补偿预测误差的非线性系统广义预测控制

将一类非线性系统等价表示为时变线性系统,研究了非线性系统的广义预测控制。利用三次样条基函数多项式逼近时变系数,将时变参数的估计转化为定常参数的估计。为了提高输出预报精度,采用小波网络对预报误差进行预测,作为输出预报的补偿。仿真研究结果表明了所提方法的有效性。     

机床加工精度的时间序列预报控制

本文阐明了时间序列预报控制的特点和基本原理；提出了在实现误差自动补偿的闭环系统中对测得的时间序列进行修正的方法。在建立的时序数学模型中考虑了机床加工中的确定性误差和随机误差。数学模型中的参数是时变的，以使加工误差最小化。文中提出了对多轴自动机床加工精度实行预报控制的方法、分析了数学模型和预报公式，并对采用时序预报控制的明显效果作了对比说明。     

非线性随机系统的参数辨识及动态预报

鉴于含有加性噪声的指数模型描述了一类重要的非线性随机系统，本人出这类系统的参数的递推辨识算法，克服了迭代算法不能在线运行，需反复矩阵求逆的不足，当系统时变时，还采用了虚拟噪声技术来补偿因参数时变引起的建模误差，从而改善动态预报器的性能，应用这种方法，对油田采油井，注水井的套管损坏的情况进行了多步动态预报，其精度令人满意。     

一种具有SA预报能力的GPS滤波器

对ＧＰＳ定位中的ＳＡ误差作了系统辨识。表明：ＳＡ误差可用时变ＡＲ（Ｐ）模型表述,ＡＲ（Ｐ）的时变参数可由ＲＬＳ算法结合Ｆ判据建立的ＡＲ（Ｐ）模型辨识机获得。用该方法获得的模型对ＳＡ误差进行预报。在剔除野值后精度在１０ｍ之内,还提出一种方法,可得到具有ＳＡ预报能力的ＧＰＳＫＡＬＭＡＮ滤波器。     

面齿轮传动系统参数激励振动特性分析

为研究各参数对面齿轮传动系统动态特性的影响,建立了包含齿侧间隙、传动误差、时变啮合刚度、阻尼、支承和外激励等参数的系统弯扭耦合非线性动力学模型,结合非线性动力学数值分析理论求解并得到了系统在不同参数下的分岔特性。计算结果表明,增加齿侧间隙、时变啮合刚度和传动误差会导致系统动载荷明显增大,而增加啮合阻尼则能有效降低系统的动载荷。     

颌骨重建手术机器人定位精度分析与误差补偿

为提高颌骨重建机器人的精度,借助于—台可以实现绝对坐标测量的高精度光学定位跟踪仪,对机器人系统的定位精度进行了误差分析与补偿研究.针对结构参数和运动变量误差,采用修正的运动学模型,进一步真实地反映了机器人的实际结构参数;对齿轮传动误差和间隙引起的关节回转误差通过实验进行了修正,有效提高了关节传动精度;对零位定位误差,通过机器人逆运动学反解出关节转角,并进行误差补偿,提高了定位基准的精度.实验结果表明上述方法可有效提高颌骨重建机器人的定位精度.      

一种具有SA预报能力的GPS KALMAN滤波器

对ＧＰＳ定位中的ＳＡ误差作了系统辨识。表明：ＳＡ误差可用时变ＡＲ（ｐ）模型表述，ＡＲ（ｐ）的时变参数可由ＲＬＳ算法结合Ｆ判据建立的ＡＲ（ｐ）模型辨识机获得。用该方法获得的模型对ＳＡ误差进行预报，在剔除野值后精度在１０ｍ之内。还提出了一种将以ＡＲ（ｐ）模型表述的ＳＡ误差加入ＧＰＳ ＫＡＬＭＡＮ滤波器的方法，可得到一种具有ＳＡ预报能力的ＧＰＳ ＫＡＬＭＡＮ滤波器。     

卡尔曼状态观测器在机器人力控制中的应用

为解决机器人与环境间接触力控制性能受机器人本身动力学参数时变、接触环境变化以及力测量信号干扰噪声影响的问题,设计了基于卡尔曼状态观测器的机器人力控制方案,采用递归最小二乘法来实时估计环境刚度矩阵,引入系统状态误差反馈和卡尔曼滤波算法实现机器人力控制系统对外界干扰及系统模型误差的补偿．实验结果表明：在环境刚度未知的条件下,采用该控制方法可使机器人末端与环境间接触力的误差控制在10％左右．     

基于强跟踪滤波器的DC-DC变换器自适应控制

针对一类变结构非线性时变系统,研究了DC-DC交换器的自适应控制算法.以Buck变换器为研究对象,在它平均状态模型的基础上,使用强跟踪滤波器在线估计出变换器的参数,实时更新广义一般模型控制的模型参数以补偿时变参数的影响,由此实现DC-DC变换器的自适应广义一般模型控制.仿真结果表明,当输入电压、负载、参考电压或变换器其他参数发生变化时,采用自适应控制的DC-DC变换器仍然具有良好的鲁棒性和控制性能.最大超调量为3.73％,稳态误差为0,Vout、iL和R的真值和估计值相对误差的均值分别为0.18％、2.64％和2.78％.     

风电齿轮箱传动误差分析及振动噪声预估

针对一级行星两级平行轴风电齿轮传动系统,综合考虑齿轮时变啮合刚度、啮合阻尼、传递误差等因素,建立31个自由度的弯扭轴耦合集中参数动力学模型,采用变步长Runge-Kutta法对系统动力学微分方程进行求解,得出齿轮传动系统各级传动误差;借助软件建立风电齿轮箱刚柔耦合动力学模型,并导入传动误差,采用模态叠加法求得齿轮箱轴承支反力,并将其作为声振耦合模型的边界条件,采用声学有限元法对风电齿轮箱进行振动噪声预估,并与试验结果对比分析,两者吻合良好。     

基于模型的工业机器人误差参数标定技术研究进展

 为提高机器人末端控制精度,围绕基于模型的工业机器人误差参数标定技术,总结了其应用在高精度机械加工制造领域时存在的误差参数不完整、标定成本高和标定精度不满足工业需求等关键问题;综述了误差参数标定模型建模方法、机器人末端位姿测量技术、误差参数辨识技术和误差补偿技术4个方面的进展,分析了处理复杂标定任务时基于模型的误差参数模型标定技术的主要难点进行总结,针对传统建模方法不再满足标定需求、现有自标定技术测量精度不够、传统线性辨识算法在辨识矩阵奇异或存在冗余参数时无法得到准确的辨识结果、如何高效获得和处理测量得到的误差数据等难题,提出了可行性解决方案及发展方向。     

基于时变特性的数控机床综合误差建模方法

 以立式B-A 摆头五轴数控机床为例,根据机床误差元素的时变特性,研究一种能够反映静、动态综合误差的数控机床误差建模方法。将动态误差表达为与运动单元速度、加速度相关的傅里叶级数形式,并与静态误差结合,将运动副误差元素表达为静态误差矩阵与动态误差矩阵的复合形式,利用多体系统理论构建了静、动态误差与刀具轨迹误差的映射关系模型。理论分析表明,基于时变特性的综合误差建模方法考虑了运动学、动力学两方面的影响因素,可以更准确地反映机床高速、高精加工过程产生的实际误差,从而为数控机床的误差补偿及控制参数整定奠定一定的理论基础。     

车削误差实时补偿控制信号滞后的预测

车削误差实时补偿控制中的关键问题之一是如何有效克服控制信号的滞后。该文提出了一套用动态数据系统理论，对机床主轴回转误差进行建模和预测的方法，并利用ＭＣＳ－５１单片机建立了预测补偿系统。文中基于实际的主轴回转误差信号进行了建模和预测，并定量分析了预测误差的大小．     

压缩机性能测试的预测补偿智能控制新算法

制冷系统是多变量耦合的复杂系统，动态过程中具有时变性、非线性、随机性以及大滞后性，精确建立整个系统的动态模型相当困难，这给压缩机性能测试中系统快速有效地自动达到稳定工况的控制带来了问题．为此作者提出了具有预测补偿机制的智能PID控制新算法，该算法的特点为：直接从控制过程的动态特征出发进行智能推理和控制决策，避免建立精确数学模型的难度，并针对制冷系统的大惯性和纯滞后的特性加入纯滞后补偿机制．该方法在实现压缩机性能全自动测试的实际应用中取得理想的效果．     

基于人工鱼群优化LS-SVM的卫星钟差预报

针对导航卫星短期钟差预报精度不高的问题,提出了一种基于人工鱼群(AFSA)优化最小二乘支持向量机(LS-SVM)的卫星钟差预报方法。利用人工鱼群算法较强的全局寻优能力优化LS-SVM模型的惩罚参数和核宽度参数,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度。选取IGS产品中4颗典型卫星的钟差数据,分别采用人工鱼群优化LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明:人工鱼群优化LS-SVM模型的预报精度优于其它2种模型,尤其是在铷钟方面,预报误差在0.5 ns内,运行时间在5 min内。     

轨迹误差建模的多轴联动机床轮廓误差补偿技术

为了提高数控机床多轴联动加工精度,减小由传动机构和运动部件质量、刚度、阻尼及摩擦等因素造成的轮廓误差,针对交叉耦合控制参数难以选择及容易使系统不稳定的问题,提出了一种针对多轴联动机床进行运动轨迹误差建模和补偿的方法.该方法通过测量机床的典型实际联动轨迹,来建立轮廓误差模型,实现了加工过程轮廓误差的实时估算和补偿.通过对x、y轴工作台的联动轮廓误差建模和补偿实验,证明此方法可以显著减小圆弧及曲率连续变化曲线轨迹的加工误差,从而提高了在高速条件下的数控机床多轴联动的加工精度.     

电动缸性能参数测试系统设计

针对现有的电动缸测试系统和测试方法不能满足电动缸产品出厂参数快速测量的问题,研发了一套以PC机作为上位机,雷赛DMC5480运动控制卡作为核心控制器,高精度磁栅尺为检测装置的电动缸性能参数测试系统。根据测试需求设计了开放式电动缸测试系统、测试方法和功能测试模块;结合数据测量装置,基于VB和API函数研发了开放式电动缸自动测试系统软件平台,包括电动缸的位置精度、回程误差、重复定位精度、误差分析与补偿及跟随误差测试等功能模块。该测试系统成功应用于某公司电动缸出厂参数快速测量。     

Research on optimize prediction model and algorithm about chaotic time series

We put forward a chaotic estimating model, by using the parameter of the chaotic system, sensitivity of the parameter to inching and control the disturbance of the system. and estimated the parameter of the model by using the best update option. In the end. we forecast the intending series value in its mutua[[y space. The examp[e shows that it can increase the precision in the estimated process by selecting the best mode[ steps. It not only conquer the abuse of using detention inlay technology alone, but also decrease blindness of using forecast error to decide the input model directly, and the result of it is better than the method of statistics and other series means,