挖掘机器人负载工况下的力与位姿控制

文章分析了智能挖掘技术的研究现状,给出了试验挖掘机器人运动学模型及负载工况下动态特性方程;为实现典型挖掘工况下工作装置位姿及液压驱动力的控制,设计了一种基于BP(back propagation)神经网络PID(proportion-integral-derivative)控制算法的控制器;并以山河智能SWE-17E挖掘机器人为平台进行试验验证。试验结果表明,采用BP神经网络PID控制算法得到的工作装置末端轨迹跟踪误差均方差小于10cm,驱动力跟踪也达到了较高精度,证明了BP神经网络PID控制算法对于挖掘机器人力与位姿控制的可行性和有效性。     

基于模糊神经网络PID的无人艇航向控制器研究

针对常规比例、积分和微分(proportional integral derivative, PID)控制器在无人艇航向控制系统中表现出的稳定性差、控制精度低等问题,文章提出一种将模糊控制与反向传播(back propagation, BP)神经网络相结合的控制算法;在MATLAB中对比常规PID控制器、模糊PID控制器与模糊神经网络PID控制器在给定期望航向角下的航向控制性能,仿真结果表明模糊神经网络PID控制器对无人艇的航向控制性能最佳;在搭建的实验平台上对不同航向控制器下无人艇的航行轨迹和航向角进行比较,实验结果进一步验证了模糊神经网络PID航向控制算法的优越性。     

LMBP神经网络PID控制器在暖通空调系统中的应用研究

针对BP神经网络学习过程收敛速度慢及易陷入局部极小值的缺陷,研究了levenberg-marquart算法(即LM算法).为解决LM算法中学习速率的选择和逆矩阵的求解这两个严重影响训练时间和收敛精度的问题,采用LU分解法对LM算法进行改进和优化,并通过MATLAB语言编程实现,将得到的LMBP神经网络PID控制器应用于暖通空调冷冻水循环的控制回路中,将其控制效果与PID控制算法、BP神经网络PID控制算法进行仿真对比研究.研究结果表明,采用LMBP神经网络PID控制器在减少超调量、加快收敛速度、减少稳态误差等方面的性能都得到了明显的改善.     

灰色预测模糊自调节PID控制器及其仿真

结合灰色预测、模糊自调节与传统PID控制的设计思想,提出灰色预测模糊自调节PID控制算法.该算法用系统输出误差和系统输出预测误差合成的综合误差作为PID控制器的输入,同时模糊自调节系统又能根据综合误差及其变化率来调整PID参数.仿真结果表明,与模糊自调节PID控制器相比,该控制器具有良好的动态性能和鲁棒性.     

基于RBF神经网络PID控制的高速列车速度跟踪

速度跟踪控制是列车自动驾驶的一个重要研究方向,但现有速度跟踪控制的性能尚需改进.本文探究了径向基函数(RBF)神经网络PID控制对高速列车速度的跟踪控制.首先改进了高速列车多质点模型;然后研究了被控对象RBF网络整定的PID控制算法,结合反馈控制设计了速度跟踪控制器,根据速度误差用神经网络PID控制决定牵引力和制动力;最后进行了数字化仿真,在仿真过程中考虑了阻力和车厢之间的作用力,并对3种方法进行了对比,结果表明,RBF神经网络PID控制具有最小的速度和距离跟踪误差.相对于单质点模型,本文的多质点模型提高了建模精度,控制系统具有响应速度快、跟踪性能好等优势.     

装载机线控转向控制算法研究

采用神经网络PID控制算法对装载机线控转向系统进行控制,在MATLAB/SIMULINK环境支持下,建立了装载机线控转向系统仿真模型,并通过仿真对比了系统在无校正、常规PID控制与神经网络PID控制的性能,仿真结果显示神经网络PID控制响应时间较快,抗干扰能力强。     

BP网络规则PID在电弧炉电极调节系统中的实现

针对电弧炉电极调节系统,建立其数学模型.分析了电弧炉电极调节系统的非线性.在此基础上,针对控制对象的复杂性,将应用最广泛的PID控制器与具有自学习功能的神经网络相结合,提出了基于BP神经网络规则的PID控制算法.BP神经网络规则的PID控制算法改善了传统神经网络学习时间长、收敛速度慢的弱点,解决了传统的PID控制未知复杂系统的不足,Matlab6.5软件仿真结果表明,采用BP神经网络规则的PID控制算法的控制效果还是令人满意的.     

基于全局PID模糊滑模算法的机器人跟踪控制仿真

为了解决机器人跟踪控制过程中采用PID控制算法会出现抖动和误差的问题,提出一种机器人全局PID模糊滑模跟踪控制算法.通过将PID滑模控制和模糊控制相结合,设计了全局PID模糊滑模控制;基于模糊规则,对滑模控制增益进行自适应调整,从而消除建模误差和干扰,削弱了控制时产生的抖振、在线调整控制器参数和估计误差,并通过积分来消除外界干扰,因此提高了控制精度.仿真结果表明,与常规的PID算法相比,该方法在处理控制抖动和消除误差和干扰方面具有极高的鲁棒性.     

基于BP神经网络的船舶航向智能PID控制研究

针对船舶航向控制非线性的特性,以船舶航向运动一阶KT模型为研究对象,设计了基于BP神经网络的自整定PID算法航向控制器。将传统PID与BP神经网络结合,对被控对象由BP神经网络进行辨识,给出PID控制参数,由PID控制算法进行控制并优化收敛速度。根据真实渡轮船舶特征参数,利用MATLAB/Simulink仿真软件建立船舶航向运动控制系统模型。仿真结果表明,基于BP神经网络的PID控制系统超调小、鲁棒性好,可长时间稳定工作,几乎无稳态误差,控制算法的实用性以及动态控制系统的优越性得到验证。     

两电机同步系统的神经网络控制

在对两台感应电机同步系统模型分析的基础上,依据同步系统的结构特点和控制要求,结合人工神经网络的非线性映射、自适应、自学习等能力,提出一种新的基于神经网络的两电机同步系统控制方案,其中神经网络控制器由基于RBF网络整定的自适应PID控制器和神经元解耦补偿器两部分组成.两个自适应PID控制器分别对速度控制回路和张力控制回路进行自适应控制,使系统具有更强的适应能力、更好的实时性和鲁棒性;神经元解耦补偿器综合两控制回路的耦合作用,通过训练网络权值,补偿各回路之间的耦合影响,实现速度和张力的解耦.试验结果表明:采用神经网络控制方法可以实现两电机同步系统中速度和张力的解耦控制,系统具有良好的动静态性能.     

风力发电机组最佳功率追踪自适应模糊PID控制

针对变速恒频风力发电系统,以额定风速以下风能的最大利用率为目标,设计了基于自适应模糊PID控制的风能最佳利用追踪控制器.该控制器对叶尖速比进行控制,运行时根据实际输出的叶尖速比与其最优值间的误差及误差变化率在线实时调整PID参数,实现自整定,达到风能利用系数最佳的功率追踪目标.通过仿真对几种控制方法进行对比分析,结果表明,自适应模糊PID控制能够将风能利用系数和叶尖速比均控制在最优值附近,系统的稳态性能和动态性能都较好,控制效果优于PID控制和模糊控制.     

多电机同步控制建模与仿真

采用偏差耦合控制结构控制4台永磁同步电机同步运动时,由于控制器结构复杂,计算量大,而且传统的PID控制算法不能在线实时调整参数,动态响应慢。因此,对4电机同步运动控制结构和控制算法进行改进,采用环形耦合控制结构和免疫单神经元PID控制器控制整个同步运动系统。仿真结果表明:该控制结构复杂度低,跟踪性能和稳态性能良好,抗干扰性强。     

动龙门石材数控加工中心双轴同步驱动控制技术研究

目的研究双轴同步控制系统动态模型和误差补偿算法,降低双轴同步误差,提高机床加工精度,延长机床零部件使用寿命.方法利用i_d=0的PMSM矢量控制方法对电流环进行设计并应用工程设计法依次设计出速度环和位置环.在分析双轴控制系统模型的基础上,提出了在偏差耦合控制方式下,采用模糊PID控制算法对偏差进行补偿调节的控制方案,并与常规PID算法进行比较.在Matlab/Simulink环境下建立了双轴控制系统的数学模型,并对两种算法分别进行仿真.以异型石材车铣复合加工中心(HTM50200)作为实验平台进行实验,测量进给轴在两种控制方式下的单轴跟踪误差和双轴同步误差.结果实验结果表明,相比常规PID,在模糊PID算法控制下X_1,X_2轴的单轴定位精度分别提高了87%和80%,双轴同步误差由0.01 mm降为0.003 4 mm,笔者提供的控制方案有较好的控制效果.结论与采用常规PID算法相比,采用模糊PID控制算法的偏差耦合系统具有更好的同步控制精度,鲁棒性更强.     

采用混合算法优化神经网络滑模控制的机器人跟踪误差

为了避免机器人关节角位移受外界影响,提高运动轨迹的跟踪精度,采用混合算法优化神经网络滑模控制器,并对优化后的控制器进行仿真验证.建立机器人平面简图模型,利用拉格朗日定理推导出机器人关节运动方程式,采用神经网络算法构建RBF神经网络自适应滑模控制系统.为了增强控制系统的稳定性,削弱外界波形对机器人运动轨迹的干扰,利用粒子群算法和差分进化算法在线优化RBF神经网络滑模控制律参数,设计了改进RBF神经网络滑模可调参数的自适应控制律,保证机器人控制系统的稳定性.通过MATLAB软件进行仿真实验,并且与优化前机器人关节角位移输出误差形成对比.仿真结果显示：随着干扰波形幅度的增大,采用神经网络滑模控制器,机器人关节输出角位移误差逐渐增大,系统不稳定,而采用混合算法优化神经网络滑模控制器,系统反应速度较快,机器人关节输出角位移误差较小.机器人采用混合算法优化神经网络控制器,能够提高控制系统的抗干扰能力,稳定性较好、输出精度较高.     

活性污泥系统ASM2d模型的自适应模糊PID控制

生物污水处理过程是非线性、大滞后、多变量和强耦合的复杂系统,针对这一复杂系统,本文根据污水处理厂的实际情况,在对A2O工艺活性污泥系统ASM2d模型研究的基础上提出一种自适应模糊PID控制器.该控制器可根据反馈计算得到的误差和误差变化率,实时在线整定后置PID控制器的三个修整参数△K_p、△K_i和△K_d,并得到此时的K_p、K_i和K_d.该控制器结合常规PID控制算法和模糊控制思想,实现了PID参数的最佳调节,相比传统模糊控制具有更强的鲁棒性,有效提高了系统的控制性能.     

一种时变非线性对象神经网络PID控制的仿真

利用BP神经网络对被控对象进行了控制和辨识,提出了一种基于BP神经网络的PID控制器;给出了相应的控制算法;并对典型的参数时变非线性系统的控制进行了仿真研究。仿真结果表明,同传统PID控制器相比,神经网络PID控制器对于模型、环境具有较好的适应能力与较强的鲁棒性,证明了神经网络控制的优越性。     

三轴飞行转台控制系统的仿真研究

以三轴飞行转台内框伺服控制系统为研究对象,提出了常规PID控制算法和基于模型预测的BP神经网络PID控制算法,并对阶跃、斜坡、加速度输入信号进行MATLAB仿真,得出误差曲线.仿真结果对比表明,在控制对象不确定的情况下,后者是较优越的一种算法,对改进转台控制效果有着较大的参考意义.     

盾构机回转驱动系统建模及同步控制方法

为从机械力学和电机同步控制的角度进行盾构机回转驱动系统的研究,根据盾构机的工作原理和机械结构,采用等效质量法建立盾构机回转驱动系统的动力学模型,分析刀盘回转载荷,根据盾构机刀盘回转液压系统,建立变量泵的流量方程、连续方程以及马达和负载的力矩平衡方程,构建数学模型,得到控制系统提供传递函数,最终建立了机电液的耦合模型,考虑机电液系统对同步性能的影响.结合了耦合补偿原理以及共同设定控制思路,使用环形耦合多马达同步控制策略,综合考虑单个马达相对于设定马达位移的跟踪误差和相邻马达之间的同步误差.使用变论域方法建立基于变论域模糊PID的多马达同步控制的误差补偿控制算法.通过对比实验研究表明,建立的控制模型相比不考虑机电液系统耦合模型的控制模型作用下,具有更低的同步误差和跟踪误差.     

基于神经网络逼近的磁浮列车动态悬浮控制

为了有效提高磁浮列车悬浮系统在负载扰动和轨道不平顺扰动下的动态特性,提出了一种基于Lyapunov稳定性分析的径向基神经网络逼近算法使悬浮间隙能够在有界范围内达到最优。首先,以悬浮负载为受控对象建立系统垂向动力学方程和电压控制方程,以此构造能够表征系统非线性的状态空间方程。其次,确定径向基函数(radial basis function, RBF)神经网络基本结构,根据悬浮间隙误差约束条件和控制电流构造输入输出,并以此设计控制律保证所输出悬浮间隙能够在多种扰动的综合作用下持续稳定;再次,基于Lyapunov稳定性第二判据证明系统闭环稳定,能够在误差整定过程中使得间隙误差收敛于无穷小。最后,通过与目前应用较为广泛的比例-积分-微分(proportion-integral-derivative, PID)控制算法进行仿真对比,在非线性负载力和不平顺扰动下分析验证所提出控制算法的有效性。结果表明:所提控制算法比PID控制算法具有更好的鲁棒性。     

电液伺服系统的神经网络并行控制

文章针对电液伺服系统的非线性、不确定性和参数时变的特点,提出一种基于神经网络的并行自学刁控制算法。该控制策略以系统动态误差和给定信号量作为小脑模型神经网络控制器的激励信号,并与单神经元自适应PID控制器相结合构成系统的复合控制。仿真结果表明,该并行控制算法较常规PID控制具有更快的响应特性和良好的动态特性,对模型参数变化和负载扰动表现出更强的适应性和鲁棒性。