校正与改进线性自抗扰(LADRC)相结合的同步控制策略。该方法通过对实际载荷进行自校正补偿与系统误差以及外部扰动一起输入到改进线性自抗扰控制器,从而实现加载力和频率的有效控制。对疲劳试验机油电液伺服系统控制算法进行仿真分析,并通过搭建现场试验平台对同步控制策略进行有效性验证。仿真及试验结果表明：在较大载荷疲劳试验过程中,该控制策略显著提升系统的快速响应性和抗干扰能力,载荷误差控制在1%以内,相对于传统ADRC控制算法同步误差减小了56.14%,有效实现了风电叶片部件疲劳试验载荷的精确控制。     

模糊灰色预测控制器在冷连轧机张力控制系统中的应用

针对传统PID冷连轧机速度控制系统在张力控制中控制参数难以整定的问题,设计出一种基于模糊 控制原理的模糊灰色预测控制器,该控制器可以利用过去、当前和将来的张力,计算合适的控制校正量来对张力误差进行预补偿。仿真研究表明,这种模糊灰色预测控制器能够补偿传统PID控制器在张力控制中的不足,具有更好的控制特性。     

基于模糊滑模的两轴伺服系统轮廓误差交叉耦合控制算法

针对两轴伺服系统轮廓误差控制问题,提出一种基于模糊滑模的交叉耦合轮廓误差控制方法。设计了单轴模糊滑模跟踪控制器,用于消除干扰作用。将模糊控制器用于自适应调节滑模控制器切换增益,减小滑模控制的抖振现象。采用交叉耦合控制算法进行两轴间的协调控制,解决轴间参数不匹配的问题,保证轮廓控制精度。仿真结果表明:该方法能有效提高跟踪精度和轮廓精度。     

基于RBF神经网络的泵控系统滑模控制器设计及仿真分析

针对泵控系统滑模控制方面的研究,根据泵控系统的降阶数学模型中存在的未知项f (),再结合滑模控制算法设计基于RBF神经网络的滑模控制器。通过MATLAB/Simulink建立系统的仿真模型,然后进行位置指令仿真分析。研究结果表明：相比较PID控制器,基于RBF神经网络的滑模控制器获得了最小跟踪误差。在干扰条件下跟踪10 Hz频率与1 mm幅值的正弦位置信号,基于RBF神经网络的滑模控制器误差最小;施加干扰力后,控制器都出现了更大的跟踪误差,此时基于RBF神经网络构建的滑模控制器可以快速恢复跟踪误差。研究设计的基于RBF神经网络的泵控系统滑模控制器具有很好的跟踪精度和更强的鲁棒性,可以拓宽应用到其他机械传动领域。     

直角坐标机器人迭代滑模交叉耦合控制器设计

为克服机械惯性、负载扰动以及复杂的轮廓误差模型等因素对三轴直角坐标机器人末端执行器位姿精度的影响,设计了一种迭代滑模交叉耦合控制器。其中:滑模速度控制器用以抑制非周期干扰;迭代学习位置控制器用以减小跟踪误差;轴间变增益交叉耦合控制器用以消除轮廓误差。通过仿真验证了上述复合控制器的性能。结果表明,所设计的迭代滑模交叉耦合控制器具有较高的轮廓精度和较强的鲁棒性。     

基于线性变参数控制的机械臂追踪误差仿真研究

针对目前机械臂在使用控制器时,存在轨迹追踪误差较大问题,设计了机械臂线性变参数控制方法,并且对追踪误差进行仿真验证。构造了两关节机械臂运动简图,建立机械臂刚体动力学数学模型,引入动力学参数的线性组合,推导出线性变参数模型。设计出机械臂的线性变参数控制器,采用Matlab/Simulation软件对控制器的轨迹追踪误差进行仿真。同时,与其它控制器的机械臂轨迹追踪误差仿真结果进行比较和分析。仿真结果显示,采用线性变参数控制器实际输出运动轨迹与理论期望运动轨迹更接近,运动比较平稳。采用线性变参数控制可以提高机械臂运动轨迹的追踪精度。