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。     

混合输入机构实现给定轨迹的模糊控

混合输入机构运转过程中,由于惯性力等因素的存在,恒速电动机会产生一定的速度波动,影响了输出运动轨迹的精度.针对混合输入机构中恒速电动机不可控的特点,提出了伺服电动机实时跟踪恒速电动机转速的控制策略.构建了混合输入机构控制平台,设计了伺服电动机对恒速电动机转速实时跟踪的模糊控制器,对恒速电动机的速度波动进行补偿,以保证精确实现给定轨迹.实验结果表明模糊控制器具有较高控制精度和稳定性.     

大型喷杆喷雾机钟摆式主被动悬架自适应鲁棒控制研究

针对大型喷雾机喷杆钟摆式主被动悬架系统存在的参数不确定性和随机干扰导致控制精度低、稳定性差的问题,对基于模型补偿的自适应鲁棒控制算法进行研究。建立了钟摆式主被动悬架的非线性动力学模型和调节机构几何方程,基于模型设计了自适应鲁棒控制器,综合悬架系统和电液位置伺服系统模型中存在的参数不确定性,同时兼顾系统未补偿的摩擦力和外部扰动等不确定非线性因素,通过理论分析和试验证明,在同时存在模型参数不确定和不确定非线性的情况下,设计的控制器可以保证系统输出跟踪控制的暂态性能和稳态精度。以单出杆液压作动器驱动的28m大型喷杆主被动悬架为例,借助建立的大型喷杆悬架半实物仿真平台进行了控制算法的试验验证,并使用Stewart六自由度运动平台模拟底盘的运动干扰,与反馈线性化控制器、鲁棒反馈控制器、PID控制器进行了试验对比,结果表明,设计的基于模型补偿的自适应鲁棒控制器最大跟踪误差0.148°,而反馈线性化控制器最大跟踪误差0.201°,鲁棒反馈控制器最大跟踪误差0.51°,PID控制器最大跟踪误差0.48°。设计的控制器在同时存在参数不确定性和扰动的情况下,使用较小的反馈增益能够保证渐进跟踪性能和稳态跟踪精度。     

非对称液压缸位置伺服系统鲁棒控制

针对阀控非对称液压缸位置伺服系统存在参数摄动和不确定外负载的问题,提出了一种鲁棒H∞自适应反步控制器的设计方法。在设计控制器时,通过对子系统选择合适的Lyapunov函数,避免了高阶系统中对虚拟控制量重复求导的问题;使系统的跟踪误差满足鲁棒H∞性能指标,增强了系统的鲁棒性;考虑到控制输入前的不确定参数会导致所设计控制律和自适应律互相嵌套,把系统模型中的时变参数进行变量置换,并对整个系统构造了一个合适的Lyapunov函数,从而解决了该问题;最后对闭环系统的稳定性进行了证明。仿真结果表明,与PID控制器相比,所设计的控制器使系统的输出对给定信号的跟踪速度更快,具有更小的跟踪误差,且对参数变化有较强的鲁棒性。     

同步转向高地隙喷雾机模糊自适应轨迹跟踪预测控制

为提高同步转向高地隙喷雾机轨迹跟踪的稳定性与鲁棒性,提出一种基于模型预测控制理论的模糊自适应轨迹跟踪方法。首先,基于刚体运动学以及几何约束推导出喷雾机的非线性运动学模型,并对该运动学模型进行简化;然后,基于简化的运动学模型建立喷雾机的状态预测模型;最后,结合实际工况设计了模糊自适应预测控制器。仿真试验表明：与传统的预测控制器相比,模糊自适应预测控制器的跟踪速度更快、稳定性更好。场地试验表明：在进行初始误差2.5、5m的直线轨迹跟踪以及无初始误差的圆形轨迹跟踪时,其平均误差分别为0.0442、0.0602、0.0901m。本文建立的喷雾机运动学模型可以很好地体现同步转向高地隙喷雾机的运动特点,设计的模糊自适应预测控制器可以保证喷雾机路径跟踪的准确性和鲁棒性。     

伺服电动机系统模型参考自适应建模方法

提出了一种基于模型参考自适应系统的建模方法,以动态特性优良的低阶系统为参考模型,以伺服电动机系统为被控对象,基于Lyapunov稳定性理论建立模型参考自适应系统,通过试验使可调系统和参考模型达到精确匹配,然后推导了伺服电动机系统的低阶模型.结合实例,利用该方法得出了伺服电动机系统的二阶模型,对该模型和伺服电动机系统在20 s内连续输入50 000个脉冲信号时,两者输出相差在±0.000 63 rad以内,证明了所获得的模型具有较高的精确度.     

基于SVM的RBF网络在农机总动力预测中的应用

径向基神经网络是一种单隐层的三层前向网络,具有结构简洁、学习速度快等优点。为此,分析了径向基神经网络采用传统聚类方法确定基函数中心存在的问题,提出了一种基于支持向量机聚类确定径向基网络基函数中心的方法。该方法以最大间隔原理和结构风险最小化原则为前提,利用核方法把输入空间的样本映射到高维特征空间完成聚类工作来确定基函数的数量。采用改进的方法训练的径向基神经网络对黑龙江省农机总动力进行非线性时间序列预测,结果表明:改进的网络在确定网络结构、学习速度和提高网络预测精度方面都有较好的效果。     

基于粒子群算法的混联机构神经网络自适应反演控制

针对含有不匹配干扰的混联机构轨迹跟踪控制问题,提出了一种极限学习机与自适应反演控制相结合的控制策略。在对干扰进行分析的基础上,分别采用两个极限学习机网络对系统中的匹配和不匹配干扰进行逼近和补偿。基于Lyapunov函数稳定性设计了混联机构的控制律与自适应律,实现混联机构的轨迹跟踪控制。由于控制器可调参数较多,采用粒子群算法进行控制器参数的寻优整定。仿真结果表明,所提出的控制方法具有良好的轨迹跟踪精度和鲁棒性。     

基于SimMechanics机械臂自适应模糊PID控制仿真研究

针对传统PID控制机械臂在运动中存在跟踪精度低、响应速度慢、动态性能差等问题,提出采用自适应模糊PID控制。通过用Sim Mechanics搭建二自由度机械臂模型,分别运用传统的PID控制和自适应模糊PID控制方案进行仿真并比较上述两种方案控制效果。仿真结果表明,所设计的自适应模糊PID控制器相比传统的PID控制器对控制机械臂运动有更好的控制效果。     

一种改进的RBF神经网络在农机总动力预测中的应用

径向基神经网络是一种局部逼近型神经网络,具有结构简单、训练速度快等优点。为此,分析了传统径向基神经网络采用k-means聚类方法确定网络相关参数中存在的问题,提出了一种基于系统聚类确定基函数中心的方法,利用系统聚类逐个减少类别个数的原理,解决了确定基函数中心时对初始点敏感的问题,同时提出用一个和类间距相关的参数作为聚类终止的条件,确定了基函数的数量。用改进的方法对农机总动力进行预测,结果表明:改进方法在确定网络结构和提高网络性能方面有较好的效果。     

给定速度需求的移动机器人路径跟踪控制与实验

针对轮式移动机器人给定速度需求的非连续路径跟踪控制问题,将其转换为满足速度约束的轨迹规划和轨迹跟踪控制。首先,针对给定速度需求的路径跟踪问题,以运行时间和能量为优化目标,给定的路径和速度为约束条件,采用五次Bezier样条方法优化得到了满足需求的连续光滑轨迹。其次,利用轮式移动人系统的微分平坦特性,采用微分平坦方法设计前馈控制器;然后,将轮式移动机器人运动学模型在前馈控制的平衡点处进行一阶泰勒展开,得到了线性时变的误差模型,并通过定义新的状态变量,设计了具有Lyapunov稳定性的误差反馈控制器。结合前馈控制和反馈控制得到了二自由度轨迹跟踪控制器。同时将泰勒展开的高阶项考虑为有界的扰动输入,在输入到状态稳定性框架下证明了控制系统的鲁棒稳定性;最后,通过Pioneer 3-dx轮式移动机器人进行了实验验证,实验结果表明,提出的算法能够满足给定速度需求的非连续路径的跟踪控制需求。     

粉末成形液压机自适应鲁棒运动控制

在粉末冶金零件成形生产中,压坯产品的质量取决于粉末成形工艺的完成度,这依赖于成形液压机的运动控制性能。然而控制粉末成形液压机运动的电液系统是一种具有参数不确定性的非线性系统,且整个运动控制系统在粉末致密化加压成形过程中还受到了负载压制力的强非线性干扰。针对以上难题,研究中建立了负载压制力的非线性模型,将其与电液系统的动力学模型相结合,基于此包含负载动力学的控制设计模型利用自适应鲁棒控制理论设计了粉末成形液压机的压制运动控制器。理论上,该控制器保证了鲁棒瞬态性能和稳态跟踪精度。实验结果表明,所设计的电液控制器可以实现对铁基粉末成形圆柱体压坯单向变速压制工艺压制运动曲线的精确跟踪控制,并表现出良好的控制性能。     

水田植保机自主作业滑模抗干扰路径跟踪方法

为解决无人化水田植保机在田间作业时上线速度慢、精度不高和抗干扰能力差的问题,提出了一种基于快速幂次趋近律和全局滑模控制的水田植保机路径跟踪控制方法。首先建立了含有滑移干扰项和航向角干扰项的水田植保机四轮异相位转向运动学模型,提出了一种基于全局滑模控制和快速幂次趋近律的直线作业跟踪转向控制算法,解决了滑模控制算法的抖振和趋近模态对干扰敏感的问题,使用Lyapunov判据检验了算法的收敛性。使用Matlab建立了仿真模型,对算法进行了仿真,相比基于指数趋近律和等速趋近律的滑模控制算法,本文算法的快速性更好。实际作业实验结果表明,该方法直线跟踪横向偏差绝对值最大为0.0778m,能够有效提高自主导航控制系统的稳定性和快速性。     

基于参考轨迹实时修正的机器人轨迹跟踪控制方法

针对动力学不确定性的机器人轨迹跟踪问题,本文提出一种基于参考轨迹实时修正的机器人轨迹跟踪控制方法。将轨迹跟踪中已产生的误差进行累加,实时前馈补偿到参考轨迹上即将被跟踪的点上。给出了该方法的控制框图,由控制框图导出跟踪误差与命令误差之间的关系式。关系式表明只需控制器中的控制算法保证速度误差稳定,即可保证跟踪误差收敛。此外,提高补偿增益的值可以提高误差的收敛速度。分析PD控制律能满足所提方法的收敛条件。给出了所提方法中参数的调节方案。通过仿真和实验验证了该方法的有效性。实验结果表明,各个关节跟踪轨迹1得到的误差绝对值均不大于0.008 7 rad;跟踪轨迹2得到的误差绝对值均不大于0.005 9 rad。     

小型民用风力发电系统最大功率跟踪策略研究

根据建立的风力发电系统模型,分析风力机输出特性,确定风力机输出功率与风力机的角速度有关。采用扰动观察法对最大功率点进行跟踪,通过查找风力机的最佳旋转角速度,实现基本风速不变和变化时的最大功率跟踪。     

混合悬架半主动控制器设计与试验

为改善传统被动悬架的动力学性能,回收悬架振动能量,设计了一种半主动混合悬架系统。建立1/4车动力学方程,分别研究馈能回路处于Boost模式和Buck模式时馈能回路内电流的变化情况,并分析MOS管占空比对直线电动机电磁阻尼力的影响。在此基础上,引入基于天棚和地棚混合控制的半主动控制策略。提出半主动控制参考力的概念,并运用粒子群算法确定其最优控制参数。通过对不同工作模式下电路电流的追踪,达到对电动机电磁阻尼力实时控制的目的。接着运用Simulink仿真搭建混合悬架系统模型,分别进行动力学性能、馈能性能以及电流跟踪控制效果对比。仿真结果表明,半主动混合悬架能够在改善车辆动力学性能的同时回收部分振动能量,所设计的半主动控制器对电流有较好的控制效果。最后,进行台架试验,通过对比试验结果验证了仿真结果的正确性。     

拖挂式大载荷特种车辆导航控制系统设计与试验

针对拖挂式大载荷特种车辆作业自动化以及高精度安全作业需求,以大载荷牵引车为对象,设计了一套拖挂式机组自主导航控制系统。车载程控系统采用模块化分布式系统,通过CAN总线实现系统内各模块间通信,远程运管平台与车载程控终端之间采用TCP协议进行数据通信,实现远程运管平台与车载程控系统间信息交互。建立拖挂式特种车辆的运动学模型,分析牵引作业时被牵引机具的牵引状态和最小转弯半径。针对传统纯追踪算法中固定前视距离缺陷,本文根据当前牵引车实时速度、追踪路径曲率、航向等信息动态计算前视距离,将固定前视距离改进为动态前视距离追踪,由单参数变为多参数进行优化控制参数,显著提高了轨迹追踪精度;使用随机森林算法对轨迹追踪数据进行特征提取,根据各个特征重要性指标权重,修改算法参数。在试验场地为水平倾斜度最大为2°的空旷的水泥跑道上,牵引车质量2t,被牵引机具质量10t、长22m,且牵引机组设计要求最大行驶速度为6km/h、最大横向偏差为50cm。根据复杂路径试验与数据分析,系统纠偏响应时延最大为84ms,牵引机组绝对横向误差最大为37.14cm,平均绝对误差为14.91cm,满足大载荷拖挂作业中的实际应用要求。