用于车辆非线性液压悬架的径向基函数神经网络控制优化与仿真

车辆行驶受到路面噪声激励后,导致车辆行驶的稳定性下降。对此,建立车辆液压悬架振动模型简图,根据牛顿定律建立车辆垂直方向非线性控制方程式。采用液压驱动车辆悬架机构,推导出液压流量控制方程式。设计径向基函数(RBF)神经网络控制器,引用改进遗传算法对RBF神经网络结构进行优化和调节,给出了车辆液压悬架神经网络控制结构。采用Matlab软件对车辆性能参数进行仿真,并与优化前进行比较。结果表明:车辆液压悬架控制器优化后,轮胎行程最大值、悬架行程最大值和车身加速度最大值分别降低了52.0%,39.2%和44.2%,车辆垂直方向振动幅度较小。采用改进遗传算法优化车辆液压悬架RBF神经网络控制器,能够提高车辆行驶的稳定性和安全性,改善车辆乘坐的舒适度。     

机械臂神经网络控制优化与仿真

为了提高机械臂末端连杆运动轨迹控制的稳定性,在径向基函数(RBF)神经网络控制器的基础上,采用混合算法优化RBF神经网络控制器.用两个径向基神经网络单元作为自适应控制器,其中一个作为输入端的控制器,另一个作为机械臂的辨识器.将混合算法优化应用到这两个神经网络单元中,以改善网络结构参数对神经网络控制和辨识性能的影响,在Matlab环境下进行了仿真实验,并与RBF神经网络控制器跟踪效果进行对比.仿真结果显示:在受到不确定因素干扰时,机械臂末端连杆采用改进RBF神经网络控制器产生的误差较小,系统反应速度较快,转矩波动较小.机械臂末端连杆采用改进RBF神经网络控制器,具有抗干扰的能力,快速保持系统输出的稳定性.     

冷连轧机液压系统的H∞混合灵敏度鲁棒控制器设计

以双机架可逆冷连轧机液压APC(Automatic Position Control———位置自动控制)系统为研究对象,建立了相应的轧机液压APC系统的数学模型。采用鲁棒H∞控制的设计方法对参数摄动等的不确定性进行了仿真,结果表明所设计的H∞控制器具有良好的跟踪特性和对参数摄动的鲁棒性。     

轧机液压APC系统自抗扰控制器设计

考虑到液压自动位置控制(APC)系统存在不确定外部干扰的特点,首先建立了液压APC系统的模型,然后根据对象的输入输出信息,利用扩张状态观测器(ESO)对扰动项进行了观测和补偿,并基于自抗扰控制技术设计了一个不依赖于对象模型的控制器.仿真结果表明:该控制器不仅有效地抑制了不确定外部干扰对系统的影响,同时对受控对象模型参数的变化也具有较强的鲁棒性.     

伺服电机驱动的液压动力系统及其神经网络自适应优化控制

针对传统液压系统存在的高能耗、低响应特点,采用节能型液压动力源-永磁伺服电机直接驱动定量泵,以取代原有的异步电机驱动液压动力源,从而形成一种新型的节能、响应快速、易实现闭环控制的液压动力系统。由于实际液压系统随机干扰严重,具有多变量、非线性、强耦合的特征,难以建立较准确的数学模型,常规的PID控制算法很难满足液压系统高精度控制的要求,因此提出基于PSO与BP混合优化前向神经网络 PID自适应控制方法,实现液压系统在典型工况下流量的精确控制。PID控制器的参数采用神经网络进行自适应整定,神经网络的权值采用混合优化算法进行调整,通过神经网络的自学习能力寻找最佳的P、I、D非线性组合控制律,以增强液压系统对工况变化的适应能力。仿真和实验结果表明,该控制方法跟踪速度快、超调小、鲁棒性强,从而为液压系统流量高精度控制提供了一种新方法。     

液压挖掘机神经网络控制的研究

电液比例控制系统具有多变量、强耦合、非线性的特点.采用常规的PID控制时,系统的控制性能对模型的误差比较敏感,在系统工况变化较大(如长行程、变负荷等工况)时,系统的总体控制精度不高,不能满足工作装置的控制要求.神经网络控制器具有的强非线性拟合特性为解决此类问题提供了一条有效的途径.该文以液压挖掘机的电液比例控制系统为对象,利用仿真试验手段对神经网络控制器应用于电液控制系统时的设计及参数调整方法进行深入的研究,以期利用神经网络控制器提高在高时变强非线性系统时获得良好的全局控制性能.该文首先介绍了液压挖掘机大臂液压比例控制系统的组成及控制要求,基于此电液比例控制系统的特点并结合神经网络控制理论基础,对神经网络控制器的设计方法进行探讨,在仿真过程中通过观察控制器参数对系统响应性能的影响作用对其进行调整,并利用其结果与PID控制器的控制效果进行比较以验证设计方法的正确性及控制器的自适应性与鲁棒性.     

液压伺服驱动机械手运动轨迹跟踪控制误差研究

针对液压伺服驱动机械手运动轨迹跟踪误差较大的问题,引用改进神经网络PID控制器,对控制效果进行了验证.创建了机械手运动机构平面简图,推导出机械手末端执行器运动的几何关系式,阐述了伺服阀控制工作原理,给出了压力和流量控制方程式.采用改进粒子算法优化神经网络PID控制器,给出了机械手液压驱动控制的在线控制流程图.结合具体实例,将初始参数输入到Matlab软件中进行轨迹误差仿真,并与PID控制误差进行比较.误差结果表明:采用改进神经网络PID控制,产生的最大误差为3.3×10~(-2) m,误差波动程度较小;采用PID控制,产生的最大误差为6.7×10~(-2) m,误差波动程度较大,机械手液压伺服驱动采用改进神经网络PID控制,能够提高机械手运动轨迹跟踪精度.     

基于RBF神经网络的PMSM滑模控制

针对永磁同步电机(PMSM)系统中经典滑模控制器产生的抖振现象对机械结构带来的损耗问题,设计了基于径向基(RBF)神经网络的滑模控制算法。采用RBF神经网络实时调节滑模控制中指数趋近律的切换增益,通过梯度下降法优化RBF神经网络的权值,增强电机的动态特性与抗干扰能力。与滑模控制进行对比仿真实验,仿真实验结果表明,该控制算法的跟踪性能更好,且能够有效降低滑模控制器的抖振。     

模拟复合正交神经网络控制器在直流调速系统中的应用

在数字复合正交神经网络的基础上提出一种模拟复合正交神经网络,并用于直流双闭环调速系统中。控制器采用模拟复合正交神经网络的直接自适应控制方法,并对带有负载干扰的直流双闭环调速系统作了PI控制与神经网络控制的仿真实验。仿真结果表明,相对于常规PI控制器,该神经网络控制器具有自学习,自适应功能,速度跟踪获得了满意的控制效果。该模拟神经控制器能用于直流与交流调速系统中。     

基于小脑模型与PID并行的电液伺服系统控制的研究

该文将小脑模型连接控制器（CMAC）神经网络与常规PID控制并行应用于液压伺服系统中，这种并行控制算法可以有效地解决由于液压油的压缩性与泄漏，静摩擦的存在等因素引起的非线性液压系统的跟踪问题。仿真实验结果表明，经过CMAC神经网络对常规PID控制器的输出的不断在线学习，系统能够有效抑制扰动，并具有实时性好，输出误差小，鲁棒性强等优点。