泵控缸电液位置伺服系统建模研究

针对泵控缸电液位置伺服系统存在非线性和时变性,从而难以对其精确建模的问题,研究了该系统机理建模和智能建模的方法。通过实验仿真表明,机理建模精度低、泛化能力差;模糊建模和BP神经网络建模可较好的拟合系统固有的非线性和时变性特性;基于遗传算法的BP神经网络较好的解决了BP神经网络易陷入局部最小的问题,具有建模精度高、泛化能力好的特点。

某扫雷车扫雷犁电液伺服系统辨识与控制

针对某扫雷车扫雷犁电液伺服系统存在非线性及时变性的问题,研究了其辨识和控制方案。提出了离线训练与在线微调相结合的神经网络辨识方案,较好地解决了反向传播BP神经网络易陷入局部最小的问题,加速了网络的收敛速度,且离线训练后的权值参数为合理值,避免了在线微调时的振荡现象。研究了神经网络间接模型参考自适应控制方案,该方案利用神经网络在线辨识器为神经网络控制器实时提供梯度信息,使神经网络控制器的学习修正能够正常进行。仿真研究和样机试验结果证明了所提出辨识和控制方案的有效性和正确性。

基于广义动态模糊神经网络的电液伺服系统控制

针对电液伺服系统这一复杂的非线性系统,提出一种广义动态模糊神经网络学习算法,并设计控制器。该算法以模糊ε-完备性作为高斯函数宽度的确定准则;同时对模糊规则和输入变量的重要性作出评价,并以此来调整每个输入变量和模糊规则。使用AMESim软件搭建了系统的模型,并利用AMESim的接口技术实现了与Simulink的联合仿真。仿真结果表明,该控制器具有较强的鲁棒性。

模糊逆模补偿控制在电液伺服系统中的应用研究

针对液压系统普遍存在严重非线性和不确定因素,难以建立精确数学模型实现满意控制效果的现实,提出一种采用模糊逆模预测补偿与常规PI控制器相结合的控制策略。用快速模糊聚类算法根据系统的输入输出数据关系进行建模,用常规控制器结合逆模预测补偿环节来进行控制。为了提升控制品质,利用当前数据对已建立的模糊模型进行在线学习调整。实验结果表明了该控制方案的可行性和有效性。

自抗扰控制在泵控缸电液位置伺服系统中的应用

针对某泵控缸电液位置伺服系统的特点,提出了自抗扰控制方案。自抗扰控制器的设计不依赖于被控对象的精确数学模型,并可将对象的不确定性、未建模动态和外界干扰的总量都估计出来,使系统性能得到有效补偿。仿真结果表明,该方案能保证系统具有响应快、无超调、稳态精度高的特点,并且对内、外扰动具有较强的抑制能力。