神经网络控制在气动位置伺服系统中的应用

针对比例流量阀控缸气动位置伺服系统的特点，提出采出神经网络自适应PID控制器来实现活塞位移的实时控制，仿真和实验研究表明，这种控制器具有强鲁棒性，快速跟踪性和较好的控制精度等优点，其重复定位精度小于0．2mm.     

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。     

神经网络在直接力矩控制中的研究及应用

提出了利用多层神经网络取代传统开关状态选择器在感应电动机直接力矩中的控制以获得最优的开关状态量的方法。利用MATLAB/MULINK软件做的直接力矩控制的仿真系统包括感应电动机、逆变器开关、触发电路和控制电路。在选定了代表开关状态选择器的最优神经网络后 ,设计了神经网络结构图并进行了验证。为了确定神经网络的可靠性和稳定性 ,将其作为直接力矩控制系统的一部分进行了仿真试验 ,结果表明神经网络直接力矩控制系统优于传统的直接力矩控制系统     

灰色PID在电液伺服系统位置跟踪控制中的应用

针对周期性、多频扰动的电液阀控摆动液压缸位置伺服系统,提出以灰色系统理论与PID控制相结合的方法.构造了灰色PID控制算法,对系统不确定部分建立灰色模型,进行灰色预估补偿,实现对PID参数的最佳整合.经仿真和试验研究表明,该算法可以提高PID控制质量及其鲁棒性,并获得较好的跟踪控制效果.     

模糊PI控制在电液速度伺服系统中的应用

考虑到电液伺服系统的非线性和参数的时变特性,为了提高控制精度、改善系统的静动态特性,提出了模糊增益调度控制方法,根据系统的输出误差及其一阶微分变化,通过模糊推理在线实时调节PID参数,使系统控制参数达到全局优化,解决了一般PID参数只是对于某一工作点局部优化的问题.试验表明,与单纯PID控制器相比,模糊增益调度缩短了动态响应时间、降低了超调、减小了负载扰动.由此,该方法对非线性系统和难精确建模系统大范围控制十分有效.     

低速大惯性伺服系统同步跟踪控制方案设计

根据实际要求构建并确定了低速大惯性伺服系统的控制方案,即采用算数字式直接驱动方案,实现对系统的高精度控制;并对系统的工作流程进行了说明.伽玛刀射源装置采用该控制方案后,获得了很好的同步跟踪效果.     

基于模型参考神经网络实现锅炉水位自适应控制

锅炉水位是影响锅炉安全运行的重要参数,而水位控制系统是一个复杂的非线性系统.设计了一个稳定的参考模型来表达所期望的汽包水位特性,再通过构建神经网络控制器,控制锅炉水位输出曲线匹配期望的锅炉水位特性.神经网络控制器由2个神经网络组成:被控对象辨识神经网络和控制神经网络,采用反向传播学习算法作为神经网络训练算法.仿真结果表明,采用该神经网络控制器的系统输出性能明显优于采用传统控制器的系统.     

基于FNN的Terminal滑模算法在并联机器人控制中的应用

针对伺服电机作为驱动装置的并联机器人,首先运用模糊神经网络(FNN)控制策略对驱动侧进行控制仿真,在分析结果后,结合Teiminal滑模控制方法,提出一种新的控制策略,用FNN输出代替滑模中引起抖振的切换部分,Terminal滑模函数的选取保证了输出跟踪误差在有限时间内收敛到零,仿真结果表明,所提出的控制策略可以实时的满足并联机器人的高精度,高速度控制要求.     

基于自适应DRNN的无刷直流电机控制方法研究

针对无刷直流电机速度控制存在高度非线性特性,提出了基于自适应DRNN（diagonal re-current neural network）的＂前馈＋反馈＂控制方法。反馈控制器以目标转速与实际转速的误差为输入量,采用PI控制来提高控制系统的稳定性。前馈控制器采用DRNN,以反馈控制器的输出作为性能误差进行自适应控制,以提高控制系统的瞬态响应性能。仿真和实验结果表明：该控制系统能较好地跟踪目标转速,在突变负载扰动下,能有效地改善相电流波形,降低电机电磁转矩脉动,而且该控制系统具有较强的鲁棒性。     

气动加载系统的模糊自适应逆控制方法

气动加载系统具有时滞、时变及强非线性等特点,为了提高气动加载系统的控制精度,克服传统PI控制算法的不足,提出一种气动压力加载系统的模糊自适应逆控制方案。利用模糊辨识理论对气动加载系统进行离线逆建模,得到初始逆模型,并将该初始逆模型作为初始控制器,控制气动加载系统的输出压力,运行过程中采用最小方均根(Least mean square,LMS)滤波算法在线修正控制器的参数。基于VC++6.0软件开发平台设计系统实时控制程序,在一套电气比例压力阀控气动加载系统上进行试验研究。通过与PI控制算法、模糊比例积分微分(Proportion,integration,differentiation,PID)控制算法进行比较,结果表明设计的气动加载系统控制器控制精度高、响应速度快、抗扰能力强。     

基于Huston多体系统逆动力学的主动控制方法分析

Ｈｕｓｔｏｎ矩阵形式的多体系统动力学描述兼有力法和能量法的循特点,可直接应用Ｌｙａｐｕｎｏｖ稳定性理论对其描述的系统进行了分析,Ｈｕｓｔｏｎ方法较之Ｌａｇｒａｎｇｅ能量方法的分析过程简单,无需求混合偏导数,有形式简单、直观、规范的特点、实验证明这种分析方法的正确性和这种控制方法的有效性。     

逆系统方法在电气传动中应用综述

综合了两类逆系统在电气传动中的应用;着重介绍了右逆系统在电机调速系统中的应用。     

压电陶瓷微夹钳迟滞环自适应逆控制研究

针对压电陶瓷的迟滞特性可使微夹钳难以获得良好的位移控制的问题，提出自适应逆控制策略。推导了压电悬臂位移特性的理论模型；采用自适应最小均方算法滤波器建立了压电悬臂的基于Backlash算子的迟滞环正逆模型，并以此为基础建立了微夹钳位移的自适应逆控制系统。样机测试和跟踪实验结果验证了所建立的理论模型和迟滞环模型的正确性，以及控制系统良好的自学习能力和控制效果。     

基于DRNN动态整定PMSM的SVPWM控制

为解决传统的永磁同步电机控制系统中存在的低速转矩脉动大以及由此引起的高频噪声、动态响应慢等问题,提出了一种基于对角神经网络动态自整定的永磁同步电机矢量控制系统的实施方案.给出了基于对角递归神经网络的PID动态自整定控制器的结构,以及PID参数动态自整定的学习控制算法,并将这种综合控制策略引入永磁同步电机空间电压矢量PWM控制中.仿真结果表明,系统低速性能好,转矩脉动小,谐波含量少,当电机参数改变或者受到外部扰动时,系统具有良好的动态特性.     

具有迟滞和蠕变特性压电作动器的模糊自适应逆控制方法

针对具有迟滞和蠕变特性的压电作动器非线性模型,提出了一种前馈控制和反馈控制相结合的自适应模糊逆控制方案。在前馈控制器中压电作动器的迟滞和蠕变非线性特性的逆模型由自适应模糊逻辑系统近似;在反馈控制器中比例控制器用来调节压电作动器的输出误差。该方法可以实时补偿压电作动器的迟滞和蠕变特性,减少作动器跟踪误差。仿真计算结果表明了该方法的有效性。     

基于最优控制的汽车操纵逆动力学的研究

提出了一种基于最优控制理论的汽车操纵逆动力学研究方法，用于识别不同汽车跟踪同一期望路径的方向盘转角输入。以驾驶员对汽车施加的方向盘转角输入为控制变量，以精确跟踪期望路径为控制目标，将汽车操纵逆动力学问题转化为最优控制问题。利用直接配置方法将最优控制问题转化为非线性规划问题，运用序列二次规划方法求解。仿真结果表明：该方法能够使汽车很好地跟踪所期望的路径，且可以比较跟踪同一路径的不同汽车的操纵性能。     

基于增量非线性动态逆的液压执行器力控制策略研究

针对液压执行器力控跟踪要求高度的非线性及不确定性的动力学模型问题,导致液压驱动系统高精度运动控制存在困难,提出采用一种基于传感器的增量式非线性动态逆控制方法来解决液压执行器的力跟踪问题。建立液压执行器动力学模型,理论分析了INDI控制策略在力控制模型上具有稳定性好、抗干扰能力强、系统标定范围大的优势。利用该控制器压力差导数作为反馈,不依赖于精确的液压执行器数学模型和参数标定,对模型不确定性具有固有的鲁棒性。仿真试验和理论分析表明: 采用高频率采样的INDI控制器力跟踪误差始终稳定在6%左右; 最大跟踪误差也不超过8%;对参数不确定性具有极强的鲁棒性。     

基于免疫进化神经网络的机械手逆运动控制

将免疫进化算法用于机械手逆运动神经网络控制，基于生物免疫系统的细胞克隆选择学说和生物进化过程中的变异思想构造了自适应变异算子，使系统能够根据环境条件自适应地确定各抗体的变异强度；通过亲和力抑制相似抗体生存并动态地产生新的抗体，以维持抗体种群的多样性。通过对机械手进行仿真试验，并与快速BP算法及标准遗传算法训练的结果进行比较，表明用免疫算法训练的神经网络具有良好的泛化能力，可大大提高机械手逆运动学求解精度。