基于定理反馈理论迭代学习的液压角振动台控制策略

针对控制系统的鲁棒性以及迭代学习的收敛性,进行了定量反馈理论(Quantitative feedback theory,QFT)复合迭代学习控制算法设计,并从频域角度给出了其收敛性条件。将仿真结果与实验数据进行对比分析,验证了此控制策略的有效性。该QFT迭代学习控制策略不仅拓宽了系统频带,改善了系统输出对期望信号输入的跟踪精度,同时可以很好地跟踪随机振动信号功率谱,为液压角振动台高性能实时控制开辟了新途径。     

超冗余液压振动台的模态空间解耦控制

为解决超冗余振动台在带负载工作时自由度间出现耦合运动的现象,提出一种基于模态空间的解耦控制策略.建立液压伺服系统的线性化模型,将液压缸视为液压弹簧,分析超冗余振动台的振动模态方程;通过标准模态矩阵及其逆矩阵,将超冗余振动台由自由度空间转到无耦合的模态空间进行控制;在模态空间应用三状态反馈控制,通过极点配置,实现自由度间的解耦控制.仿真结果表明,该模态解耦控制策略在时域和频域内均可有效降低超冗余振动台自由度间的动力学耦合,提高位姿的跟踪精度.     

基于振动台试验的加速度积分位移

轨道不平顺是铁路车辆系统振动的主要激励源,车体构架运行姿态的变化会对轨道几何不平顺检测精度造成影响.理论上可通过位移传感器对车体构架的运行姿态进行测试,但多数情况下测量困难且精度较低,而采用加速度传感器测试,又存在各种噪声干扰,使积分位移中含有趋势项漂移误差.针对此类问题,提出了一种从加速度数据中获取位移时间序列的低频衰减频域积分方法.该方法从测量加速度积分开始,采用基于滑动平均的最小二乘法预处理方法,去除积分过程中的噪声产生的误差,还原实际由于轨道不平顺产生的振动响应.结合滑动平均方法、高通滤波器和频域积分,通过多次平滑、滤波和积分,得到重构位移信号,避免了信号的失真.该方法的主要优点是重构位移不存在长周期漂移.通过与振动台实测数据的对比分析,验证了该方法的准确性和可靠性.     

基于自适应线性神经网络的噪音处理的研究

在信号处理中具有高稳定性能的滤波器一直是处理噪音干扰所追求的目标.本文通过利用线性自适应神经网络中的LMS算法来对噪音处理进行研究.研究表明基于自适应线性神经网络的降噪处理,从本质上是可以消除迭加的噪音信号.     

基于加加速度的地震模拟振动台控制技术（特约稿）

地震模拟振动台试验是工程结构地震反应模拟和抗震性能观测的直接有效的手段,但由于电液伺服地震模拟振动台系统具有复杂的非线性,当伺服阀90°相移频率与系统油柱共振频率比较接近时,伺服阀特性对振动台系统特性有较大影响,严重影响系统的有效频带范围。现有的电液伺服地震模拟振动台系统的有效频带多为0.4～50 Hz,不足以满足大比例缩尺结构抗震试验的需求。为减小现有电液伺服地震模拟振动台系统的伺服阀特性对系统性能的影响和拓宽振动台系统的有效频带,在三参量控制的基础上,将加加速度反馈信号和加加速度前馈信号引入控制环节,形成一种基于加加速度的地震模拟振动台多参量控制算法。对所提出的控制算法的控制效果进行了理论推导和系统仿真分析,揭示了加加速度反馈可降低系统油柱共振频率并减小伺服阀特性对振动台系统性能的影响,而加加速度前馈使得系统的有效频带由三参量控制下的0.35～54 Hz拓宽至0.35～64 Hz,表明所提出的基于加加速度的地震模拟振动台多参量控制算法明显改善了地震模拟振动台的控制性能。     

基于鲁棒误差函数的BP算法

提出一种基于鲁棒误差函数的ＢＰ学习算法,并对这种算法进行了仿真研究。结果表明该算法增强了ＢＰ网络的泛化能力,提高了ＢＰ网络的鲁棒性,加快了ＢＰ网络的收敛速度。     

基于学习前馈控制的永磁直线伺服系统跟踪控制研究

针对永磁直线同步电动机（PMLSM）伺服系统,在分析影响直线伺服跟踪精度因素的基础上,引入学习前馈控制（LFFC）补偿技术.学习前馈控制是一种反馈误差学习的控制形式,其包含了反馈控制器和采用函数逼近器的前馈控制器两部分.在系统和扰动定性知识的基础上,设计了基于B样条网络的学习前馈补偿控制.仿真结果表明,该方案有效地降低了负载扰动、端部效应等对系统性能的影响,提高了系统的跟踪精度.     

一种控制SRM转矩脉动减小的算法

提出了一种改进的通过使用CMAC（Cerebellar Model Articulation Controller－－脑模型关节控制器）神经网络控制变磁阻式电动机（SRM）转矩脉动减小的算法。该算法在保持原LMS算法优点的基础上,确保电机以低速运转时最小化转矩脉动、铜耗及电机以高速运转时最小化转矩脉动、铜耗、电流的变化率均产生最佳的电流曲线。     

基于Simulink的双电磁振动台并机控制方法研究

基于现有双振动台同步驱动控制技术,运用simulink进行系统仿真.通过调节两振动台间的功率驱动信号的大小,可缩小两台问响应的差值,完成振动系统的响应同步控制     

基于最小控制合成算法的电液伺服振动台控制策略

针对电液伺服振动台受参数变化、外部干扰影响,加速度响应信号跟踪精度降低的问题,本文通过三状态控制提高稳定性;为进一步提升加速度响应跟踪精度,提出最小控制合成算法与三状态结合的控制器。依据振动台理论模型,推导了液压缸位移与电液伺服阀输入电流之间的传递函数。采用极点配置方法,确定三状态控制反馈、前馈控制器参数;设计参考模型参数,提升最小控制合成收敛速度。对电液伺服振动台进行加速度信号跟踪试验。仿真结果表明：相比三状态控制控制器,在正弦波与随机波输入信号下,TVC-MCS复合控制器信号跟踪误差降低。比较频率特性曲线,TVC-MCS复合控制器幅度相位延迟降低,有效提升了加速度跟踪性能。     

自适应模糊控制器在水电机组控制中的应用

提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来控制水轮发电机组运行,由RBF神经网络和遗传算法在线寻优模糊控制器的比例因子、模糊推理规则和隶属函数,并由RBF网络辨识被控对象的动态特性,以评价模糊控制器控制性能．仿真实验表明。控制效果优于没有寻优的Fuzzy控制。     

在频率跟踪后引起振动切削过程中振幅衰减的主要原因分析

为克服振幅衰减对超声振动切削的影响,揭示振幅衰减的内在原因,进一步扩大超声振动切削的应用领域。本文通过实验研究和理论分析,明确了在振动加工中由裁荷增加而引起的功率动态分配也是超声波振幅逐渐衰减的一个重要原因,并从功率分配的角度,通过理论分析得出了二者的数学表达式,解释了实验结果,同时分析了该实验的合理性,给出了几种解决方案,并提出了用神经网络分析振动切削力的思想．实验结果最终表明：在采用频率跟踪后,超声振动加工中的振幅衰减主要来源于功率分配．     

在频率跟踪后引起振动切削过程中振幅衰减的主要原因分析

为克服振幅衰减对超声振动切削的影响,揭示振幅衰减的内在原因,进一步扩大超声振动切削的应用领域,本文通过实验研究和理论分析,明确了在振动加工中由载荷增加而引起的功率动态分配也是超声波振幅逐渐衰减的一个重要原因,并从功率分配的角度,通过理论分析得出了二者的数学表达式,解释了实验结果,同时分析了该实验的合理性,给出了几种解决方案,并提出了用神经网络分析振动切削力的思想.实验结果最终表明:在采用频率跟踪后,超声振动加工中的振幅衰减主要来源于功率分配.     

基于USB2.0的数据采集器和波形发生器的设计

本设计是在PCB功能测试系统研发过程中提出,是PCB功能测试系统的重要组成部分．该课题采用虚拟仪器设计思想,应用USB2．0总线技术,以Cypress公司生产的CY7C68013为主控芯片,以THS1206和TLC5618作为AD和DA转换控制芯片,设计完成了一个具有四通道的数据采集和两通道波形发生功能的数据采集和波形发生器,数据采集器的分辨率为12位,最高转换速度为6Msps,设备和计算机间的数据传输速度最高可达10MB/s,波形发生器的转换精度为12位,转换速度最高可达400ksps．     

基于无线传感器网络的机械振动监测系统设计

针对部分机械设备运行环境复杂,人员难以靠近等特点,提出了基于无线传感器网络的机械设备状态监测系统.本系统采用LM3S1968和CC2420作为无线传感器网络的主要硬件.针对LEACH算法的不足,改进了其路由选择算法.通过MATLAB虚拟仿真平台和现场数据采集表明,此系统能够对信号实行有效的采集.     

基于多层前向神经网络辩识电液伺服系统模型

建立了一种辩识非线性电液伺服控制系统数学模型的辩识方法,研究了多层前向神经网络辩识非线性系统的辩识算法和结构,利用辩识实验获得的过程输入／输出数据动态调整神经网络权值。仿真结果辨明：神经网络描述的电液伺服控制系统数学模型具有较高精度,算法全局逼近能力良好。     

基于信息熵-灰关联度法的汽轮机振动故障诊断

以汽轮机轴系典型振动故障模拟试验为基础,利用灰关联分析理论对汽轮机轴系振动故障的识别进行了研究。通过对试验数据的研究,确定了故障信号的4种信息熵特征组成的灰色关联参考故障矩阵,并建立了相应的灰色关联度计算模型。对各组故障信号的灰色关联度计算表明,关联度作为一种表征待分析信号与参考故障矩阵相似度的定量特征,可实现对部分轴系振动故障的较好识别,具有良好的应用前景。     

基于过程神经网络的非线性动态系统辨识

研究了过程神经网络在非线性动态系统辨识方面的应用.针对传统神经网络在解决系统过程式输入和时间顺序依赖性问题时出现的使模型和算法复杂化的弊端,提出了一种时变输入输出的过程神经元网络模型作为系统的辨识模型,采用基于函数基展开的梯度下降算法,以油田井组注采系统为例验证了模型和算法的有效性,进而说明了过程神经元网络对于解决系统过程式输入的非线性动态系统辨识问题的适用性.     

基于神经网络和证据理论的液压系统故障诊断

针对液压系统故障多样性和复杂性等特点,基于信息融合原理,提出了一种基于神经网络和D-S（Dempster-Shafer）证据理论相结合的液压系统故障诊断方法。该方法通过构建多子神经网络分类模块进行局部诊断,利用各子神经网络的输出值作为证据理论中的基本可信度,经过证据理论的再次融合得出最终的诊断结果。实例表明,该方法通过简化神经网络结构,提高了局部诊断网络的诊断能力,通过对多源多特征参数的融合,充分利用各传感器的冗余和互补的故障信息,与单一故障特征的诊断相比,显著提高了故障诊断的准确率,降低了决策的不确定性。     

基于人工神经元PID调节器的“水鸟”控制系统性能分析

介绍了人工神经元PID调节器基本概念。在控制系统建模过程中假设了边界条件,对水鸟进行了受力分析,确定了水鸟运动方程;绘制了控制系统原理图;建立了基于人工神经元PID调节器的控制模型。利用Simulink软件建立了仿真程序,对运用人工神经元PID调节器的水鸟在受到深度方向上的干扰情况下深度位置的变化情况进行了仿真。将仿真结果与传统PID控制系统仿真结果进行比较,发现运用人工神经元PID调节器控制效果得到了改进。