基于音圈直线电机的非圆车削加工进给系统研究

以中凸变椭圆活塞为例,研究了非圆截面零件的车削加工成形原理,在分析了加工过程中对刀具进给的要求的基础上,设计了以音圈直线电机直接驱动刀具的伺服进给系统,并实现了高速往复运动控制,最后在搭建的试验平台上模拟加工椭圆横截面,试验结果验证这套进给系统方案是可行的.     

Research on the Linear Servo Tool Holder System for Noncircular Cutting

】　介绍了用于非圆截面零件车削的刀架系统。该刀架系统主要由直线电机驱动,以8098单片机为主控制器,采用模拟调节校正和局部数字校正相结合的控制方式,实现高频响、大位移、微进给的完美统一。     

非圆截面车削中直线伺服刀架系统的研究

介绍了用于非圆截面零件车削的刀架系统。该刀架系统主要由直线电机驱动，以８０９８单片机为主控制器，采用模拟调节校正和局部数字校正相结合的控制方式，实现高频响，大位移，微进给的完善统一。     

基于音圈直线电机的非圆车削加工技术研究

针对非圆零件车削加工对电机响应速度的要求,设计了一种采用音圈直线电机直接驱动刀具的伺服机构,并构建了伺服控制系统,在搭建的实验平台上,以中凸变椭圆活塞为例进行加工,实验结果表明,该设计方案可以满足非圆截面零件的车削加工要求。     

永磁直线同步电动机的改进型迭代学习控制

针对永磁直线同步电动机在跟踪过程中出现的诸多非线性因素,提出一种改进型的迭代学习控制算法,该算法将迭代控制律看成时间轴与迭代轴的叠加,通过在时间轴中引入一个初始控制量和一个自适应因子,增加了新的信息,实现了永磁直线电机的快速跟踪控制.给出了控制算法收敛性与收敛速度优越性的证明.仿真结果表明,在此种方法下永磁直线同步电动机跟踪速度和跟踪精度较传统的迭代学习控制算法有了较大的提高.     

基于单神经元自适应PID控制的高压断路器永磁直线伺服电机操动机构的研究

高压断路器永磁直线伺服电机操动机构采用直线电机驱动断路器操作杆,带动机构运动,实现分合闸操作,具有良好的快速响应能力及控制性能.该伺服系统采用数字式双闭环控制,内环为电流环,采用PI控制,外环为速度环,采用单神经元自适应PID控制,通过建立直线伺服电机操动机构控制系统仿真模型,详细分析了单神经元自适应PID控制算法以及数学模型,并建立了以输出误差二次方为性能指标的单神经元自适应PID控制器模型.并分别用传统PID与单神经元PID控制算法,对高压断路器触头运动特性控制过程进行了仿真.结果表明,单神经元自适应PID控制器能够较好的实现触头速度的跟踪控制,使其按理想运动特性曲线运动,实现最优操作,该算法是一种较理想、有效的控制方法.     

非圆截面车削中直线伺服刀架系统的研究

介绍了用于非圆截面零件车削的发架系统及其组成、设计方法。该系统实现了刀具运行高频响、大位移、微进给的完美统一。     

轮毂电机无位置传感器自适应预测控制

为提高全电化装甲车轮毂永磁同步电机驱动系统的可靠性,针对经典有限集模型预测控制算法依赖电机参数及额外激励等问题,提出一种无参数依赖的自适应改进控制算法,算法将所有未建模干扰因素折算为等效总误差对经典模型进行改进,并通过等效总误差和总电感的在线估计,实现改进算法的自适应预测控制,缓解算法对参数的依赖,利用固有电流纹波激励实现位置观测器,避免额外高频信号注入的不利影响。实验结果表明,改进算法在电机不同工况和负载下能准确估计转子位置和初始磁极,不依赖电机参数仍取得较好的控制性能,验证了算法的有效性。     

基于改进多入多出无模型自适应控制的二维直线电机迭代学习控制

二维直线电机在实际运行中存在强耦合、未知非线性等未建模动态控制问题,且易受外部干扰的影响.基于无模型自适应控制(MFAC)不依赖被控系统精确数学模型的特点及迭代学习控制(ILC)循序渐进的学习规律,提出一种改进多入多出无模型自适应控制(MIMO-MFAC)的二维直线电机迭代学习控制(ILC)复合控制方案.在无模型自适应控制输入准则函数中加入一阶差分单元,使改进多入多出(MIMO)无模型自适应反馈控制器具有很强的鲁棒性.迭代学习前馈控制器可以克服外部干扰,补偿系统非线性,前馈反馈优势互补,实现对期望输出的精度补偿,进一步减小位置跟踪误差.最后,将二维直线电机运动平台与LINKS-RT半实物仿真系统相结合,通过实验验证所提方案的有效性.     

基于BP神经网络算法的粉碎机自适应控制系统设计

针对饲料加工行业中锤片式粉碎机控制系统存在启动时间长、响应速度慢及负载变化时出现的稳定性差等问题,提出了一种基于BP神经网络算法PID控制方法。首先,建立变频器和饲料粉碎机驱动电机组合系统传递函数的参考模型,并对其进行稳定性分析。然后在分析常规PID和模糊PID控制算法的基础上,将自适应神经网络算法PID应用到饲料粉碎机驱动系统的控制过程当中。通过搭建饲料粉碎机控制电机的仿真模型,利用MATLAB软件中的Simulink图形化编程功能对其进行仿真分析,并基于LABVIEW软件搭建了粉碎机测控系统试验平台进行实验测试分析。结果表明：对于饲料粉碎系统所给定的速度参考模型,设计的BP神经网络PID控制器能够实现较好的自适应追踪,对阶跃信号的响应更加迅速、超调更小,抗干扰能力更强。设计的自适应控制器能够根据工况变化自动调节PID参数,吨料电耗平均降低5.16%、生产率平均提高2.08%,对粉碎机主轴转速的控制更加精确,误差更小,兼具了较高的控制精度和较强的鲁棒性,满足饲料粉碎机驱动系统的自适应控制要求。