基于模糊神经网络的电液伺服系统建模

针对电液伺服系统具有典型的非线性系统,但要求控制精度高和响应速度快,建模困难.为解决上述问题,提出用减法聚类的模糊神经网络自学习算法,确定初始的模糊神经网络结构.在网络的学习过程中,对结论参数用最小二乘法进行辨识,并对前提参数用误差反传算法进行调整.获取输入输出数据对,可在AMESim软件平台上搭建系统的仿真模型,并通过软件接口把数据导人MATLAB中,最后使用提出的方法对电液伺服系统建模进行仿真,结果与其它模糊神经网络建模方法相比效果好,验证了方法的有效性.     

电液位置伺服系统的多滑模神经网络控制

针对电液位置伺服系统存在的强非线性、控制增益未知和非匹配不确定性.通过引入神经网络和带饱和层的多滑模面,提出了一种多滑模神经网络控制方法.该方法运用神经网络的万能逼近特性和滑模控制优良的抗干扰特点,采用构造性方法设计控制器.运用光滑投影算法和积分李雅普诺夫技术,避免了参数漂移和控制器奇异问题.理论证明了系统跟踪误差收敛于任意设定的滑模面饱和层内.仿真实验表明了理论结果的有效性.     

电液速度伺服系统的模糊PI控制

为了提高控制精度、改善系统的静动态特性,针对液压马达速度伺服系统的非线性时变特点,提出了电液速度伺服系统中液压马达速度的控制方法。通过模糊推理在线实时调节PID参数,使系统控制参数迭到全局优化,解决了一般PID参数只是对于桌一工作点局部优化的问题。与单纯PID控制器相比,模糊PI方法使系统动态性能和鲁棒性得到了犬幅度提高,试验结果表明了该方法对非线性系统大范围控制的有效性。     

动态模糊神经网络控制器在伺服系统中的应用

通过在ANFIS的归一化层与输出层之间加入递归,层提出了一种新型的动态模糊神经网络（DFNN）,将模糊推理系统、神经网络和Ⅲ型控制有机地结合起来。给出DFNN的网络结构,为基于收缩间距隶属函数和BP算法提供了参数调整方法。系统实验表明,DFNN控制器比PID＋前馈控制具有更好的动、静态响应,尤其在前馈信号难以取得的情况下具有更明显的优势。     

电液位置伺服系统的变结构控制

1 前言影响电液位置伺服系统动态特性的主要非线性因素有:a.伺服阀具有的死区;b.液压缸摩擦力;c.系统零漂;d.动铁式比例电磁铁的滞回死区。上述诸因素引起的系统非线性对于提高系统动态特性带来了困难,在这里,那些依赖于对象的精确数学模型的方法显然是难以解决问题的。滑模变结构控制是一个控制器结构和参数高速切换型反馈控制系统。它的最大特点是,系统在所选定的状态空间的超平面的两侧,以跳变的方式改变控制器的控制结构,从而沿着超平面产生滑动动作。因为滑     

高精度电液位置伺服系统的智能PID控制

本文针对机器人的关节电液位置伺服系统的特点，基于常PID算法，结合仿人智能控制原理[1]，设计了一个简单的智能PID控制器，该控制器克服了机器人系统固人的变惯量，非线性等不利因素的影响，显著提高系统的动性能的精度，文中给出了大量的数字仿真实和实时控制结果。     

机械伺服系统基于模糊神经网络的复合控制

惯性参数大范围变化和低速状态下的非线性摩擦是制约机械伺服系统跟踪性能的主要因素,基于LuGre动态摩擦模型和干扰观测器的补偿控制可以实现非线性摩擦力矩的动态补偿,但状态观测器的设计是基于被控对象的数学模型,当负载惯性参数大范围变化时,上述控制系统性能无法保障,针对上述问题提出一种基于模糊神经网络补偿的状态观测器复合控制,分析了基于模糊神经网络补偿复合控制的理论与实现方法,并以直流电机飞行仿真转台作为被控对象进行了仿真试验,试验结果表明了控制方法的有效性。     

电液伺服系统的自适应控制

本文研究电流位置系统的自适应控制，文中给出由微计算机实现的自校正调节器算法，它由参数估计，调节器设计计算和其它辅助部分组成，通过混合仿真与实验，结果表明，该方法是有效的。     

模糊神经网络补偿的伺服系统二次型最优控制

针对伺服系统二次型最优控制存在的问题,提出了基于模糊神经网络补偿的二次型最优控制方法,该控制方法利用模糊神经网络的实时学习能力,能够及时补偿被控对象建模不准确、参数摄动和外界干扰等非线性因素对控制系统性能的影响,增强控制系统的自适应能力,有效提高控制系统的跟踪性能和抗干扰鲁棒性能.仿真试验结果验证了该控制方法的有效性.     

基于模糊神经网络PID的舵机控制系统

针对某型号导弹中舵机控制系统进行优化研究。对于具有非线性、时变特性的复杂系统,在分析传统PID控制算法和模糊神经网络控制算法的基础上,提出一种经过改进的模糊神经网络PID控制器。通过采用自组织学习阶段和有教师学习阶段的分阶段学习方式,提高网络的学习效率。建立直流无刷舵机控制系统的数学模型,利用MATLAB进行仿真分析。实验结果表明,所设计的控制器对阶跃响应更加迅速,基本无超调,对舵偏角指令执行准确,相位移动更小。     

电液伺服位置系统的变结构自适应鲁棒控制

该文建立了电液伺服位置系统的带有时变参数和非线性特性的三阶模型。在此基础上。基于滑模控制理论,对其设计了一种具有参数自适应能力的自适应滑模变结构控制器。从初始状态到达滑模面这段运动时间内和在滑模面上运动时,依赖于一个时间函数使系统在两个不同的控制律之间进行切换,以满足不同运动阶段的要求。此外在应用变结构控制的同时,通过参数自适应来消除系统不确定性对控制性能的影响,进而增加了系统的鲁棒性。然后基于李亚普诺夫稳定性理论证明了所设计系统的渐近稳定性。最后将此方法应用于冷轧机电液伺服位置系统进行仿真,结果表明这种针对不同运动阶段的特点所设计的控制器满足了变结构控制的可达条件,达到了减小系统到达滑模面的时间和削弱抖振的目的。与传统的变结构控制对比。该文所设计的控制器在减小响应时间、抑止超调和提高鲁棒性方面都具有先进性。     

基于模糊B 样条基函数神经网络控制的交流伺服系统

采用Ｂ样条函数八为模糊隶属函数,利用神经网络实现模糊推理,提出一种模糊Ｂ样条基品数神网络,并将其用于交流伺服系统的控制。仿真结果表明,该控制方法响应速度快,鲁棒性强,是一种有效的控制方法。     

基于模糊RBF网络的伺服系统辩识及控制

结合模糊控制和神经网络控制各自的优点，采用模糊RBF网络进行伺服系统辩识和控制，仿真结果表明，所采用的方法具有很好的辩识能力和控制精度，并具有较高的鲁棒性。     

电液位置伺服系统内模鲁棒控制器的设计

针对电液位置伺服系统存在一定的参数不确定性和较大的负载扰动等问题,建立了电液位置伺服线性系统的数学模型,并将其转化为H∞性能准则问题.利用H∞鲁棒控制理论,设计了电液位置伺服控制系统的鲁棒状态反馈控制器;基于内模原理的设计方法,设计了跟踪控制器.仿真结果表明,该位置鲁棒跟踪控制系统不仅对于伺服系统的参数不确定性有较好的控制效果,而且可以有效地抑制位置伺服系统负载扰动的影响,并有效地提高系统的跟踪特性,使系统具有良好的动态性能.     

电液伺服结构试验系统的神经网络快速鲁棒跟踪控制*

针对结构试验系统的非线性和不确定性特性,提出一种神经网络并行自学习跟踪控制器,在满足试验系统实时性要求的条件下,通过神经网络在线建模和虚拟学习做到了控制器的在线自适应设计,并解决了实时训练样本不足的问题,实例仿真表明设计的控制系统具有良好的波形再现能力     

TRT装置中的电液伺服控制系统

文章简要介绍了马钢公司第四炼铁厂2500m^3高炉TRT中调静叶、启动阀、旁通快开阀电液伺服控制系统的组成、工作原理及在TRT装置中的作用。     

模糊神经网络PID在数字舵机控制中的应用

针对某型号数字舵机系统在非线性时变的复杂条件下,传统的PID控制器响应速度慢,精度低,抗过载能力差的缺点,通过对模糊神经网络算法的研究,结合传统的PID控制器,设计了模糊神经网络PID控制器。分别将两种控制算法应用到舵机系统进行实验可以得出,模糊神经网络PID控制器使得舵机位置环阶跃响应上升时间从80ms减小到35ms,超调量从10％减小到小于5％,在频率特性测试中反馈曲线衰减从-2.79dB减小到-0.77dB,相移从65°减小到35°,同时系统非线性引起的畸变明显改善。     

遗传算法在电液伺服系统分层模糊控制中的应用

针对模糊控制中规则数和可调参数多的问题,对遗传算法在分层模糊控制系统中的应用进行了研究,考虑遗传算法具有强大的全局搜索能力,提出了基于遗传算法的分层模糊控制的设计方案。该方案采用2个模糊控制器分层连接,即第一层采用基于遗传算法优化的模糊控制器,第二层采用典型的模糊控制器,从而大大减少了模糊规则和可调参数的个数,便于实时控制。电液伺服系统的实际仿真结果验证了该方案的有效性。