基于奇异摄动和Luenberger观测器的PMLSM无传感器控制

针对永磁直线同步电机直接驱动系统的双时间尺度特性,根据奇异摄动理论将直接驱动系统的数学模型分解得到快、慢两个电气子系统.由快变电气子系统模型采用Luenberger观测器构建快的位置估计器,通过慢变电气子系统构建慢的速度估计器.无位置传感器永磁直线同步电机闭环控制系统的计算机仿真结果表明,所提出的算法既该方法既具有较高的辨识精度又有相对少的计算量.能满足PMLSM直接驱动系统无传感器实时控制需要.     

数控系统的混合任务模型及其最优调度算法研

针对数控系统中多种类型任务并存,且任务之间在时序、资源等方面存在相关性的特点,建立了混合任务系统模型,并引入计算机人工智能领域的启发式最佳优先搜索算法来实现该模型任务集的最优调度.该算法通过搜索问题的状态空间树,在符合所有约束条件的状态节点中寻找使得启发式评估函数取到极小（或极大）值的节点,最终得到系统的最优调度集.实例研究和算法性能分析表明,该算法解决了传统实时系统调度算法不适用于混合任务系统的问题,对于并发任务数量不大的数控系统,能有效地实现任务的最优调度.     

熵理论在物流协同中的应用研究

为提高物流网络的协同效率和有序程度，提出了协同物流网络结构熵与运行熵的综合分析方法.应用协调共生理论和分形理论，分析协同物流网络的经济共生性和系统复杂性，通过元胞自动机理论描述系统的熵变过程与自组织运行机制，基于熵的概念，计算出包括时效模型和质量模型的结构有序度，并推导系统的运行有序度表达式.从流程规范、集中控制和子系统自主性3个方面，得出物流网络的协同效率与系统有序度相一致的结论.研究结果表明，通过结构有序度与运行有序度的协调统一，该方法能有效改善协同物流网络的有序性和整体效率.     

精密机械热动态误差模糊神经网络建模研究

结合模糊逻辑与人工神经网络的优点,提出精密机械热动态误差的模糊神经网络模型,并在多变量模糊模型后件结构与参数辨识中提出了主分量分析建模的新方法.基于语言控制规则的模糊模型,采用模糊推理方法,建模的关键在于结构辨识和参数辨识. 采用主分量分析方法可有效地辨识模型后件的结构与参数.为克服建模用的有效数据量少于后件参数,而无法建立相应的模糊模型这一问题,采用一种多变量系统的模糊神经网络建模方法,利用神经网络具有学习的能力,通过使用适当数量的具有充分激励信息的优选数据组作为学习样本对神经网络进行训练,从而建立起模糊神经网络模型.当辨识的模型精度达不到要求时,可应用模糊神经网络的多次训练获取更高的模型精度.实测数据建模表明,模糊神经网络模型能有效地描述热动态误差.     

机器人柔性臂的扭转振动主动控制研究

针对具有两连杆结构的空间机器人，设计了一种压电驱动器来抑制空间机器人柔性臂的扭转振动。采用拉格朗日方程和假设模态法对此机器人系统进行了理论建模，并建立了考虑随机干扰的状态空间表达式，基于随机最优控制理论设计了线性二次型高斯（LQG）状态反馈控制器。仿真结果表明，该主动控制策略能够有效衰减机器人柔性臂的扭转振动，从而提高了末端执行器的定位精度。     

永磁直线同步电机进给系统H∞控制策略的研究

针对永磁直线同步电机(PMLSM)永磁体磁链为常数的特点,对PMLSM d-q轴模型进行分析,提出了永磁直线同步电机进给系统的动力学方程及推力控制策略.根据进给系统参数变动范围和扰动力的特性,选择了较优的权重函数,设计了稳定性与品质的混合H∞鲁棒速度控制器.并采用系统灵敏度函数及开环传递函数的Bode图分别检验H∞控制器的抗扰动能力及稳定性.仿真和实验结果表明,设计的H∞速度控制器对模型摄动具有鲁棒稳定性及优良抗扰动能力,进给系统运行稳定可靠,响应速度快和指令跟踪能力强.说明设计的H∞鲁棒速度控制器适合磨床PMLSM进给系统.     

一种快速高精度Duhamel积分算法

基于快速傅里叶变换（FFT）和数值积分理论，提出了一种应用于振型叠加法的龙贝格快速
傅里叶变换（R-FFT）积分算法。将单自由度二阶微分方程的Duhamel积分的求解转换为一系列快速卷积项
和梯形积分修正项的加权叠加，充分利用了系统脉冲响应和激励的整个时间序列的信息。R-FFT借助于成
熟的FFT方法实现快速计算，并利用不同阶次的龙贝格积分格式改善收敛精度。数值算例表明该算法具有
快速、精度高、适应性强的特点。     

基于LS-SVM与遗传算法的数控机床热误差辨识温度传感器优化策略

提出一种在数控机床热误差辨识建模过程中,利用最小二乘支持向量机结合遗传算法对温度传感器进行筛选与优化的新方法。对布置在一台数控车床上的温度传感器进行了优化,首先根据热模态理论,对传感器进行分组,利用最小二乘支持向量机方法构建数控机床热误差辨识模型,再根据遗传算法对其进行传感器优化布置。结果表明,遗传算法与最小二乘支持向量机方法的结合,不但很好地避免温度测点的相互影响,保证模型精度,而且节约了硬件成本,提高了辨识建模速度。     

热压成型装备精密温控研究

为了提高热压装备的温度控制精度,采用热电致冷器作为温度控制的主控元件构建了热压成型系统。针对热电致冷器呈现的复杂热电特性,在对其模型进行小信号线性化的基础上,获得了热电致冷器的控制模型。结合传统PID控制和模糊控制的优点,根据热电致冷器的非线性和可能的不确定性因素,建立PID参数自调整的推理规则,设计了热压成型装备温控的模糊PID控制器。阶跃响应实验表明该温控系统具有良好的动态性能和稳态品质,其升降温速度不小于1℃/s,温控精度可达0.2℃,满足热压成型装备精密温控的要求。     

基于在线最小二乘支持向量机的数控机床热误差建模与补偿

为消除数控机床热误差对加工精度的影响,提出了基于在线最小二乘支持向量机的数控机床热误差建模方法。为构建机床热误差模型,进行了建模实验,采用智能温度传感器与激光位移传感器分别测量机床温度值与主轴热变形量。将获得的数据进行在线最小二乘支持向量机建模训练,构建机床热误差模型。在根据模型得出误差预测值的同时,可以不断根据在线输入的新数据修正热误差模型本身,运算时间短,适用于在线建模。实验结果表明,基于在线最小二乘支持向量机的数控机床热误差建模方法具有精度高、鲁棒性强和计算时间短的特点。在此基础上,根据在线模型进行热误差补差,可有效消除机床热误差影响,提高数控机床的加工精度。