基于Elman神经网络的永磁直线同步电机互补滑模控制

针对永磁直线同步电机(PMLSM)易受系统参数变化和外部扰动等非线性因素影响而降低伺服系统控制性能的问题,提出了一种Elman神经网络互补滑模控制方法。互补滑模控制是在常规滑模控制的基础上增加一个广义误差滑模面,不仅可以减少系统状态达到滑模面的时间,又能保证系统跟踪精度。但是,在实际应用中互补滑模控制的切换增益和边界层厚度的值很难选取。为了对系统中不确定性因素的值进行准确的估计,并削弱滑模控制的抖振现象,采用Elman神经网络估计器对其进行估计,替代滑模控制中的切换控制,降低不确定性因素对伺服控制系统的影响,进一步提高系统的鲁棒性。实验结果表明,基于Elman神经网络的互补滑模控制与互补滑模控制相比,不仅改善了系统的位置跟踪性能,还提高了系统的鲁棒性能。     

基于扰动观测器的永磁直线同步电动机自适应反推互补滑模控制

针对永磁直线同步电动机(permanent magnet linear synchronous motor,PMLSM)驱动的数控机床易受参数变化、负载扰动以及摩擦力等不确定性影响的问题,提出一种基于质量辨识扰动观测器(disturbance observer with mass identification,DOB-MI)的自适应反推互补滑模控制(adaptive backstepping complementary sliding mode control,ABCSMC)策略。设计 ABCSMC 方法抑制不确定对系统的影响。通过引入自适应律,ABCSMC 的边界层能够实现动态变化,保证系统具有全局鲁棒性,且 ABCSMC 可对不确定性在线估计并调整,从而提高位置跟踪精度。由于在实际应用中,负载质量变化会对系统性能造成极大的影响,因此,利用离散模型参考自适应辨识理论,设计 DOB-MI 辨识动子质量并计算出补偿电流以补偿负载扰动对系统的影响。仿真与实验结果表明,该方法提高了系统的位置跟踪精度,对参数变化和负载扰动等不确定性具有极强的抑制能力。     

为提高轮廓加工精度采用DOB和ZPETC的直线伺服鲁棒跟踪控制

为了提高轮廓加工精度,本文针对高精度直线伺服系统,提出了一种将零相位误差跟踪控制器(ZPETC)和干扰观测器(DOB)相结合的鲁棒跟踪控制策略.ZPETC作为前馈跟踪控制器,保证了快速性,使系统实现准确跟踪;基于DOB的鲁棒反馈控制器补偿了外部扰动、未建模动态、系统参数变化和机械非线性等,保证了系统的强鲁棒性能.仿真结果表明了所提出的控制方案是有效的,既能实现完好跟踪,又有较强的鲁棒性能.从而有效地减小了轮廓误差,提高了轮廓加工精度.     

最优ZPETC在高精度直线伺服跟踪控制中的应用

高精度直线伺服跟踪控制系统中，为使输出响应能完整地跟踪输入指令，不仅要求输出与输入之间的相位差为零，而且要求幅值一致，通常采用零相位误差跟踪控制器(ZPETC)作为前馈控制器，补偿相位误差，但同时也产生一定的增益误差.为改善ZPETC的跟踪性能，提出一种基于L_2-范数优化的前馈控制器设计方案，通过选取适当的目标函数，设计出最优的数字前置滤波器(DPF).该方案在保持系统零相位误差的同时，改善了系统的增益性能，从而提高了跟踪精度，这一点已得到仿真结果的证明.     

永磁直线同步电机的零相位H∞鲁棒控制研究

针对永磁直线同步伺服电机(PMLSM)直接驱动伺服系统，提出了一种将零相位误差跟踪控制(ZPETC)和 H_∞鲁棒控制相结合的二自由度鲁棒跟踪控制策略.以解决系统的快速而精确的跟踪控制性能和抗扰性能之间的矛盾.零相位误差跟踪控制器保证了快速性，使系统实现准确跟踪；而H_∞控制器克服了负载扰动等不确定性影响，保证了系统具有较强的鲁棒性能.仿真实验结果表明，该方案在保证伺服系统的快速精确跟踪性的同时，对系统参数变化和阻力扰动具有很强的鲁棒性.     

基于B样条网补偿的直线伺服系统跟踪控制

针对永磁直线同步电机(PMLSM)伺服系统，在分析影响直线伺服跟踪精度因素的基础上，采用学习前馈控制(LFFC)策略对该伺服系统进行有效的补偿控制.在系统和扰动定性知识的基础上，设计了基于B样条网络的学习前馈补偿控制，利用了B样条网具有收敛速度快和避免局部极值的优点.仿真结果表明，该控制策略明显降低了外部负载扰动、端部效应、摩擦力以及系统参数变化等对系统性能的影响，从而显著提高了直线伺服系统的跟踪精度.     

基于空间通道挤压激励模块的肝硬化识别

针对卷积神经网络对特征信息学习不全面、识别准确率和分类精度不高的问题,提出一种采用空间通道挤压激励模块的scSE_MVGG网络,将其应用于肝硬化识别。对肝硬化图像进行数据增强,以避免深度学习训练出现过拟合现象,改进VGG网络使其适应不同实验样本尺寸,同时将scSE模块与改进的MVGG网络相融合,通过提高网络提取特征的指向性增强肝硬化识别效果。实验结果表明,该网络对肝硬化图像的识别率达到98.78%,较scSE_VGG、scSE_AlexNet等网络识别效果更优。     

基于自适应模糊控制器和非线性扰动观测器的永磁直线同步电机反馈线性化控制

由于永磁直线同步电机(PMLSM)伺服系统应用于一些高精密场合,因此克服系统存在的负载扰动、参数变化等不确定性影响是提高系统性能的关键.针对不确定性问题,采用一种基于自适应模糊控制器(AFC)和非线性扰动观测器(NDO)的反馈线性化控制方法.首先设计反馈线性化控制器(FLC)实现系统的线性化,便于位置跟踪;其次采用NDO估计并补偿系统的不确定性,提高跟踪精度.但在实际运行过程中观测器增益较难选取,极易产生较大的观测误差,为此,采用AFC方法逼近NDO的观测误差,通过自适应律动态调整模糊规则,改善模糊控制器的学习能力,增强系统的鲁棒性,并用李雅普诺夫定理保证系统闭环稳定性.实验结果表明,与基于DOB和NDO的反馈线性化位置控制相比,该方法能够明显提高系统的跟踪性和鲁棒性.     

基于一种改进的LBP算法和超限学习机的肝硬化识别

肝硬化的计算机辅助诊断对肝脏疾病的早期治疗和诊断具有重要意义。针对B超图像中肝硬化病变区域边缘模糊和回声不均匀、尺度因素影响等问题,提出了改进的LBP算法并提取了相应的SLBP特征。该特征较传统的纹理特征更准确地描述了B超图像中肝硬化病变的特征,结合二维Gabor变换,解决了上述难题。鉴于传统的机器学习方法的训练时间较长,采用基于超限学习机的训练方法,并首次将其应用于肝硬化识别。实验结果表明,所提方法对测试集的分类准确率达到95.4%,在时间效率上较传统方法有很大提高。ROC曲线表明,提出的分类方法在准确率和泛化能力上均优于传统方法,有助于肝硬化的临床诊断。     

基于H_∞/μ法的永磁直线同步电机鲁棒二自由度控制

针对永磁直线同步电机(PMLSM)直接驱动伺服系统易受负载扰动、测量噪声及参数变化影响的特点,基于H_∞/μ方法设计了一个鲁棒二自由度速度控制器,解决了传统单自由度控制器在满足系统跟踪性能和抗干扰性能要求方面存在的矛盾。由于在求解μ制器时应用了标准H_∞控制理论,大大提高了μ控制器的获得速度。该速度控制器克服了标准H_∞控制器保守性的缺点,并且对负载扰动、测量噪声和参数不确定性等干扰的抑制方面也比标准H_∞控制器更具鲁棒性。仿真结果及分析表明,所提基于H_∞/μ方法二自由度速度控制器,满足高精度永磁直线同步电机伺服系统对鲁棒性和快速性的要求。