基于双迭代学习-交叉耦合的双轴误差控制

在双轴高精度轮廓加工中,单轴的跟踪误差和双轴间运动不协调产生的轮廓误差都会影响加工精度。文章提出了一种基于双迭代学习-交叉耦合的双轴运动控制策略,将单轴的迭代学习控制(iterative learning control,ILC)与双轴的交叉耦合控制(cross-coupled control,CCC)以及轮廓误差的ILC相结合。单轴的ILC用来改善单轴的跟踪性能,减小单轴的跟踪误差;双轴的CCC用以增加各轴之间的匹配程度,减小轮廓误差;轮廓误差的ILC可以提高轮廓的跟踪性能,进一步削减轮廓误差。仿真结果表明,双迭代学习-交叉耦合控制系统不仅能够有效降低单轴的跟踪误差,而且能显著减小轮廓误差。

双迭代学习-交叉耦合控制算法设计

传统的迭代学习控制算法和交叉耦合迭代学习控制算法已经无法满足工业制造、军事和交通运输等许多应用领域对控制系统精度的要求,因此,从制造业的角度出发,研究一种面向多轴运动控制系统的轮廓误差控制算法,即在整体系统中使用迭代学习交叉耦合控制算法,又在单轴上使用自适应迭代学习控制算法。实验结果表示,该算法在单轴上的跟踪误差是传统控制算法跟踪误差的75.36%,系统的轮廓误差是传统控制算法轮廓误差的65.15%。因此,这种双迭代学习交叉耦合控制算法技能满足单轴上的跟踪精度要求,也能显著地减小系统的跟踪误差。

基于迭代学习交叉耦合的轮廓误差控制方法研究

针对进给伺服系统传统控制方法产生的各轴特性不匹配、控制精度不佳、抗扰动能力不足等问题,提出一种基于自抗扰控制(ADRC)和迭代学习交叉耦合控制(ILCCC)的轮廓跟踪控制算法。对于空间任意轮廓曲线,所提算法在三轴联动条件下,通过不断的迭代学习过程,优化分配给各轴的轮廓误差补偿量,加快伺服轴动态响应的同时,有效抑制伺服系统的轮廓误差。在仿真平台下建立控制器数学模型,对空间直线和空间螺旋线轨迹进行了三维跟踪验证。研究结果表明:与ADRC控制算法和ADRC+PIDCCC控制算法相比,ADRC+ILCCC控制算法在轮廓误差的最大绝对值、累计值以及平均值等指标上均有很大改善,证明了所提算法的优越性。

直线电机XY平台交叉耦合迭代学习控制

针对直线电机XY平台进行周期性轮廓加工时产生的周期性轮廓误差,设计了将迭代学习控制与交叉耦合控制相结合的交叉耦合迭代学习控制器.利用实时轮廓误差估计模型估算出轮廓误差,通过迭代学习控制器削弱周期性轮廓误差,按交叉耦合增益的关系来分配X、Y轴的补偿量,实现对周期性轮廓误差的实时补偿.理论推导与仿真结果表明,该方案不仅有效减小了直线电机XY平台的轮廓误差,而且增强了系统的鲁棒性.

基于交叉耦合迭代学习的三轴运动控制算法研究

随着科技的日新月异、工业的快速发展,许多工业领域对控制系统的性能提出了更高的要求,普通平面控制系统已经无法满足日益复杂的空间作业任务,而三轴运动控制系统在三维空间任务中具有强大的优势。从制造业的角度出发,致力于研究一种面向三轴运动控制系统的交叉耦合迭代学习的轮廓误差控制方法,既能保证单轴的跟踪性能,又能减小各轴之间运动的不协调,从而减小轮廓误差。介绍传统的两轴误差模型和基于向量法的三轴误差模型,以及迭代学习控制和交叉耦合控制的概念;针对三轴运动控制系统的性能提升提出一种三轴交叉耦合-迭代学习控制算法;设计相关对比实验,实验结果表明该算法能有效减小轮廓误差。

基于交叉耦合与迭代学习的伺服系统运动控制研究

针对数控机床进给伺服系统各轴动态响应不一致,导致零件加工精度降低的问题,对数控机床进给伺服系统运动控制进行了研究。采用了迭代学习控制与交叉耦合结构相结合的控制方法,设计了进给伺服系统单轴位置环的迭代学习控制器,抑制了单轴跟随误差,设计了多轴的变增益交叉耦合迭代学习控制器,来抑制多轴轮廓误差;利用在MATLAB/SIMULINK环境中搭建的仿真模型,对三叶玫瑰曲线轨迹进行了跟踪验证;将所设计的控制器与其他控制方法进行了对比分析。研究结果表明:与其他控制方法相比,所设计的控制器跟踪曲线的最大轮廓误差和平均轮廓误差都得到了降低,证明所设计的单轴和多轴运动控制器能够实现降低轮廓误差,提高零件加工精度的目的。

基于指数增益迭代学习三轴运动平台轮廓控制

为了得到三轴运动平台精确的轮廓误差估计值,提出了一种基于指数增益型迭代学习的轮廓控制方法。以永磁直线同步电机驱动的三轴运动平台为研究对象,建立三轴运动平台的数学模型,采用泰勒扩展轮廓误差估计法对轮廓误差进行估计,并设计了基于指数增益的PD型迭代学习控制器。采用交叉耦合控制策略,选取按比例的分配方式将轮廓误差补偿到原始参考轮廓上。仿真结果表明,针对给定马鞍形和心形曲线采用指数增益迭代学习比传统迭代学习控制的轮廓误差最大值以及均方差值均有所减小,可证明该方法能够有效减小系统轮廓误差,提升轮廓控制精度。

串级型迭代学习交叉耦合轮廓误差控制方法

针对两轴伺服系统的研究轮廓误差控制问题,提出了一种串级型迭代学习交叉耦合轮廓误差控制方法,设计了控制器结构并且给出了两轴迭代学习交叉耦合控制算法的收敛条件。仿真结果表明此方法可以实现跟踪误差和轮廓误差的有效补偿。

迭代学习控制在吊车-双摆系统中的应用研究

适用于双摆模型系统的吊车在运送相同批次,相同型号货物,并且在保证搬运货物的轨迹相同的情况下,其运动轨迹具有极高的重复特性。提出了基于迭代学习控制的吊车-双摆系统位置和速度控制方法,建立了吊车-双摆系统的静态模型,设计了关于位置和速度控制的迭代学习控制算法,理论上分析了算法的收敛性。仿真结果表明,在经过80次左右的学习之后,吊车-双摆系统的输出能够可以较好地跟踪上期望轨迹,获得较高的控制精度,验证了控制方法的有效性。

一阶强双曲分布参数系统的迭代学习控制

研究了一阶强双曲分布参数系统的迭代学习控制问题.首先利用Fourier变换和半群方法导出了系统状态的适应解.进而基于强双曲条件和Plancheral定理,在允许迭代过程中初值存在一定偏差条件下,给出并证明了系统在P型迭代学习控制算法下的收敛条件.最后应用实例说明了所提方法的有效性.

基于状态-动作图测地高斯基的策略迭代强化学习

在策略迭代强化学习中,基函数构造是影响动作值函数逼近精度的一个重要因素.为了给动作值函数逼近提供合适的基函数,提出一种基于状态-动作图测地高斯基的策略迭代强化学习方法.首先,根据离策略方法建立马尔可夫决策过程的状态-动作图论描述;然后,在状态-动作图上定义测地高斯核函数,利用基于近似线性相关的核稀疏方法自动选择测地高斯核的中心;最后,在策略评估阶段利用基于状态-动作图的测地高斯核逼近动作值函数,并基于估计的值函数进行策略改进.10×10格子世界的仿真结果表明,与基于状态图普通高斯基和测地高斯基的策略迭代强化学习方法相比,本文所提方法能以较少的基函数、高精度地逼近具有光滑且不连续特性的动作值函数,从而有效地获得最优策略.

异构双腿机器人结构建模与迭代学习控制仿真

异构双腿行走机器人(BRHL)是一种全新的类人机器人模式。首先阐述了BRHL的概念及研究意义。基于分割建模思想,推导出BRHL运动学、动力学方程。针对高阶微分代数方程组动力学正解问题,提出了一种带误差反馈控制的预估-校正数值积分方法。最后探讨了BRHL的控制方法并进行了仿真计算。结果表明,一阶P型开闭环学习控制能够很好实现仿生腿对人工腿步态的跟踪。

滞后工业过程稳态优化进程中的局部对称双积分型迭代学习控制(英文)

对具有滞后工业过程稳态优化进程提出加权超前局部对称双积分型迭代学习控制算法 .基于理想轨线与控制系统的实际输出动态信息 ,提出基本的迭代学习控制算法并分析和论证算法的收敛性 ,给出局部对称积分区间参数的确定策略 .数字仿真表明 ,加权超前局部对称双积分型迭代学习控制算法能有效消除噪声对系统输出信号的影响并能改善滞后工业过程稳态优化进程中控制系统的动态品质 ,如减少超调 ,缩短过渡时间 ,加快响应速度等 .

双阀并联电液伺服力控系统的迭代学习控制

针对大部分舵机电液伺服力控系统存在多余力的问题,提出采用双电液伺服阀并联控制,即高响应大流量伺服阀和p-qv伺服阀并联的控制方法。考虑系统的非线性和时变特性,采用了模糊控制与迭代学习控制相结合的控制方法,即一个控制器采用模糊学习控制,另一个采用迭代PI控制。理论分析及仿真结果表明,双阀并联控制方案在舵机启动和停车过程中可以更好地抑制多余力,同时改善了系统的加载性能、非线性和时变特性的影响。

基于2-D线性连续—离散系统理论的P型闭环迭代学习控制

将2-D线性连续-离散系统理论应用于迭代学习控制中,给出能很好反映迭代学习控制过程的数学模型(2-D线性连续-离散系统Roessor模型)。在2-D系统理论基础上证明了P型闭环迭代学习控制律的收敛性。根据该系统理论设计的闭环迭代学习控制器,受到的限制较小。

D型闭环迭代学习控制的2-D模型及收敛性分析

本文将 2 D线性连续 离散系统理论应用于连续线性迭代学习控制系统中 ,给出能很好反映迭代学习控制过程的数学模型 2 D线性连续 -离散系统Roessor模型。在 2 D系统理论上证明了D型闭环迭代学习控制律的收敛性。根据该理论设计的闭环迭代学习控制器 ,受到的限制较小。

2-D连续-离散系统的迭代学习控制

研究2-D连续-离散系统的迭代学习控制问题.针对系统不同的输出形式,基于P型学习律和D型学习律构建得到迭代学习控制律,利用迭代收敛原理,证明这2种学习律都能使得系统的输出跟踪误差沿迭代轴方向收敛.

一类双线性参数化时变时滞系统的自适应迭代学习控制

针对一类双线性参数化时变时滞系统,设计了一种新颖的自适应迭代学习控制策略,该策略利用信号置换思想与参数重组技术来有效处理系统中时变时滞项,引入微分-差分耦合型自适应律以解决系统中双线性参数化项.通过构建一个Lyapunov-Krasovskii型复合能量函数证明了跟踪误差的收敛性以及所有信号的有界性.仿真实例结果表明该策略是有效且可行的.

一阶双曲型偏微分多智能体系统的迭代学习控制

针对一类由一阶双曲型偏微分方程构建而成的多智能体系统的迭代学习控制(iterative learning control,ILC)问题,基于系统的拓扑网络结构,利用相邻智能体的信息,构建得到基于一致性的ILC协议,当该ILC律作用于系统时,系统的一致性误差在L2空间有界;当系统的初值偏差为0时,系统的一致性误差能随着迭代学习次数的增加而趋于0。仿真算例验证了算法的有效性。

基于双闭环迭代学习控制的PMSM转矩脉动抑制

针对永磁同步电机(PMSM)低速运行时转矩脉动大的问题,在迭代学习控制的基础上提出一种基于双闭环迭代学习的控制方法。仿真实验结果表明:与经典PI控制相比,所提控制策略能有效抑制电机低速运转时出现的输出转矩脉动,保证电机的平稳运行,提高永磁同步电动机在不同情况下的驱动性能。