电液位置伺服系统的自适应模糊神经网络控制

将电液位置伺服系统分为已知规律的线性部分和包括非线性、参数不确定性、负载干扰等在内的未知规律部分，用模糊神经网络仅对未知规律部分进行在线估计，缩小了搜索空间，系统估计的精度得到改善，加快了收敛速度。同时，对模糊神经网络建模误差的界进行在线估计，使变结构控制增益由接近建模误差的估计值确定，克服了传统变结构控制因过于保守的鲁棒控制增益带来较大控制量而不易实现的缺陷。     

自适应模糊控制在电液速度伺服系统中的应用研究

基于模糊控制器的一种解析结构，本文利用了将模糊控制器与BP算法相结合的方法。即采用BP算法完善经验规则，构建一种自适应模糊控制系统。同时对BP算法的学习也进行了率模糊调节，以加速收敛。仿真结果表明该控制方法能有效的控制电液速度伺服系统。     

神经网络自适应控制及其在电液伺服系统中的仿真研究

针对非线性系统控制和神经网络控制实时性差的问题,提出一种神经网络在线控制结构,做到了对象模型在线辩识和控制器在线设计。通过仿真研究,证明该方法有效。     

基于RBF神经网络模糊PID控制的电液伺服系统

采用普通PID控制的复杂电液伺服控制系统(液压驱动的控制系统)存在控制柔顺性不佳的问题,达不到理想的控制效果,为了提高电液伺服系统的控制特性,提出了一种基于径向基神经网络(RBF)模糊PID的控制策略.首先,理论推导了伺服阀控液压缸的状态空间方程,建立了液压系统相关的数字模型;然后,在普通PID控制策略的基础上,提出了...     

模糊自适应PID控制在电液伺服系统中的应用研究

电液伺服系统中,存在的各种非线性因素,为了使系统对恶劣的环境有较强的适应能力取得较高的控制品质和控制精度,设计了模糊自适应PID非线性控制器.仿真和试验结果表明,文中设计的基于模糊自适应立PID控制算法的控制器明显改善了系统的动态性能,可以方便应用于工程之中。     

电液位置伺服系统仿人智能型模糊—自适应控制

本文针对电液位置伺服系统本身固有的非线性等特点,设计和实现了一种仿人智能型模糊一自适应控制器。仿真和实验结果表明,该方法能显著地改善系统的动态特性,提高了稳态定位精度,有效地克服非线性等因素的影响,且对参考模型不敏感,表现了较强的鲁棒性。     

模糊PID控制在电液伺服系统中的应用

由于电液伺服系统中存在扰动和干扰,一般的控制器很难在各种条件下都取得良好的输出响应.为了解决此类问题,我们提出了模糊控制策略.模糊PID控制器有不依赖于被控对象的数学模型和可适用于非线性时变系统的优点,因此它被广泛用于电液伺服系统中.该文通过试验和仿真[5]的方法说明,使用模糊PID控制器的伺服系统具有良好的动态性和鲁棒性.     

电液集成块液压伺服系统自适应控制

电液集成块液压伺服系统是一种有前途的新型电液伺服系统。该系统在高响应产精度要求时,时变因素不能忽略。本文讨论了其控制策略,介绍了实际应用的控制算法。     

一种改进的神经网络控制方法在电液伺服系统中的应用

针对线性自适应控制方法在电液伺服系统控制中的不足，提出了一种基于局部逼近神经网络控制理论的改进控制方法。仿真结果表明该方法控制效果优良。     

电液伺服系统的非线性控制

针对电液伺服系统非线性、参数时变的特点,为提高系统的性能,首先讨论了系统的非线性数学模型,利用逆系统解耦控制方法,将非线性系统转化成伪线性系统,进行线性控制;在此基础上,提出了一种模糊PID自适应非线性控制设计方案,与逆系统控制方法进行了仿真比较;结果表明,采用模糊PID控制,在系统参数变化、外界扰动的影响下,具有较好的自适应性和动态鲁棒性能。     

电液伺服系统的模糊神经网络并行自学习鲁棒控制

基于模糊神经网络结构，提出了一种复合式控制方案，解决了传统自适应控制中模型的在线辨识和控制器的在线设计问题。达到了对不确定非线性系统的高精度输出跟踪；通过引入运行监控器，解决了模糊神经网络实时性差的问题；同时，利用一个鲁棒反馈控制器，来保证模糊神经网络学习初期闭环系统的稳定性。应用到电液力伺服加载系统中，获得满意控制效果。     

基于RBFMCN网络的电液速度伺服系统的动态补偿控制算法

基于一种改进的径向基函数网络,提出一种电液伺服系统自学习动态补偿控制算法。控制器包括1个神经网络动态补偿控制器和1个神经网络自学习控制器。算法用于承受交变负载变化的阀控缸电液速度伺服系统的动态补偿控制,取得了令人满意的仿真及实验结果。     

具有状态约束的电液伺服系统模型参考鲁棒自适应控制

针对电液伺服系统中的模型不确定性和状态约束问题,设计了一种模型参考鲁棒自适应控制(MRRAC)方法。将电液伺服系统的近似模型作为模型预测控制(MPC)的设计对象,在设计过程中考虑状态约束,并生成受约束的状态期望,作为后续伺服控制方法的参考指令。为了克服液压系统中的模型不确定性,基于反步法设计了鲁棒自适应控制器(RAC),实现了兼顾模型不确定性和状态约束的伺服控制。基于Lyapunov稳定性理论证明了所设计控制策略的闭环渐近稳定性,且系统所有信号均有界。仿真结果表明,控制器对于系统模型不确定性具有较强的鲁棒性,且可实现对指定状态的有效约束,充分验证了该控制策略的有效性。     

非对称缸电液伺服系统变论域自适应模糊控制的研究

针对非对称缸电液伺服系统的非线性，分别使用常规模糊控制器和变论域自适应模糊控制器对其控制，其结果表明后者性能更理想。     

基于改进遗传算法的模糊RBF神经网络控制在液压伺服系统中的应用研究

针对电液伺服系统普遍存在非线性、时变性和不确定性的情况,提出一种基于改进遗传算法的模糊RBF神经网络控制方法。该方法采用模糊RBF神经网络控制实现对液压伺服系统的自适应模糊控制,并将GA的全局寻优及BP局部寻优相结合,克服了单独应用GA算法或BP算法调节模糊RBF神经网络控制器参数存在的缺陷。仿真结果表明,该方法具有很强的自适应性和鲁棒性。     

伺服电机变负载自适应模糊控制方法

针对伺服电机变负载控制问题,提出了一种自学习自适应模糊控制方法,该方法可以通过控制数据自学习生成模糊控制规则,且可以在控制过程中对控制规则进行自调整,以适应被控对象工况的改变。通过伺服电机变负载的仿真控制实验,证明了该方法的可行性。