X-Y定位平台的鲁棒自适应摩擦补偿

本文首先描述了XY平台实验系统及其模型建立 ,接着 ,针对XY定位平台中存在的载荷及摩擦参数的不确定性问题 ,提出了一种鲁棒自适应运动控制方案 ,所设计的控制器将滑模控制和自适应控制有机地结合在一起 .应用Lyapunov稳定理论证明了控制器的稳定性及跟踪误差的收敛性 .仿真和实验结果表明此方案能够在线辨识摩擦参数 ,具有较高的控制精度 .

基于改进神经网络的不确定性X-Y定位平台自适应控制

描述了X-Y平台实验系统的组成及其模型的建立过程。针对X-Y定位平台中存在的载荷以及摩擦参数的不确定性问题,提出了一种基于改进神经网络来补偿X-Y定位平台不确定性的方法。采用自适应遗传算法调整神经网络的权值系数,增强了神经网络的学习能力,使该定位平台的控制精度、鲁棒性和动态特性得到了改善。计算机仿真结果表明这种控制设计方案具有很好的动态特性。

基于X-Y定位平台的力/位置混合控制

在确定了X-Y定位平台系统数学模型的基础上,提出了一种力/位置混合控制方法。在位置控制部分,采用了基于重复控制补偿的PID控制方法。用重复控制作为误差补偿与传统简单的PID控制器相结合作为位置控制部分所采用的控制算法。在力控制回路中采用一种自适应模糊控制方法。通过引入一个切换函数来确定控制律形式,根据所设计的模糊规则对变量进行模糊化,通过解模糊得到控制律结果,自适应律是通过调制饱和度得到的。仿真结果表明,该控制方法能使系统的自适应能力和鲁棒性均有显著改善。

X-Y定位平台自适应神经网络的摩擦补偿控制

针对X-Y定位平台中摩擦等非线性部分对控制精度的影响问题,提出了基于自适应神经网络的鲁棒控制策略。设计神经网络控制器对摩擦及干扰等不确定部分进行补偿,其网络逼近误差作为外界扰动通过鲁棒控制器消除,保证X-Y平台的定位精度;设计神经网络参数学习算法,保证权值的在线自适应实时调整。基于H∞的HJI理论证明了控制系统的稳定性,并保证了系统L2增益小于给定的指标。试验结果表明所提控制方法能够很好补偿摩擦模型,提高了定位精度,具有重要工程应用价值。

不确定性X-Y定位平台自学习控制研究

针对带不确定性的X-Y定位平台系统位置控制问题,提出了径向基函数神经网络的自学习控制策略。首先建立X-Y定位平台轴系统的动力学模型,然后利用增广变量法设计了基于神经网络PID控制器,利用RBF神经网络良好的逼近能力来进行自学习控制,设计了改进随机梯度算法来实现网络权值的自适应调整,并加快其学习速度。针对神经网络动态特性欠缺的问题,设计了PID控制器来保证控制阶段初期的跟踪精度。最后通过仿真详细分析了其控制机理,并证明了该方案的有效性,具有较高工程应用价值。

不确定性X-Y定位平台PID控制方法研究

X-Y定位平台属于强耦合非线性系统,且由于结构复杂性及外界干扰,当前测量水平难以获得其精确的数学模型,提出基于自适应神经网络的PID控制策略。考虑到X-Y定位平台系统精确的数学模型难以获得,利用神经网络良好的学习能力来逼近系统未知非线性模型,设计神经网络控制器;为了保证神经网络在学习的初期阶段的控制精度,设计PID控制器来进行辅助补偿控制;为加快学习速度,提高运动控制的实时性,设计变学习率的优化算法来实现神经网络权值的在线调整。试验结果验证了所提控制方法的有效性。

Baldor Electric推出HoneyComb系列直线步进X-Y定位平台

Baldor Electric公司日前推出了最新的HoneyComb系列预装配式直线步进X—Y定位平台，该产品能够极大地提高各类机械设备的产能。

超声电机在精密定位平台中的应用研究

介绍了经过改进的基于超声电机的x-y精密定位平台。旨在探索超声电机的应用领域,以此更好地推动超声电机的发展。