驱动热报

在发布前已经闹的沸沸扬扬的4.10版催化剂驱动终于和大家见面了。为何此次的新版驱动会备受关注?最大的原因在于加入了一项全新的优化特性Catalyst A.|。Catalyst A.|支持简单的拖动一个滑块．从而实现对性能和画质的优化。实际上通过该滑块可以控制ATi的纹理滤波功能。如果滑块移动在“Low”位置．那么显卡保持默认设置。如果滑块在“High”位置，驱动就会应用复杂的算法来分析纹理并选择最佳纹理滤波功能。     

机械压力机监测与智能控制

为了对机械压力机的工作性能的深入研究,建立了机械压力机的监测与智能控制系统。该系统不仅具有原机械压力机的4个基本操作规范的控制功能,而且还可以对机械压力机的内部工作情况进行监测。通过对离合器和制动器的气缸的进气压力和进气时间的控制,运用迭代学习算法,实现了对机械压力机传动轴输出扭矩的智能控制。     

神经网络磁链估计的感应电机反步法研究

为实现感应电机的位置渐近跟踪，基于反步法并取转矩和磁链控制信号作为虚拟控制，设计了感应电机位置控制系统．采用多层前馈神经网络估计转子磁链，以Levenberg-Marquardt算法训练网络并调整权值．最后基于Lyapunov稳定性理论证明了系统的稳定性．仿真结果表明，所设计的神经网络磁链观测器具有良好的估计效果，位置跟踪误差迅速收敛，具有较优的伺服跟踪特性．     

可编程控制器在摩擦压力机上的应用

摩擦压力机是耐火材料行业最重要的成型设备,但是我国耐火材料行业所使用的摩擦压力机多为人工操作的陈旧机型,其适用性、准确性和安全性等均差,劳动强度也大,它已成为制约我国耐火材料行业发展的一大障碍.根据生产发展的需要和借鉴国外的先进技术,本厂采用可编程控制器对摩擦压力机进行了技术改造,实现了压力机工作的自动化.一、本机功能描述本压力机具有预压排气、自动压制、空模保护、自动称料、机外出模等功能,提高了制品的质量,杜绝了工伤事故的发生.该控制系统由压力机的主电机、液压站(包括液泵、电加热、液压压差和油温报警指示等)、主滑块、辅助滑块、模车、顶砖器、垫铁及皮带秤称料系统等组成,系统控制图如图1所示.除压力机的主电机及液泵、电加热独立手动控制外,其余部件均由可编程序控制器(PLC)控制,根据工作需要可进行手动和自动切换.在自动工作时,皮带秤称料系统自动进行称料,其控制精度 ≤10g.称料系统由皮带加料机和机械秤构成,采用PLC控制,从而实现自动称料.为了保证称料精度,在开始称料时,皮带快速运送进行加     

基于Matlab/Simulink的压力机冲裁振动仿真及其减振措施

本文按照自行研制的80吨伺服精密螺旋压力机的结构，建立压力机冲裁受力的数学模型。采用Matlab/Simulink对冲裁过程进行数值仿真的方法，对不同滑块运动特性曲线冲裁时冲头的运动进行仿真，设计了多种滑块的运动曲线，获得一定材料和板厚的最佳减振工艺参数。     

基于ARM的伺服压力机控制系统的研究

本论文针对伺服压力机冲压工艺特征要求,研制一种变速压力机的驱动系统。该系统采用永磁无刷直流电动机取代传统的异步电动机做主传动装置,建立了基于ARM的数字伺服电机控制系统,对系统相关软硬件及其构成进行了详细设计和分析,结合计算机上位机的工艺规划,可实现对压力机滑块变化速率和运行曲线的控制。     

基于卷积神经网络的机械臂抓取控制系统设计

为保证机械臂的抓取精度,保证物体抓取的稳定性,本文设计基于卷积神经网络的机械臂抓取控制系统。在系统硬件部分,加设图像、位置和压力传感器,改装机械臂抓取控制器和运动驱动器,利用图像传感器设备,获取满足质量要求的机械臂抓取目标图像,为机械臂抓取控制功能提供硬件支持。软件部分利用卷积神经网络算法提取图像特征,确定机械臂抓取目标位置。结合机械臂当前位置的检测结果,规划机械臂抓取路线,预估机械臂抓取角度与抓取力。最终通过机械臂抓取参数控制量的计算,在控制器的支持下实现系统的机械臂抓取控制功能。实验结果表明,所设计系统应用下位置控制误差和速度控制误差的平均值分别为0.192m和0.138m/s,同时物体抓取掉落概率明显降低。     

机械变速压力机电液伺服自动控制系统设计

针对当前机械变速压力机运行效率偏低、抗干扰能力较差等问题,提出一种基于TMS320LF2407A的机械变速压力机电液伺服自动控制系统设计方法;对于系统的硬件部分,PLC对压力信号进行采集,电源模块采用稳压器完成12~5 V的DC/DC转化;利用晶振当作振荡源与闭合回路结合完成时钟模块的设计;系统的软件部分根据位置式的PID控制算法对机械变速压力机执行元件进行控制,完成软件的设计;实验证明,所设计的控制系统稳定性好,具有很好的抗干扰能力。     

质量矩导弹变质心姿态控制规律研究

针对质量矩导弹变质心控制问题,提出一种基于模糊逻辑的姿态控制规律.首先建立了姿态运动模型;其次设计了滑块位置对应的模糊规则表,并通过分析角加速度和遍历隶属函数的关系,对滑块位置进行协调,同时利用遗传算法对控制参数进行校正;再次,通过分析滑块运动特性得到滑块可行的响应时间选取范围;最后讨论了系统的稳定性,对弹体相关参数进行约束,并对单通道扰动模型进行了分析.仿真结果表明,该控制律能有效实现导弹的姿态调整.     

质量矩导弹变质心姿态控制规律研

针对质量矩导弹变质心控制问题,提出一种基于模糊逻辑的姿态控制规律.首先建立了姿态运动模型;其次设计了滑块位置对应的模糊规则表,并通过分析角加速度和遍历隶属函数的关系,对滑块位置进行协调,同时利用遗传算法对控制参数进行校正;再次,通过分析滑块运动特性得到滑块可行的响应时间选取范围;最后讨论了系统的稳定性,对弹体相关参数进行约束,并对单通道扰动模型进行了分析.仿真结果表明,该控制律能有效实现导弹的姿态调整.     

不确定非线性系统的神经网络智能重构控制

针对一类不确定非线性动态系统,提出了一种基于神经网络动态补偿的鲁棒模型跟随重构控制策略.该方法吸取了线性模型跟随方法的基本思想,通过引入神经网络在线补偿控制器,以克服系统由故障引起的未建模非线性动态的影响,从而提高模型跟随重构控制的动态性能和稳态精度;并且当系统存在模型不确定性时,其输出仍能精确地跟踪理想模型的输出.文中还给出了特定假设条件下闭环重构控制系统稳定性的严格证明.理论分析和仿真研究表明,所提的方法是有效的并可保证闭环系统具有良好的重构性能.     

BP神经网络自抗扰控制器在套印系统中的应用

针对凹版印刷机套印纠偏系统参数变化范围大的特点,将神经网络嵌入到自抗扰控制器中,提出基于神经网络的自抗扰控制策略,并应用于凹版印刷机套印纠偏系统的控制中。对该控制器的结构及应用神经网络的训练样本、方法进行了分析和讨论。并得出了有益的结论。仿真结果表明,应用基于神经网络的自抗扰控制器较单一的自抗扰控制器具有参数适应性更大、动态特征更好等优点。     

基于神经网络的加氢反应器温度优化控制

根据加氢反应器的特点，提出了一种加氢反应器出口温度神经元网络优化控制方法，给出了作为模型预估器的神经网络GA－BP算法流程及GA算法实现，提出了最优控制指标选择原则及控制指标表达式，经计算机对四床层一段加氢裂化装置进行仿真研究表明，该控制方法具有良好的跟踪性能及抗干扰能力。     

Neural network-based self-learning control for power transmission line deicing robot

Recently, the application of the maintenance transmission line robot has been very popular in the power industry. However, difficulties in the control of maintenance transmission line robot exist due to multiple nonlinearities, plant parameter variations and external disturbances. This paper investigates the possibility of using neural network as a promising self-learning control alternative for the control problem of inspection and deicing transmission line robot. We first discuss the mechanical structure, as well as dynamic model of a deicing robot. And then, a neural network-based self-learning control strategy consists of a fuzzy neural network controller and an ELM-based single-layer-feedback neural networks identifier are proposed for this deicing transmission line robot. Both the structure and the learning algorithm of the control system are presented. The proposed controller is verified by computer simulations and experiments.     

气动油压伺服系统的智能PID控制研究

针对经典的基于对象精确模型的PID控制方法自适应性差,难以适应具有非线性、时变不确定性的被控对象,提出了一种基于RBF神经网络的、结构简单的PID自适应控制方法。将该智能PID控制应用于气动油压伺服系统中,实验结果表明:具有自学习和自适应能力的RBF网络PID控制方法,能够适应被控对象在较大范围内的变化,具有较强的鲁棒性,其控制品质明显优于常规PID控制方法,将其应用于气动油压伺服系统是可行的。     

基于BP神经网络的多变量PID解耦控制

基于神经网络的智能PID控制策略，以经典的PID控制理论为基础，并通过具有多变量解耦控制自学习功能的神经网络参数整定来实现。本文给出了网络的结构和算法，示出了一组二元变量强耦合时变系统的实时仿真结果。通过计算机仿真证明，基于神经网络的PID控制具有良好的自学习和自适应解耦控制能力。该系统融解耦器和控制器于一体，易于实现，适用于非线性多变量系统的解耦控制。它使解耦后的系统具有较好的动态和静态性能，特别是当根据BP控制规律确定了网络连接权系数的初值时，还能使系统参数快速收敛。     

一种基于模糊径向基函数神经网络的自学习控制器

提出了一种新型的基于模糊径向基函数 (RBF)的神经网络学习控制器 ,并应用于电液伺服系统 .由于RBF网络和模糊推理系统具有函数等价性 ,采用模糊经验值方法选取网络中心值和基函数数目 .与一般的神经网络自学习控制器不同 ,以系统动态误差作为网络输入量 ,RBF神经网络控制器学习的是整个系统的动态逆过程 ,因而控制性能明显提高 .对电液位置伺服系统的仿真和实验结果表明 ,该控制方案可以有效提高系统的控制精度和自适应能力     

基于Elman神经网络的浓相输送模糊控制系统

由于粉末物料的浓相输送系统存在严重的非线性和时变性,故要想建立其准确数学模型难度非常大,本文提出了使用模糊神经网络控制系统,并对于模糊控制规则由Elman神经网络联想记忆后提取,它不但可以获得最佳控制规则,而且响应速度快并能够进行在线进行规则的修正。经仿真实验,该控制器能够对粉末物料流量在一定范围内进行协调优化时实控制。     

径向基网络在密相气力输送中的应用

在水平管道中,用压缩空气对玻璃珠进行密相气力输送压损实验研究。管道压降是密相气力输送系统的关键参数之一,它的大小基本决定了动力的大小。传统的方法完全靠经验公式和经验来决定动力大小,误差较大。本文提出了基于径向基网络的密相气力输送管道压降模型,对不同流态下管道压降进行了仿真。结果表明,RBF网络能对不同流态下的管道压降进行较好的仿真。RBF网络的收敛速度快,可实现密相气力输送参数的在线控制。     

交换机ACL自动控制系统设计与实现

针对机房网络访问控制策略需要动态变化的问题,介绍了一个模拟Telnet自动控制交换机ACL的控制系统,该控制系统能够利用配置文件,将机房网络访问控制策略自动转换成交换机的ACL命令。