基于神经网络与多模型的非线性自适应广义预测解耦控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法.该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成.线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能.切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能.同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析.最后,通过仿真实例验证了该方法的有效性.     

基于Hammerstein模型的多变量动态矩阵解耦控制研究

许多工业过程都具有强耦合、非线性等复杂过程特性;针对具有变量间强耦合和执行机构非线性的一类典型过程对象,提出基于Hammerstein模型的多变量动态矩阵解耦控制算法;并针对实验室电加热锅炉与强制对流换热器组成的广义对象,采用s7—300可编程序控制器,将控制策略应用于该对象,实现了对锅炉内胆水温及强制对流换热器出口水温的控制;实验结果表明,采用基于Hammerstein模型的多变量动态矩阵解耦控制策略,在解耦效果、设定值跟踪及抗干扰响应等方面,都能取得满意的结果,能够解决一类多变量非线性系统的控制问题。     

专家控制在球磨机中的应用

中储式球磨机制粉系统是一个大迟延、强耦合的多变量非线性时变系统。针对强耦合多变量的特性,提出一种新的解耦方法——利用专家控制器代替前馈补偿器进行补偿解耦。介绍了专家控制器的制定过程,并应用于球磨机制粉系统中。仿真结果表明：该方法具有较好的解耦能力,动静态特性及鲁棒性。     

基于神经网络与多模型的非线性白适应广义预测解耦控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法．该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成．线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能．切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能．同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析．最后,通过仿真实例验证了该方法的有效性．     

多变量解耦内模控制器的设计

针对一般多变量解耦控制器将解耦与控制器分别设计所造成的误差问题,提出将内模解耦与控制器一起设计的多变量解耦内膜控制器设计方法.该方法让控制器同时扮演解耦补偿器和内模控制器的角色.首先通过解耦分析和稳态误差分析,使得控制器的设计过程不需要对模型进行降阶就可达到理想的控制效果,再详细推导控制器的设计,得到控制器设计的一般通式,保证了控制器的物理实现,同时增强了系统的鲁棒性.仿真结果表明,该控制器较一般的解耦控制器鲁棒性好,设计简单,是消除多变量系统的解耦过程与控制器设计之间误差的一种可行方法,且该方法已在燕山石化常减压项目得到应用,效果非常好.     

多变量自校正前馈控制器及其应用

本文提出了一种新的多变量自校正前馈控制器.该控制器不仅能完全消除可测干扰的影 响,而且能应用到多变量系统,实现自造应解耦控制.本文还介绍了该控制器如何实现多变量 解耦控制及其在多变量电加热炉上的应用.     

球磨机制粉系统参数自整定PID解耦控制器

针对球团厂钢球磨煤制粉系统具有多变量强耦合、时滞、非线性以及生产工况变化大的复杂性,已有的控制方法难以满足其控制要求的现状,以磨煤机的数学模型为依据,提出了一种新型的多变量PID解耦控制策略.该控制系统由比例因子模糊自整定单元、PID控制器和基于对角矩阵法的解耦补偿器组成;PID控制器参数由粒子群算法进行优化.仿真结果表明,所建模型和所提控制方法的有效性.该方法可在大范围内解决系统的非线性和强耦合问题,具有较强的鲁棒性和运行工况适应性.     

强制循环蒸发系统的非线性自适应解耦PID控制

本文结合现场的实际过程数据,首先应用能量平衡建立了强制循环蒸发过程的动态模型.针对该过程的多变量、非线性以及强耦合特性,在常规增量式PID控制器的基础上提出基于神经网络与多模型切换的非线性自适应解耦PID控制策略.该控制器是由线性自适应解耦PID控制器和基于神经网络的非线性自适应解耦PID控制器以及切换机构组成.其中线性自适应解耦PID控制器可以保证系统的稳定,而基于神经网络的非线性自适应解耦PID控制器则可以有效地提高系统的性能.上述过程的PID参数是通过广义预测的方法得到,最后通过仿真表明,上述控制方法不仅消除了回路间的耦合,在稳定生产的同时提高了蒸发的效率.     

多变量解耦预估自校正控制器及其应用

本文在 Chien 的工作基础上提出了一种多变量解耦预估广义最小方差自校正控制器.该算法可克服变量间的干扰,实现静、动态解耦并提高系统的稳定性.由于同时引入了对角矩阵解耦法及 Smith 预估器,自校正控制器的设计过程可简化为单变量无时延系统.仿真研究与实际应用表明:本算法响应速度快、超调小,结果是令人满意的.     

基于预测控制方法的非线性神经网络逆控制

针对一类多输入多输出非线性被控对象,利用前向神经网络逼近原系统的逆系统,将其作为控制器,采用预测滚动优化性能指标训练该神经网络逆控制器,以克服干扰和不确定性影响,实现对多变量非线性对象的解耦控制。对某微型锅炉对象进行了控制算法仿真,结果表明,所提出的控制方法能够克服模型误差的影响,实现稳定解耦控制,且易于实现。在仿真过程中通过实验方法建立该锅炉对象的神经网络预测模型,并注意采用泛化方法采集训练样本数据和训练神经网络,以提高神经网络模型的泛化能力。     

Nonlinear internal model control using neural networks: an application for machining processes

This paper presents a novel approach to the control of the cutting force on the basis of the internal model control (IMC) principle. The main goal is to control a single output variable, the cutting force, by changing a single input variable, the feedrate. A neural model is used as an internal model to determine the control inputs (feedrate) necessary to keep the cutting force constant. Three approaches, the fuzzy logic controller (FLC), the direct inverse controller (DIC) and the IMC, based on artificial neural networks (IMC-NN), are simulated and their performances are assessed in terms of several performance measurements. The results demonstrate that IMC-NN strategy provides a better disturbance rejection than FLC for the cases analysed.     

Neural control strategy of constant cutting force system in end milling

This paper discusses the application of neural adaptive control strategy to the problem of cutting force control in high speed end milling operations. The research is concerned with integrating adaptive control and a standard computer numerical controller (CNC) for optimizing a metal-cutting process. It is designed to adaptively maximize the feed rate subject to allowable cutting force on the tool, which is very beneficial for a time consuming complex shape machining. The purpose is to present a reliable, robust neural controller aimed at adaptively adjusting feed rate to prevent excessive tool wear, tool breakage and maintain a high chip removal rate. Numerous simulations and experiments are conducted to confirm the efficiency of this architecture.     

Modeling and adaptive force control of milling by using artificial techniques

The contribution discusses the use of combining the methods of neural networks, fuzzy logic and PSO evolutionary strategy in modeling and adaptively controlling the process of ball-end milling. On the basis of the hybrid process modeling, off-line optimization and feed-forward neural control scheme (UNKS) the combined system for off-line optimization and adaptive adjustment of cutting parameters is built. This is an adaptive control system controlling the cutting force and maintaining constant roughness of the surface being milled by digital adaptation of cutting parameters. In this way it compensates all disturbances during the cutting process: tool wear, non-homogeneity of the workpiece material, vibrations, chatter, etc. The basic control principle is based on the control scheme (UNKS) consisting of two neural identifiers of the process dynamics and primary regulator. An overall procedure of hybrid modeling of cutting process used for creating the CNC milling simulator has been prepared. The experimental results show that not only does the milling system with the design controller have high robustness, and global stability, but also the machining efficiency of the milling system with the adaptive controller is 27% higher than for traditional CNC milling system.     

Adaptive fuzzy integral sliding mode velocity control for the cutting system of a trench cutter

This paper presents a velocity controller for the cutting system of a trench cutter (TC). The cutting velocity of a cutting system is affected by the unknown load characteristics of rock and soil. In addition, geological conditions vary with time. Due to the complex load characteristics of rock and soil, the cutting load torque of a cutter is related to the geological conditions and the feeding velocity of the cutter. Moreover, a cutter’s dynamic model is subjected to uncertainties with unknown effects on its function. In this study, to deal with the particular characteristics of a cutting system, a novel adaptive fuzzy integral sliding mode control (AFISMC) is designed for controlling cutting velocity. The model combines the robust characteristics of an integral sliding mode controller with the adaptive adjusting characteristics of an adaptive fuzzy controller. The AFISMC cutting velocity controller is synthesized using the backstepping technique. The stability of the whole system including the fuzzy inference system, integral sliding mode controller, and the cutting system is proven using the Lyapunov theory. Experiments have been conducted on a TC test bench with the AFISMC under different operating conditions. The experimental results demonstrate that the proposed AFISMC cutting velocity controller gives a superior and robust velocity tracking performance.     

高速磁悬浮机床主轴的离散变结构控制

研究了高速磁悬浮机床主轴的变结构控制, 建立了考虑切削过程的主轴 磁轴承系统动力学模型, 并以磁轴承为控制对象, 设计了离散变结构控制器来抑制主轴振动. 仿真结果表明, 变结构控制律对于阶跃、冲击及切削等扰动具有很强的抑制能力, 对系统模型摄动及复杂加工过程具有良好的适应能力.     

快速刀具伺服系统自抗扰控制的研究与实践

快速刀具伺服系统(fast tool servo, FTS)是实现非圆截面和非轴对称表面零件加工的关键部件. 加工过程中,FTS应克服时变切削力负载和自身参数的非线性, 驱动刀具完成高频高精度跟踪运动. 为了解决FTS的快速精密跟踪控制问题, 根据刀具运动参考轨迹已知的特点, 应用自抗扰控制原理和前馈控制策略, 针对基于剪应力和正应力电磁驱动的两种直线执行机构, 分别设计了采用线性和非线性扩张状态观测器的自抗扰控制器, 并利用传递函数和描述函数方法, 分析了线性控制器的跟踪精度和动态刚度特性, 探讨了非线性控制系统的极限环问题. 两种基于自抗扰控制的快速刀具伺服系统已应用于发动机椭圆截面活塞的精密车削和二维正弦微结构表面的超精密车削,满足了加工需求. 研究与应用结果表明: 自抗扰控制思想独特、算法易于工程实现, 具有很好的工程应用价值.     

采煤机自动调高控制系统设计

由于综采工作面工作环境的复杂性和负载的随机性,导致记忆截割的自动调高存在控制累积偏差,使得采煤机截割效率降低.针对采煤自动调高的电液比例控制,建立了调高液压缸的数学模型,采用模糊PID控制策略设计了采煤机自动调高控制器.运用Matlab中的Simulink仿真模块对设计的采煤机控制器进行仿真分析,给定阶跃信号和正弦信号,比较传统PID和模糊PID的控制效果.结果表明,运用模糊PID控制的仿真曲线响应更平稳,更快,且控制效果达到工矿要求.     

A robust adaptive controller for constant turning force regulation

A robust adaptive controller for the constant turning force regulation problem under varying cutting conditions is presented. The control structure is an RST pole-placement controller based on a shaping method of the output sensitivity function proposed by Landau. The controller scheme is robust in the presence of cutting process nonlinearities and disturbances. The proposed adaptive scheme uses an estimation and controller algorithm including prior knowledge of the system. Simulations and experimental results obtained with an industrial lathe show the effectiveness of the proposed solution.     

加工过程的模糊自适应PID控制

经典的加工过程模型随切削深度、主轴转速、加工材料、刀具形状和磨损程度不同而不同,因而具有时变性。实际加工过程要比理论上推导出的模型复杂得多,是一种具有非线性、时变性和影响因素不确定的复杂系统,甚至难以用合适的数学模型来表示。结合PID和模糊控制两者的优点,建立一种加工过程的模糊自适应PID的控制方法。对模糊自适应PID控制算法进行了理论分析,基于Matlab建立了铣削加工过程的仿真模型。仿真结果表明,运用模糊自适应PID控制方法,系统的调节时间缩短,响应速度加快,抗干扰能力和适应参数变化的能力要优于增益自适应的PID控制。     

基于TRIO运动控制器的瓦楞纸板横切机控制系统设计

本论文在分析瓦楞纸板横切机生产工艺的基础上,提出了以TRIO运动控制器＋欧姆龙伺服驱动器＋触摸屏的交流伺服控制方案。根据切刀的运动规律,研究其轨迹跟踪控制算法,利用TRIO运动控制器的电子凸轮功能,实现了横切机速度同步跟踪和定长剪切功能。实验表明,此控制系统能有效提高横切机的响应速度、剪切精度,并可适用于更高速的瓦楞纸板生产线。