基于RBF神经网络的混合输入机构自适应控制

提出一种伺服电动机对常速电动机运动进行闭环跟踪的控制策略,控制伺服电动机的运动,以实现对常速电动机速度波动的补偿。由于系统精确模型难以获得,设计了基于名义模型的径向基函数网络自适应控制器,进行混合输入机构轨迹的跟踪,应用径向基函数(RBF)神经网络对系统中摩擦、外部扰动和动力耦合等不确定因素的和进行逼近,网络输出权值由自适应算法学习确定,并对该控制器进行稳定性分析。仿真结果表明,所设计的控制器稳定有效, 具有较强的鲁棒性。     

基于RBF神经网络的混合输入机构自适应控制

提出一种伺服电动机对常速电动机运动进行闭环跟踪的控制策略,控制伺服电动机的运动,以实现对常速电动机速度波动的补偿.由于系统精确模型难以获得,设计了基于名义模型的径向基函数网络自适应控制器,进行混合输入机构轨迹的跟踪,应用径向基函数(RBF)神经网络对系统中摩擦、外部扰动和动力耦合等不确定因素的和进行逼近,网络输出权值由自适应算法学习确定,并对该控制器进行稳定性分析.仿真结果表明,所设计的控制器稳定有效, 具有较强的鲁棒性.     

基于滑模控制的液压伺服系统的联合仿真研究

针对非对称缸液压伺服系统的不确定性,非线性和常规PID控制器的缺点,设计了改进的滑模控制器,有效减小了液压位置伺服系统中由于元件参数变化等引起的超调和振荡。利用AMESim/Simulink进行联合仿真,模拟实际工作中电液伺服位置控制系统常常遇到的负载变化、受外力扰动等情况,验证在此环境下控制器对电液伺服位置控制系统的控制效果,以及所设计的滑模控制器的鲁棒性、可靠性。     

电液位置伺服系统模糊速度补偿μ复合控制

针对变刚度电液位置伺服系统在快速定位控制中存在的超调现象,考虑负载刚度对位置伺服系统的影响,提出了模糊速度补偿μ复合控制策略,给出复合控制策略的工作原理,导出速度流量补偿模型。设计模糊速度补偿器及鲁棒μ控制器,实现了伺服缸无扰速度补偿及负载刚度摄动的抑制,应用Matlab、AMESim联合仿真和半实物仿真平台分别进行复合控制策略验证,仿真及实验结果表明,μ控制器有效抑制了负载刚度摄动,而速度补偿的引入使系统在快速性条件下实现了位置的精确定位控制,验证了所提控制策略的有效性。     

变频泵控马达调速系统变结构鲁棒设计

针对变频泵控马达调速系统负载转矩的未知时变特性,设计了一种扰动观测器对负载转矩扰动进行观测及补偿。设计了滑模变结构鲁棒控制器,并进行鲁棒性证明,利用其对扰动不敏感特性来抑制各种内外干扰的影响,以提高系统的鲁棒性和控制性能。仿真试验表明,所设计的控制器对负载扰动和参数摄动的鲁棒性较好,具有较高的速度跟踪精度和较好的动态性能,可满足泵控马达调速系统的控制要求。     

液压并联平台神经元PSD与模糊CMAC复合控制

为了克服六自由度液压并联平台的耦合及负载扰动对轨迹控制的影响,基于神经网络自适应PsD控制器无需辨识过程参数和模糊CMAC控制器能提高系统逆动态模型辨识精度的特点,提出了一种神经元自适应PSD控制器与模糊CMAC神经网络控制器相结合的复合控制.仿真结果表明,该控制方法具有较高的控制精度、优良的鲁棒性和自适应能力,满足平台轨迹控制的实时要求.     

3PTT-2R串并联数控机床动力学耦合特性研究

为较好地保证机床动力学特性和在复杂曲面加工过程中有较好的加工精度,基于机构运动和受力规律,针对设计的3并联2串联混合型数控机床进行动力学耦合问题研究。提出了一种联合应用凯恩方程及拉格朗日方程的动力学解耦方法。建立了机床串联及并联部分完整的动力学耦合模型并确定了耦合因素。进行了复杂曲面零件的动力学耦合仿真,仿真结果表明:建立的动力学耦合模型是正确且可行的,符合运动学及受力规律。进行了复杂曲面零件的切削加工实验,机床运行平稳且速度较快,无较大奇异位置及耦合误差。表面粗糙度结果反映了机床的运动精度,干涉条纹证明了机床受力均匀。实验结果表明理论分析正确,该研究方法和过程不仅能够真实、主动和有效地解决机床动力学耦合问题,而且可为后续机床精确伺服控制提供基础。     

神经网络与计算力矩复合的机器人运动轨迹跟踪控制

为了实现机器人精密运动控制,在其关节系统引入计算力矩法(CTC)与神经网络复合的控制器,旨在通过CTC实现系统的初步控制并利用神经网络补偿机器人的不确定动力学特性所带来的运动误差.首先,建立了机器人的动力学模型并对其不确定性动力学量进行了描述;然后,为机器人构建了双闭环控制系统,并依据机器人标称模型规划出CTC控制律;进而,引入函数链神经网络(FLNN)对不确定性动力学量进行估值,并推导出FLNN的学习律;最后,对系统进行了仿真,结果显示,该复合控制器可将关节位置和速度跟踪误差控制在±0.001 rad和士0.001 rad/s之内,且其对机器人的参数变化及外部扰动具有较强的自适应性与鲁棒性.     

馈能悬架自适应离线神经网络逆控制

在馈能悬架系统馈能回路中引入Boost/Buck型DC-DC变换器,将DC-DC变换器的非线性数学模型描述为稳态分量和扰动分量之和,设计了自适应离线神经网络逆控制器。控制器由离线神经网络逆控制器和自适应控制器组成,离线神经网络逆控制器产生直流变换器的稳态输入,并利用变换器的稳态分量产生训练离线神经网络逆控制器的样本,自适应控制器产生补偿系统参数变化和不确定性扰动的动态输入。在此基础上,对控制器的性能进行了快速控制原型试验验证。最后,对馈能悬架进行了仿真研究。结果表明,自适应离线神经网络逆控制器能够使电动机电磁阻尼力较好地跟踪理想力,改善车辆的舒适性和平顺性,并有效地回收部分悬架振动能量,实现自供能控制。     

电液伺服遥操纵机器入主-从位置控制器

针对电液伺服遥操纵机器人主-从双向伺服位置控制中存在的非线性和不确定性,提出主-从侧分别使用带干扰观测器的最优控制和有鲁棒补偿的PD反馈控制算法,以克服主动侧各液压缸因动态特性差异造成的位置跟随误差和从动侧外界环境的随机干扰对系统稳定性的影响。分别设计了观测器跟踪扰动的二次型控制器和有动态鲁棒补偿的位置控制器,通过仿真和试验验证了所设计控制器的有效性。试验结果表明,所设计的位置控制器,既提高了主-从位置跟随精度,又具有较强的自适应性和鲁棒性;提高了力反馈电液伺服遥操纵机器人系统的操作性。     

电液伺服系统的模糊控制研究

研究了电液位置控制伺服系统的动态特性，在分析传统模糊控制器优缺点的基础上，提出应用PI＋模糊规则自校正的控制策略可改善其系统性能。仿真结果表明，PI＋模糊规则自校正控制的电液位置控制伺服系统控制效果较好。     

半主动空气悬架的模糊神经控制仿真分析

以空气悬架客车1/4车辆模型为控制对象,设计了模糊神经控制器,以簧载质量垂直方向振动加速度均方根为控制指标,以车速50,120 km/h标准B级路面和标准C级路面为随机输入,利用MATLAB软件对模型进行了控制仿真分析。结果表明,模糊神经控制器对车辆的行驶平顺性和操纵稳定性均有明显的改善。     

泵控差动缸系统带负载力补偿量速度/位置复合控制方法

为提高泵控差动液压缸系统运动过程的平稳性及控制精度,提出了带有负载力补偿量的速度/位置复合伺服控制策略,确定了速度前馈控制量计算模型和负载力补偿量计算模型。为实现速度控制和位置控制的平稳切换,对切换参数及切换时机进行了研究,以实际位置相对目标位置的差值作为切换参数。建立系统的仿真模型和物理试验模型,对系统进行仿真和试验研究,仿真结果和试验结果都表明,采用速度/位置复合控制策略可以实现对泵控差动缸系统的速度和位置的同时控制,在保证控制精度的前提下有效提高了差动缸的运动平稳性。为便于比较,还对泵控差动缸系统单独的位置伺服控制进行了仿真和试验研究,对比结果表明,所提出的复合控制策略具有明显的优越性。     

燃气发动机调速控制与试验

将神经网络与PID控制器相结合,构成了神经网络非线性PID（NNXPID）控制器。将该方法应用到发动机转速控制中,测试了发动机的转速阶跃变化工况、热机启动工况以及负荷突加工况,结果显示NNXPID既具有PID拉制器结构简单、参数物理意义明确、稳态性能良好的优点,又具有神经网络自学习、自适应的能力,还具有模糊控制的快速响应、智能调节的功能。NNXPID控制下的燃气发动机的稳定调速率小于5％,转速波动率小于0．5％,突加负荷瞬时调速率小于10％,稳定时间小于5S,具有很好的动态和静态性能。     

双转子混合动力系统工作模式分析

开发出的双转子混合动力系统,主要由发动机、双转子电机、电机控制器、电池、电池管理系统和整车控制器构成。系统能够实现发动机停车启动模式、停车充电模式、起步和低负荷模式、巡航运行模式、加速模式、能量回馈模式和倒车模式,可以较好地满足混合动力汽车的工作需要。将其安装到某SUV车型上进行测试,节油效果明显。     

基于遗传算法的模糊神经网络温室温度控制器

为了创造适合作物生长的环境,针对温室系统的特点提出了一种新的基于遗传算法的模糊神经网络控制器,利用遗传算法训练模糊神经网络模型,并采用此模糊神经网络控制器控制温室温度系统.运用该方法对温室温度控制系统进行了Matlab 仿真,结果表明:采用遗传模糊神经控制器的系统,不但提高了阶跃响应的快速性,而且大大减少了超调量.     

基于模糊免疫PID算法的变量施肥技术研究

提出了针对多种肥料自动配比变量施肥的技术方案。机械结构方面设计了多个独立的料箱,每个料箱均能够独立被微控制器控制;肥料流量控制则是根据肥料流量以及施肥机械的行走速度,采用了基于模糊免疫PID算法对伺服电机进行控制;在算法性能方面,采用Mat Lab软件对模糊免疫PID算法和传统PID算法做了比较,证明了算法的鲁棒性和稳定性;最后,设计田间作业实验方案,通过实验数据证明了该变量施肥系统施肥精度高、可重复性好。     

基于蝙蝠优化BP-PID算法的精准施肥控制系统研究

水肥一体化技术在棉花、小麦、番茄等大田农作物种植场景中的应用逐渐增多。当前能够快速有效调整大田农作物水肥一体化系统中肥料流量的控制算法研究较为有限。由于水肥一体化系统存在时变性、滞后性与非线性的特点,常见的PID与BP-PID控制算法无法获得预期的控制效果。为此设计一种基于蝙蝠算法（BA）优化的BP神经网络PID控制器。通过采用BA对BP神经网络的初始权值进行优化,加快了BP神经网络的自学习速度,实现对水肥一体化系统中肥料流量的快速精准控制,从而降低了超调量、提高了响应速度。同时,基于STM32单片机搭建了水肥一体化流量调节测试平台,并对该控制器的性能进行了试验验证。结果表明,与常规PID控制器和基于BP神经网络的PID控制器相比,所设计的控制器具有较高的控制精度和鲁棒性,降低了由时滞性、非线性等因素引起的影响。平均最大超调量为4.78%,平均调节时间为41.24s。特别是在施肥流量为0.6m3/h时,控制器表现出最佳的综合控制性能,达到了精准施肥的效果。     

基于神经网络逆系统方法的汽车底盘解耦控制

为了消除汽车底盘各电控子系统间的耦合影响,采用了一种基于神经网络逆系统方法的底盘解耦控制策略.对集成主动前轮转向( AFS)、直接横摆力矩控制(DYC)和主动悬架(ASS)的汽车底盘系统进行研究,利用Interactor算法分析了底盘系统的可逆性,建立了多变量底盘系统的BP神经网络逆系统模型,将闭环控制器与神经网络逆系统组成复合控制器用于改善系统的动态性能,并进行了仿真验证.结果表明,基于神经网络逆系统方法的解耦控制策略能够消除底盘各电控子系统间的干涉和耦合影响,有效改善整车的操纵稳定性.