基于RBF神经网络的高精度数控机床可靠性分析方法

高精度数控机床可靠性分析能够快速解决数控机床故障问题。为提高高精度数控机床可靠性分析准确性,设计一个基于RBF神经网络的高精度数控机床可靠性分析方法。应用多体系统模型,对数控机床建模,提取机床内部特征,对故障数据分类处理,完成故障数据分布拟合。在此基础上,建立数控机床可靠性评价指标,训练RBF神经网络,实现高精度数控机床可靠性分析。实验结果表明：所提出的高精度数控机床可靠性分析方法的定位误差较小,能够准确统计出数控机床的故障模式频次,确保了可靠性分析效果,提高了数控机床可靠性分析准确性。     

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。     

基于RBF神经网络的数控机床故障诊断研究

本文介绍神经网络用于数控机床控制系统的故障诊断技术，分析了数控机床故障诊断的方法，并采用RBF神经网络实现数控机床控制系统故障诊断的算法和程序设计。     

基于RBF神经网络的刀具磨损量的估测

简要介绍了电流监测方法以及RBF神经网络的结构和算法，并基于镗削过程中的一组实验数据，用RBF神经网络方法，对刀具磨损量进行估测，结果的误差分析证明该方法是可行的。     

基于ESO的电动伺服系统RBF神经网络滑模控制

为了提高电动伺服系统的加载力跟踪精度,基于扩张观测器(ESO)和RBF神经网络,设计了一种自适应滑模控制器。ESO可以观测电动伺服系统的状态变量和外界扰动,解决实际工程应用中因对输出力直接微分造成的微分爆炸问题;利用RBF神经网络逼近系统存在的非线性不确定因素,将ESO观测到的状态变量、扰动项和RBF神经网络的估计值引入到滑模控制其中,实现对滑模控制的补偿,并通过构造李雅普诺夫函数对所提出的控制策略进行稳定性证明;在MATLAB/Simulink环境中搭建仿真模型,验证了ESO和RBF神经网络在不同工况下对系统相应量的精准估计,且误差均满足所设定的性能指标,同时与传统滑模控制进行了对比,所提出的控制策略能有效地解决传统滑模控制的抖振问题,加载力跟踪精度更高,鲁棒性能更优。     

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,...     

基于RBF神经网络手术机器人从手控制系统研究

以手术机器人的从手为研究对象,使用径向基函数(RBF)神经网络对手术机器人从手进行基于模型分块逼近的自适应控制。针对手术机器人从手动力学模型建模不准确的问题,采用RBF神经网络分别对从手动力学模型中的3个系数矩阵分块逼近,计算出从手的精确动力学模型,同时动态调整控制律实现对系统的稳定自适应控制。在系统稳定性分析的基础上,进行了仿真实验。实验结果表明:该控制算法改进了系统控制性能,具有精度高、稳定性好、鲁棒性强的特点。     

基于模糊RBF神经网络的板带横向厚度和纵向厚度综合控制

针对板形控制和板厚控制之间存在强烈的耦合作用这一特点,提出一种板形板厚综合控制系统。对于这种纯迟延、时变、强耦合的多输入多输出系统,首先采用模糊RBF神经网络解耦方法对系统进行解耦,然后对解耦后的已近似成为两个独立的单输入单输出系统分别设计模糊神经网络PID控制器,从而建立了一种板形板厚模糊RBF神经网络分散解耦PID控制系统。通过MATLAB对此系统进行仿真,结果表明,该方法解耦控制效果良好,控制精度高,抗干扰性强,且具有良好的静态性、动态性及鲁棒性。     

基于RBF神经网络的永磁同步直线电机全局滑模控制

针对永磁直线同步电机直接驱动伺服系统存在负载扰动、参数时变、非线性摩擦及端部效应等不确定性因素,提出了一种神经网络增益切换全程滑模控制策略。该策略使控制系统一开始就处于滑动模态上,使系统具有全局鲁棒性。其次,通过递归神经网络的在线学习来对不确定界限实时估计,并引入饱和函数,以进一步降低控制中的抖振,改善系统的性能。通过仿真对所提方案与PID控制和传统滑模控制进行对比,验证了所提出的方案有更好的鲁棒性和跟踪能力。     

基于BP和RBF神经网络的机器人逆运动学算法

针对单一神经网络求逆运动学时存在求解精度不高、泛化能力差的问题,研究了工业机器人的工作空间及逆运动学求解算法。在对BP神经网络和RBF神经网络分析的基础上,提出了一种BP与RBF网络并行的7输入6输出神经网络模型。以一种协作型工业机械臂为例,首先建立其运动学模型并分析工作空间,然后求解正运动学获得数据集用于训练、验证和测试网络,最后得到符合要求的网络模型。仿真结果验证了网络的正确性,并行网络方法提高了单一神经网络的求解精度,同时求解速度优于解析法求逆运动学速度,证明了该方法的实用性。     

一种基于混合神经网络的机械手移动轨迹自动控制技术研究

针对现有机械手移动偏差控制技术存在的轨迹控制不连续、复杂度高、综合效率低等问题,以机器学习和深度学习为基础提出一种混合神经网络控制算法。分析机械手各关节、连杆的空间坐标转换关系,以RBF为基础构建混合神经网络模型,选用逆多二次函数作为模型的激活函数,分别确定中间隐层和输出层的权值;引入LSTM长短记忆算法,利用LSTM算法的输入门、遗忘门和输出门结构设计,抑制坐标数据训练时出现的梯度膨胀问题,并给出精确的轨迹修正指令。仿真结果表明：提出的混合神经网络算法采样点轨迹偏差均值为0.02 mm,VARP值趋近于0,具有更好的自动控制稳定性和更高的控制效率。     

精密阀芯径向孔钻床夹具设计

针对某精密阀芯外圆表面径向孔尺寸和位置精度高、加工质量不稳定的情况,设计一种采用V形槽反装定位、偏心轮装置快速夹紧的专用钻床夹具。详细分析了径向孔加工钻床夹具的定位和夹紧方案,计算出定位元件关键尺寸,阐述夹紧装置的原理和工作过程。经夹具精度分析与验算,发现所设计的夹具完全能满足精密阀芯径向钻孔的高精度要求。该夹具操作简便、适应性强、工件加工质量稳定,为机械行业销轴类零件高精度径向孔钻床夹具的设计提供了参考。     

电液速度伺服RBF模糊自适应控制

由于电液速度伺服系统的非线性和参数的不确定性,难以建立精确的数学模型,本文引入RBF(径向基函数)模糊自适应控制,利用RBF神经网络进行自学习、修改和完善模糊规则,改善其动态性能。仿真结果表明该方法具有较强的自适应和自学习能力,即使对复杂的非线性系统也能取得良好的控制效果。     

气动比例系统定位特性研究

通过对气动比例控制系统进行多因素多水平正交试验,对影响系统定位精度的流量、压力以及工作负载等主要参数进行了试验测量.并且通过回归分析对试验数据进行了显著性分析,找到各因素对系统的定位精度的影响规律.为提高系统的控制性能奠定了基础.     

外骨骼关节驱动神经网络滑模力控制研究

针对外骨骼机器人液压关节驱动系统具有非线性、不确定参数等特性,导致模型建立困难以及负重时具有不确定冲击扰动的问题,基于电液伺服系统特性,建立以弹性负载为外负载的数学模型。为减小负重时冲击扰动项对力控制的影响,引入径向基（RBF）神经网络对干扰项进行补偿,设计一种基于RBF神经网络的滑模力控制策略。通过系统特性进一步验证模型可行性,并进行仿真试验对比。结果表明：与PID控制相比,所设计的控制策略响应时间更短,跟踪误差缩小70.5%;变负载工况下,所设计的控制策略具有更好的跟随能力、更强的鲁棒性能,可以满足外骨骼机器人关节驱动的力控制要求。平台试验进一步验证了仿真结果的有效性与正确性。     

基于RBF网络的高速电磁开关阀模型辨识

简介高速电磁开关阀常用模型,分析其特点;给出RBF神经网络用于非线性系统辨识的一般结构与步骤;分析了使用该网络进行高速电磁开关阀模型辨识的结果,同时使用一些未作为训练样本的数据进行验证,并与理想公式的计算结果进行对比。结果表明:即使在高速开关阀的电气与结构参数未知的情况下,仍然可以使用RBF网络辨识出适合实际应用的高速电磁开关阀模型。     

组合人工神经网络模型预测海水腐蚀速度的研究

针对误差反传(BP)人工神经网络在海水腐蚀预测建模中的样本数量有限和隐含层单元数难以确定的问题,提出了结合使用自组织特征映射(SOM)网络和径向基函数(RBF)人工神经网络方法预测海水腐蚀速度.首先采用SOM对样本进行分类,再使用RBF进行样本训练和建模,并对A3钢和16Mn钢的海水腐蚀速度进行了预测.结果表明,该方法能够增强了网络局部泛化能力,提高了预测精度和计算速度.     

焊缝跟踪RBF整定PID控制算法

针对电弧焊接系统,研究一种基于径向基神经网络与比例积分微分控制相结合的焊缝跟踪控制新方法。在建立基于视觉传感的电弧焊焊缝跟踪系统的基础上,分析系统运动机构原理并研究两相混合式步进电机驱动焊炬运动数学模型,结合研究对象进行计算机仿真研究。试验结果表明,基于径向基整定比例积分微分的控制方法能够有效提高焊缝跟踪性能。