基于混杂系统及多元线性回归的电液伺服系统参数性故障建模

为了有效地诊断电液伺服系统参数性故障,提出一种基于混杂系统及多元线性回归模型的电液伺服系统参数性故障模型.其过程为:将电液伺服系统的工况抽象为多个离散状态,建立压力-流量的观测模型;以结构参数为回归系数,基于样本数据的线性回归分析辨识模型参数;结合故障参数建立电液伺服系统的故障模型.利用参数辨识实验验证方法的参数拟合精度.研究结果表明:该模型能有效地应用于早期参数性故障的诊断,并能解决并发故障诊断困难的问题.     

基于RBFNN的PID控制及其在电液位置伺服系统中的应用

针对具有参数不确定性的电液位置伺服系统的跟踪控制问题,利用径向基函数神经元的自学习、自适应特点,将其与传统的PID控制方法相结合,对电液位置伺服系统进行学习和控制.仿真研究表明,利用基于径向基函数神经网络的PID控制能使电液位置伺服系统获得令人满意的跟踪特性和快速响应特性.     

爆破扫雷器电液伺服系统建模

为了提高电液伺服系统的模型精度与准确度,对某爆破扫雷器电液伺服系统建模方法进行了研究.采用机理建模法,构造了电液伺服系统的传递函数,采用基于自适应神经模糊推理(Adaptive neuron-fuzzy inference system,ANFIS)和减法聚类的模糊神经网络(Fuzzy neural network based on subtractive clustering,Sub-FNN)方法,实现了电液伺服系统的智能建模.通过对模型均方根误差(Root mean square error,RMSE)和信号间方差比(Variance accounted for,VAF)性能指标的比较,表明基于减法聚类的模糊神经网络建模方法可以显著地提高模型精度.研究结果为实现电液伺服系统的控制奠定了基础.     

支持向量机在电液伺服系统辨识建模中的应用

提出了电液伺服系统的支持向量机的辨识建模方法。利用电液伺服系统的可测参量,建立了基于支持向量机的电液伺服系统的模型。以电液位置伺服系统为例,进行了仿真实验。仿真结果表明支持向量机模型具有辨识精度高,推广性能好的优点,从而验证了该方法的正确性和有效性。     

模型参考模糊自适应控制的推力矢量电液位置伺服系统

研究推力矢量电液位置伺服系统的模型参考模糊自适应控制.这类系统存在着参数变化和加性扰动,为解决这一类非线性的控制问题,引入模型参考模糊自适应机构,构成模型参考模糊自适应控制(MRFAC).与传统的PID相比,该方法提高了推力矢量电液位置伺服系统阻尼比,改善了系统的动态性能,并且可以有效抑制参数变化及外力扰动,具有很强的鲁棒性.     

电液伺服系统的小波自适应鲁棒反演控制

针对电液伺服系统,提出了一种小波自适应鲁棒反演控制方法.用两个小波神经网络来逼近电液伺服系统中的模型未知部分、参数不确定项和虚拟控制的导数,所有小波神经网络的参数均实现在线调节.控制律和自适应律的设计保证了闭环系统一致且最终有界,从而达到对非线性电液伺服系统稳定跟踪控制的目的.鲁棒补偿器的设计进一步改进了电液伺服系统的跟踪性能.仿真结果表明,该方法能较好地满足控制精度的要求,同时系统具有较强的适应性和鲁棒性.     

阀控非对称缸电液伺服系统线性自抗扰控制

阀控非对称缸是一类典型电液伺服系统,具有强非线性和不确定性。传统非线性控制方法很难有效处理包含未建模态、外部扰动以及参数变化等多源不确定扰动对控制性能的影响。针对这一问题,本文提出了一种电液伺服系统线性自抗扰控制方法,利用线性扩张状态观测器实现综合扰动的实时估计,并采用状态误差反馈控制律给予主动补偿,同时消除跟踪误差。证明了设计的线性扩张状态观测器状态观测误差的收敛性。根据工程实际中的参数进行仿真研究,其结果表明这种控制方法能有效抑制电液伺服系统中不确定性扰动,与PID控制器相比具有较强的鲁棒性,并提高了位置跟踪精度。     

基于神经网络PID控制的电液位置伺服系统

针对电液位置伺服系统,利用神经元的自学习、自适应特点,将神经网络与PID控制方法相结合,对电液伺服系统在线边学习边控制,实现系统的快速实时控制。仿真研究表明,该电液伺服系统具有令人满意的静、动态性能。     

电液位置伺服系统的前馈补偿滑模PI控制

针对不确定性电液位置伺服系统的跟踪控制问题，提出了一种前馈补偿滑模ＰＩ控制方法．经仿真表明：该方法对存在外扰和模型不确定性的电液伺服系统具有强的鲁棒性和良好的跟踪特性．     

基于Laguerre核内置广义线性前馈网络的系统建模与预测控制

针对飞行器姿态仿真转台电液位置伺服系统非线性因素导致其数学模型不确定性的特点,以及系统动态性能要求较高的情况,采用Laguerre核内置广义线性前馈网络的结构,以短数据集一低阶算法精确逼近系统,为预测控制提供适用的模型,同时对模型和控制算法进行了仿真实验.结果表明该方法较好地解决了仿真转台电液位置伺服系统的控制问题.     

电液伺服系统的渐近跟踪自适应控制

根据电液伺服系统参数不稳定的特点,将渐近跟踪理论与自适应控制相结合,提出了一种基于参数辨识的电液伺服系统的渐近跟踪自适应控制方法,利用状态反馈动态配置系统的希望特征值和在输入端动态调节前馈增益实现渐近跟踪,达到自适应控制的目的。仿真结果表明,该方法稳定可靠,具有较高理论意义和实用价值。     

大摩擦力矩下电液伺服系统高精度控制与实验分析

为了实现大摩擦力矩中空液压马达系统高精度跟踪控制,提出了一种基于滑模状态观测器的变结构控制策略,分析了滑模变结构控制规律和滑模状态观测器的理论与实现方法,采用LuGre动态摩擦模型和滑模观测器实现了非线性摩擦力矩的动态补偿.实验结果表明：在超低速、大摩擦力矩存在的情况下,所提出的控制策略实现了非线性电液伺服系统的高精度轨迹跟踪控制.     

PMSM伺服系统的RBF网络自适应滑模控制

针对位置伺服系统的非线性、外干扰及参数摄动的不确定性,通过引入RBF神经网络对未知干扰和不确定性进行自学习,提高伺服系统的鲁棒性.为了分析伺服系统的不确定性,将系统模型划分为名义模型和不确定模型两部分.其中,名义模型采用状态反馈方法进行控制,不确定部分采用RBF网络作为滑模动态补偿器进行控制,解决了伺服系统不确定性上界难以测量的问题,降低了抖振.仿真结果验证了该设计方案的有效性.     

基于核回归区间模型的电液位置伺服系统故障检测

针对电液位置伺服系统在运行过程中存在非线性、干扰性、复杂性以及参数不确定性等问题,提出了基于核回归区间模型的电液位置伺服系统故障检测方法。该方法利用反映系统诸多不确定性的无故障可测输入-输出数据,建立能控制核回归模型精度、又能平衡该模型结构复杂性的区间模型,用于判断电液位置伺服系统的实际输出是否越过系统健康运行时的区间输出,进而实现故障检测。该方法由于考虑了基于区间的动态阈值对故障进行检测,消除了传统的固定阈值易引起故障误报现象,所以具有一定的自适应性能力。实验论证了所提出的故障检测方法,可用于电液位置伺服系统故障的实时检测。     

基于深度确定性策略梯度的队列纵向协同控制策略

为了解决车辆队列控制中的车辆连续精确控制问题和行驶过程中车辆队列纵向稳定性问题,提出了一种在中等速度环境下基于深度强化学习(deep reinforcement learning, DRL)的车辆队列纵向控制策略。该策略充分考虑了影响队列安全的车辆距离、车辆速度和车辆加速度3个关键影响因素,并将车辆动力学和舒适性作为策略学习过程中的约束条件。首先,建立基于强化学习的车辆队列纵向控制模型。其次,提出一个深度强化学习过程来进行队列纵向控制策略的迭代,最终目标为获得车辆的最优控制策略;并且设计了一个多目标的奖励函数,该函数综合了距离误差、速度误差和加速度约束对应的奖励。最后,采用深度确定性策略梯度(deep deterministic policy gradient, DDPG)求解队列纵向控制问题,该算法将动作-评价(actor-critic, AC)网络的优点与深度Q网络(deep Q-network, DQN)的优点相结合,有效解决连续状态空间和连续动作空间上的车辆队列控制问题;并设计和训练了基于DDPG的队列控制模型用于队列纵向控制,验证该控制策略的有效性。结果表明:提出的基于强化学习的队列控制方法具有和分布式模型预测控制算法相当的控制精度,并能在"前车-领航车跟随"通信拓扑下实现队列的串稳定性。     

基于单片机与改进PID的智能电液伺服控制系统研究

为了实现对电液伺服系统进行快速、准确以及较为平稳的控制,提出了基于单片机与改进PID的智能电液伺服控制系统。通过对电液伺服系统的主要组成进行分析,并根据液压控制理论,得出了电液伺服系统中电液伺服阀等机构的数学模型。利用MSP单片机作为主控器,以接收位移传感器采集到的实时位移值,根据该值对电液伺服阀的开度进行控制。引入PID控制器,通过神经网络算法对PID控制器进行改进,设计电液伺服控制系统的控制策略,以实现电液伺服控制系统的智能化。通过Matlab/Simulink软件对所提方法进行了仿真实验,结果显示,所提方法不仅能够较为快速、准确地对电液伺服系统进行控制,而且控制过程较为平稳,具有良好的控制效果。     

液压系统中粒子群优化神经网络权值的控制算法

针对非线性、时变等缺陷导致传统的控制器控制效果较差、不适应电液伺服系统的现象,提出了用于电液伺服控制的基于粒子群优化算法对神经网络的权值进行学习训练的PSO-NN算法。结合电液伺服系统实例分析,用MATLAB仿真得到了输入阶跃信号和正弦信号时,PSO-NN算法的输出曲线以及适应度曲线;为了展示PSO-NN算法的效果,用BP算法仿真了对应输入阶跃信号和正弦信号的输出。仿真结果表明:在电液伺服系统的控制中,PSO-NN算法性能优于BP算法,系统输出具有更好的收敛性和对输入的跟随性,从而证明PSO-NN算法对于电液伺服系统的控制是合适并有效的。     

信息融合理论在消除多余力矩控制中的应用

被动式电液力伺服系统(电液负载模拟器)是典型的非线性系统,具有很大的不确定性。本文通过建立被动式电液力伺服系统的数学模型,分析了多余力矩产生的原因,设计了基于信息融合理论的最优预见控制器。通过仿真分析得出:此种控制理论可以很好地抑制多余力矩的产生,使系统具有很好的跟踪精度,说明了信息融合理论在控制电液力矩伺服系统、位置伺服系统等非线性系统中具有很好的应用价值。     

基于强化学习的服务规划生成方法

提出了一种基于强化学习的半监督学习方法,将家庭服务相关的自然语言信息转化为服务规划.首先,构建与家庭服务相关的交互环境,并赋予环境中物体对应的状态属性;其次,针对稀疏激励问题,设计即时激励和延时激励,提高动作交互过程中的奖励值,引导动作选择向最优化发展;然后,构建物体状态向量并结合余弦相似度作为衡量服务执行的标准;最后,针对生成的服务规划设计对比实验.实验结果表明:该方法能够提升规划生成的准确率并加快收敛速度.     

伺服系统瞬态优化的模糊自适应深度强化学习方法

为了提高伺服系统瞬态性能,满足工业生产线的高精度加工要求,提出模糊自适应深度强化学习方法,用于永磁同步电机伺服系统的控制性能优化。根据伺服系统瞬态运行的响应快速性和稳定性要求,通过构造奖励函数与Actor-Critic网络,在伺服控制器中引入瞬态响应优化环节,面向实时运算需求设计学习率自适应模糊控制器,构建模糊自适应瞬态性能优化方法;建立伺服系统Simulink仿真模型,根据实际伺服系统拟合仿真模型,通过瞬态性能仿真获得优化参数,并将优化参数应用于西门子840D数控系统。以仿真运算及系统实验对该优化方法进行验证,结果表明,所提出方法使伺服系统调节时间缩短10%以上,显著提高了系统的瞬态响应速度,且未引入明显超调,验证了方法的可行性。提出的方法具有较强的通用性,为伺服系统智能控制优化提出了新的途径。