钢轨平直度测量仪测试平台仿形面波形数据建模分析

目前钢轨平直度测量仪检测精度评定方法存在大量测量仪的检测数据未参与其检测精度评定的数据统计分析中,为了能精确评定测量仪检测精度,需更多千分尺测量数据而增加人工测量的工作量。采用BP神经网络基于千分尺测量得到仿形面曲线函数B0(n)建立仿形面波形数据数学模型,并基于BP模型残差分析引入周期性函数进行组合修正,以得到千分尺在各个对应的测量仪检测位置上的测量值的曲线函数B(n),通过对比分析测量仪的连续检测数据A(n)与B(n)的相似度,可更充分的对钢轨平直度测量仪的检测精度进行评定及其性能的全面验证。实验结果表明:组合模型建模方法正确可行、建模精度较高,其平均绝对误差仅为0.0218 mm,平均相对误差仅为1.09%。

基于滑模控制的钢轨打磨车磨削力控制研究

针对钢轨打磨车打磨作业时磨削力控制难题,在分析钢轨打磨车磨削装置磨削力控制系统特点的基础上建立其数学模型,基于此模型采用滑模控制方法抑制外界扰动,实现对钢轨打磨车磨削力的有效控制,保证磨削装置满足现场钢轨打磨要求。仿真结果表明:磨削力方波跟踪控制时,滑模控制方法实现系统无超调控制、动态响应时间仅为1 s、干扰状态下其稳态跟踪误差仅为±7 N,控制系统具有较高的稳态精度、良好的动静态性能和鲁棒性。

基于神经网络反馈补偿控制的磁悬浮球位置控制

针对现有磁悬浮球位置控制算法控制精度不高的问题,提出了一种基于神经网络反馈补偿控制、PID控制和神经网络辨识器的磁悬浮球位置控制结构。采用神经网络辨识器建立控制系统误差与控制量的动态模型,在线学习时,神经网络辨识器在磁悬浮球位置实时控制过程中被训练,其训练后的参数动态复制给神经网络反馈补偿控制器,避免了神经网络反馈补偿控制器的离线训练。神经网络反馈补偿控制器在实时控制过程中基于PID的控制输出作进一步的学习,以补偿神经网络辨识器的建模误差并产生一个反馈补偿控制量。在控制回路中引入PID控制器可以保证神经网络在学习初期或系统受到扰动时闭环系统的稳定性,提高控制算法的鲁棒性。仿真与实验结果表明:神经网络反馈补偿控制方法较PID控制方法的控制精度由0.5mm提高到0.04 mm,控制系统具有良好的动静态性能和较强的鲁棒性。

基于神经网络补偿控制的PID双闭环球杆位置控制

针对球杆系统的位置控制难题,利用ADAMS软件建立球杆系统的三维虚拟样机模型,由此确定球杆系统的动力学模型,提出一种基于神经网络补偿控制的PID双闭环球杆位置控制方案,基于ADAMS/Controls与Matlab/Simulink进行了球杆位置控制的联合仿真。仿真结果表明:位置定值控制与方波信号跟踪控制时,PID双闭环-神经网络补偿控制较PID双闭环控制的稳态精度分别由0.06 m、0.08 m提高到0.002 m、0.003 m,正弦信号跟踪时,跟踪误差由0.15 m减小到0.05 m,PID双闭环-神经网络补偿控制具有更好的动态性能和较高的稳态控制精度。

试谈如何提高学生足球运球绕杆项目的成绩

在足球运球绕杆的实践教学中,教师应结合正确的技术动作开展教学,制定好教学策略,以便指导学生在体育球类选项考试中取得优异的成绩。