基于模糊神经网络PID的煤矿掘进机俯仰控制研究

目前煤矿掘进机俯仰控制主要采用PID控制方法,在掘进机俯仰控制时变性与液压系统非线性情况下的控制精度不高。掘进机俯仰控制通过控制液压缸行程实现,将传统PID算法与模糊控制、神经网络等相结合,可有效提高液压缸行程控制精度。提出了一种基于模糊神经网络PID的煤矿掘进机俯仰控制方法。通过分析掘进机支撑部运动学关系,得到俯仰角与支撑部液压缸的数学关系;介绍了掘进机俯仰控制液压系统工作原理,建立了液压系统及其传递函数模型;将模糊控制与神经网络相结合,形成模糊神经网络,利用模糊神经网络优化PID控制参数,再结合支撑机构数学模型和液压系统传递函数模型,建立掘进机俯仰角模糊神经网络PID控制模型,实现煤矿掘进机俯仰机构自动精确控制。该方法可使掘进机俯仰机构更加快速、准确到达预设位置,解决掘进机俯仰控制中的时变性与非线性难题。仿真结果表明:模糊神经网络PID控制算法相较于模糊PID和PID控制算法,跟踪误差分别降低了69.34%和74.49%。通过液压缸位移控制模拟煤矿掘进机在突变工况和跟随工况下的俯仰控制,结果表明:模糊神经网络PID控制算法相比模糊PID和PID控制算法,俯仰控制跟踪误差最小,对位置信号的平均响应时间分别缩短了27.22%和50.33%,动态控制性能更好。

下肢外骨骼负载携行控制方法研究

对人自然行走的步态运动规律进行了5个步态相位划分,并通过人体动作捕获试验获得行走过程中下肢髋关节和膝关节角度变化规律。结合髋关节与膝关节姿态运动规律建立膝关节外骨骼运动数学模型,从理论上分析负载携行系统的运动特性,给出位姿随动控制时的液压缸动态负载参考值。利用伺服阀对液压缸位移进行伺服控制,设计液压缸位移反馈PID控制律,实现携行系统在不同负重、不同位姿变化条件下人机耦合助力随动控制需求。通过重载携行试验表明:外骨骼能够实现50 kg以上人机重载携行,试穿员具有明显的省力效果。