组合攻丝机床电气控制的改进设计

主要对组合攻丝机床传统电气控制进行了详细讨论并进行了一定的研究,通过软件方式对传统控制方式进行了完善,降低了传统方式在极限开关失效的情况下损坏机床机械部件的可能性,使组合攻丝机床工作更安全、可靠,同时减少加工零件的损耗并保护机床自身零件。经实际生产验证,该方法较适合在实际生产中推广,有较高的实用价值。

基于云神经网络自适应逆系统的电力系统负荷频率控制

针对区域互联电力系统受到风电及负荷扰动后,系统频率会出现大幅度波动的问题,提出一种基于云神经网络自适应逆系统的多区域互联电力系统负荷频率控制方法。在分析单一区域电力系统有功输出特性的基础上,建立计及多区域有功输出的互联电力系统负荷频率控制模型。采用自适应逆控制有效解决系统响应和扰动抑制的矛盾。将云模型引入自适应逆系统构建云神经网络辨识器。利用云模型在处理模糊性和随机性等不确定性方面的优势,进一步提高神经网络的辨识能力。仿真结果表明,所设计的云神经网络自适应逆系统不仅可以得到好的动态响应,还可以使风电及负荷引起的扰动减小到最小。

输入受限的轧机液压伺服系统多模型切换控制

针对轧机液压伺服系统随工况变化所引起的弹性刚度系数及外负载力跳变问题,在输入受限的情况下,提出了一种具有L2增益的鲁棒抗饱和多模型切换控制策略。首先,建立了轧机液压伺服位置系统在不同工况下的多模型集;其次,应用共同Lyapunov函数及稳定性理论证明了输入受限切换系统具有L2增益稳定性,并采用LMI方法设计了抗饱和状态反馈控制器。基于切换易实现原则,根据液压缸压力的变化作为各子控制器切换的依据。仿真及实验研究结果验证了本文所设计控制策略的有效性。

冷带轧机液压伺服位置系统的鲁棒输出反馈控制

针对具有参数不确定、不可测状态和未知外负载力的冷带轧机液压伺服位置系统,提出一种基于未知输入观测器的鲁棒输出反馈控制方法.首先,将含有外负载力的干扰项视为未知输入,构造未知输入观测器,然后基于所构造的观测器设计鲁棒输出反馈控制器.理论分析表明,所提出的控制方法能够保证闭环系统是一致有界稳定的,并具有鲁棒H∞性能.最后对某个650mm可逆冷带轧机液压伺服位置系统进行仿真研究,结果验证了所提出方法的有效性.

可逆冷带轧机速度张力多变量耦合系统的建模及分散控制

针对具有多变量、非线性、强耦合和不确定性的可逆冷带轧机速度张力系统,提出了一种基于扩张状态观测器(extended state observer,ESO)的全局积分滑模自适应反步分散控制方法.首先,采用机理建模方法,建立了相对完备的可逆冷带轧机速度张力多变量耦合系统的数学模型.其次,将各子系统的耦合项和不确定项看成外扰,通过构造的ESO对其进行动态观测,并分别引入所设计的全局积分滑模自适应反步控制器中进行补偿,速度张力系统实现了有效的动态解耦和协调控制.理论分析表明,所提出的控制方法能够保证滑模面的渐近稳定和闭环系统的渐近跟踪性能.最后,基于某1422mm可逆冷带轧机速度张力系统的实际数据进行仿真,结果验证了所提方法的有效性.

可逆冷带轧机速度张力系统的动态滑模解耦控制

为削弱可逆冷带轧机速度张力系统中各变量间的非线性耦合影响,本文提出了一种基于幂指数趋近律的微分几何动态滑模解耦控制方法.首先,应用微分几何理论,通过非线性状态反馈和坐标变换,实现了可逆冷带轧机速度张力非线性耦合系统的输入/输出动态解耦和线性化.其次,针对解耦后得到的各独立线性子系统,综合考虑可逆冷带轧机速度张力系统的负载扰动、参数摄动和未建模动态等不确定部分的影响,基于幂指数趋近律设计了动态滑模控制器.理论分析表明,所提出的控制方法能够保证闭环系统渐近稳定,并能有效削弱系统抖振.最后,对某1422mm可逆冷带轧机速度张力非线性耦合系统进行仿真,并同其他解耦控制方法相比较,结果验证了所提出方法的有效性.

基于混沌控制和多重滤波的局部放电去噪研究

采集局部放电信号时,经常受到外界的干扰,主要包括周期性窄带干扰、白噪声干扰和随机脉冲干扰。噪声太大时,局部放电信号会被淹没。为了提高变压器局部放电信号定位的准确性,提出混沌控制和多重滤波的方法,在线检测去除干扰。利用相关性和谱分析识别周期干扰并确定窄带干扰的周期,设置合适参数控制混沌系统,精确去除噪声,采用多重滤波的方法去除白噪声干扰,以及利用脉冲极性鉴别法抑制随机脉冲干扰,并在虚拟仪器平台上进行仿真实验。实验结果表明,该方法可以有效抑制干扰,为变压器局部放电信号的定位系统奠定了技术基础。

基于模糊神经网络PID控制的污水处理应用研究

针对活性污泥污水处理系统具有复杂的非线性和时变性,传统的控制方法存在着精度不高,自适应能力差等缺点,提出一种模糊神经网络PID控制方法,将模糊神经网络与PID相结合,既发挥了PID控制的优势,又增加了模糊神经网络自学习和处理定量数据的能力,并且其中采用了动态递归神经网络对污水处理系统进行模型辨识。该控制方法能够快速、有效地使曝气池中溶解氧浓度达到期望值,并且具有较好的控制效果与控制精度。仿真结果验证了该控制方法的有效性和正确性。

输入有饱和的轧机液压伺服系统的的多模型切换控制

针对轧机液压伺服系统随工况变化而存在的弹性负载力和外负载力跳变所引起的结构跳变问题,建立并优化了考虑控制输入饱和特性的、系统连续工作时不同工况下的轧机液压伺服系统被控对象的多模型集.对每一模型采用线性矩阵不等式(LMI)方法设计了抗饱和状态反馈控制器,并制定了整个系统的切换策略,分析了具有饱和输入和外部扰动的切换系统的稳定性.对轧机液压伺服系统的仿真研究结果表明,本文所设计的控制系统具有良好的稳定性和动静态性能.

额定风速以上永磁同步风力发电系统的自适应控制

由于受到机械负载和电气负荷限制,风力发电系统在额定风速以上时必须运行在恒功率状态,考虑到风机本身固有的非线性特性,以及大风速下外界干扰对风机系统参数的影响,设计了风力发电系统的自适应控制器。采用永磁电机转子磁场矢量控制原理,实现了发电机系统解耦控制和恒功率控制。理论分析和仿真结果表明,所设计的控制器可以保证在额定风速以上变化,系统参数不确定的情况下,仍能使永磁同步风力发电系统安全可靠运行并获取最大风能的目的。

具有优化步长的最速下降法MPPT控制

针对现有最大功率点跟踪(MPPT)方法的动态性能和稳态性能难以兼顾的难题,提出一种具有最优步长的最速下降MPPT算法,并使用上述算法对Boost DC/DC变换器进行相应控制,以达到对光伏电池输出功率进行有效调节的目的。对系统进行了Matlab/SIMULINK仿真,并在基于TM320F2812为核心控制芯片的硬件电路上进行实验。实验结果表明,该系统能较快地跟踪太阳能最大功率点,同时具有良好的稳态性能。

基于观测器的非线性系统执行器死区故障的自适应跟踪控制

研究了一类具有不对称执行器死区故障的非线性系统的跟踪控制问题。基于扩张观测器,提出了一种新的自适应跟踪控制方法。取消了系统所有状态完全可测的限制。在死区模型所有参数以及系统非线性不确定项上界均未知的情况下,所设计的自适应控制器可以很好地消除执行器死区故障的影响,保证跟踪误差有界。仿真结果表明该方法的有效性。

基于LabVIEW的工业污水多参数在线监测系统

为监测工业生产过程中污水的排放情况,提出了利用虚拟仪器软件平台,设计开发工业污水多参数在线监测的管理控制系统。该系统具有便于监视管理的人机对话界面和在线监测控制的功能,采用数据库综合管理数据,实现了工业污水多参数的整合管理,完成了工业污水的多参数监测、管理、控制一体化。经测试,系统运转良好,达到了预期效果。

2-DOF并联机构动力学建模与迭代学习控制

针对一种直线电机驱动的2-DOF并联机构,结合直线电机的动力学特性,采用Lagrange方法对其进行动力学建模。考虑该机构重复性动作及其不确定性和非线性特点,提出一种自适应神经网络迭代学习控制方法。在该控制算法的作用下,系统输出能较好地跟踪给定输入。严格证明及仿真结果验证了该算法的有效性。

风力机传动链扭转振动无源控制

以永磁同步风力发电系统为研究对象,研究基于其端口受控的哈密尔顿(PCH)模型的传动链扭转振动无源性控制(PBC)问题。首先,建立传动链的两质量块模型,并将其转化为能反映系统物理结构特性的PCH模型。然后,从系统能量角度出发,基于传动链的PCH模型,设计结构简单,调整参数物理意义明确的无源控制器。最后,在Matlab平台上进行无源控制策略与PID控制策略的仿真对比,仿真结果表明所提出的无源控制策略不仅能有效降低传动链的疲劳载荷,抑制扭转振动,还能提高输出功率的品质,且比PID控制策略有更好的控制效果。

基于视觉反馈的机器人全调节RBF神经网络自适应反演控制

针对具有参数不确定刚性机器人系统的跟踪控制问题,提出了一种基于视觉反馈和全调节RBF神经网络的自适应反演控制器设计方法。根据安装在末端执行器的CCD摄像机提取的特征点确定期望位置,利用与一般设计不同的全调节RBF神经网络逼近系统的不确定项及外界干扰。在调节RBF神经网络权值的同时调节中心点值和影响范围,使得全调节RBF神经网络具有了更强的在线逼近能力。应用Lyapunov稳定性理论,证明了系统的所有信号均有界,控制器可以保证机械臂的运动按指数收敛到期望位置。仿真结果验证了所提控制器的有效性。

3-DOF混联拟人臂动力学建模与迭代学习控制(英文)

采用Lagrange方法建立了一类新型3P6R平面3-DOF串-并混联拟人臂的标称动力学模型。针对该机构的重复轨迹跟踪问题,考虑其不确定性,充分利用其已知动力学部分,提出了一种集中参数自适应-闭环迭代学习控制器。在每个迭代周期内采用自适应算法学习由未建模动态、外部干扰及摩擦力等多种因素造成的集中不确定性上界,进而逐次补偿由其造成的误差;闭环变系数迭代学习算法保证了该系统在迭代域内收敛,实现了完全轨迹跟踪。严格的证明及仿真结果验证了此控制器的有效性。

纸机模型的预测函数控制

造纸过程是一个多变量、强耦合、大时滞的过程,采用传统的PID控制要达到很好的控制效果是很困难的。采用三种预测控制方法分别对纸机模型进行控制,并分别进行了仿真研究。从仿真结果可以看出,动态矩阵的跟踪效果不如广义预测控制,广义预测控制算法的跟踪性能较好,但是计算量较大,预测函数控制的响应速度较快,计算简单,控制效果也较好。

无速度传感器DFIG最大风能捕获Backstepping终端滑模控制

以双馈风力发电机(DFIG)为研究对象,将两相同步旋转坐标系下的转子磁链定向数学模型看作两个子系统,分别设计Backstepping终端滑模控制器,实现最大风能捕获。设计一种基于非奇异终端滑模的DFIG转速和磁链观测器,采用高阶终端滑模面有效抑制抖振。仿真结果表明所设计的观测器和控制器均具有强鲁棒性,能实现无静差跟踪,系统响应快,稳态精度高。

地暖系统的量子遗传约束广义预测控制

针对地板辐射采暖系统具有大惯性、参数不确定和外部随机干扰等特点,提出了一种基于量子遗传算法(QGA)的约束广义预测控制(GPC)方法。该方法将GPC的控制增量作为量子染色体的基因,通过量子旋转门扩展种群多样性,并滚动优化GPC的控制增量Δu(k)。试验表明,与常规广义预测控制相比,该控制方法具有良好的控制效果和更强的鲁棒性。