为实现高密度LED焊线机上邦头运动轨迹的精确跟踪,降低因其轨迹偏差而产生的废品率。提出了一种基于迭代学习做前馈控制的前馈+反馈二自由度控制算法。首先对音圈电机进行机理分析,建立了其数学模型,以此为基础,给出了音圈电机轨迹跟踪的整体控制方案,并且结合焊线机上邦头超高加速度(>20g)和整定时间短的运动特点后设计了带遗忘因子的PD型闭环迭代学习控制算法。对所提出的带遗忘因子的PD型闭环迭代学习控制的收敛性进行了理论分析,并且通过MATLAB中的SIMULINK模块进行了动态仿真,验证了该算法下的音圈电机系统响应速度显著提升,位置误差的收敛稳定可靠,改善了高密度LED焊线机上邦头的轨迹跟踪性能。

为了克服工业机械臂的未知负载力矩和摩擦等干扰因素的影响,采用迭代学习算法设计了滑模控制律。首先建立了工业机械臂数学模型,然后设计了二阶非奇异快速终端滑模面,同时提出了滑模控制律,最后利用迭代学习方法来改善滑模控制律的抖振现象,并进行了收敛性分析。仿真结果表明设计的基于迭代学习的滑模控制律能够有效消除各种干扰因素的影响,实现对工业机械臂运动轨迹的精确控制,最大跟踪误差仅为0.3mm,在实测验证中的最大跟踪误差也仅为0.17mm,平均运行时长仅为1.73s,大幅提升了对工业机械臂的控制精准度。

为进一步提高复杂路况下车辆半主动悬架系统的减振性能,提出一种基于迭代学习(Iterative Learning Control,ILC)改进的H∞控制(ILC-H∞Control)策略。首先,提取自适应阻尼减振器(Adaptive Damping System,ADS减振器)的阻尼特性实验数据,利用Sigmoid模型对阻尼参数进行辨识拟合;引入P型迭代学习控制器弥补传统H∞控制中权函数的盲目性,构建期望回路增益,将模型匹配问题转化为迭代学习中期望回路函数的路径跟踪问题,提高悬架阻尼调节的灵活性与自适应性。结果表明:在B级随机路面和冲击路面激励下,与被动悬架和H∞传统控制下的半主动悬架相比,该控制方法的性能提高了近49.04%。

为解决电液比例控制系统的非线性、时变性、变流量死区及变流量增益等对系统位置控制精度的影响,提高电液比例控制系统的控制精度,针对系统的非线性特性,设计不严格依赖于系统精确数学模型且有较强抗干扰能力的迭代学习算法,同时针对系统的变死区特性,设计能够基于误差和误差变化率在线调整死区补偿量的模糊死区补偿算法。迭代学习算法和模糊死区补偿算法的综合使用是根据当前的控制经验灵活调整控制量,从而有效地改善由于系统非线性及时变性所带来的影响。试验结果表明,不加入模糊死区补偿时,系统位置跟踪存在明显的滞后,最大位移跟踪误差达到6mm,而同时采用迭代学习算法和模糊死区补偿算法极大的提高系统的控制性能,系统达到稳定跟踪后,最大位移跟随误差在1 mm以内。

针对控制系统的鲁棒性以及迭代学习的收敛性,进行了定量反馈理论(Quantitative feedback theory,QFT)复合迭代学习控制算法设计,并从频域角度给出了其收敛性条件。将仿真结果与实验数据进行对比分析,验证了此控制策略的有效性。该QFT迭代学习控制策略不仅拓宽了系统频带,改善了系统输出对期望信号输入的跟踪精度,同时可以很好地跟踪随机振动信号功率谱,为液压角振动台高性能实时控制开辟了新途径。

永磁同步直线电机在执行具有重复特性的跟踪控制任务时,系统的位置误差也会出现周期性变化。针对这一问题,提出一种基于离线迭代学习补偿优化直线电机位置输入信号的控制策略。通过离线迭代学习,对直线电机系统的干扰进行迭代学习控制。对凸轮轴轨迹和正弦曲线轨迹进行迭代学习,实现对永磁直线电机运动轨迹的跟踪控制,减小直线电机的跟踪误差。实验结果表明:通过离线迭代学习控制产生的位置输入信号跟随误差较小,能很好地消除由于跟踪滞后造成的位置误差。

针对基于普通换向阀的位置控制系统,由于控制时滞,普遍存在控制精度不高,系统抖振的问题,提出了一种开关线迭代学习的改进型Bang-Bang控制方案。开关特性和相平面理论分析表明,换向阀的控制输出时滞是影响控制精度和引起系统抖振的主要原因。推导了液压系统的油缸速度、阀芯位移、负载压力的数学方程式。新开发了一种基于开关线迭代学习的改进型Bang-Bang控制算法,并通过仿真和生产验证了控制算法的正确性和可靠性。实际生产过程中,辊缝控制精度小于等于0.1 mm的命中率为89.3%,全部控制精度小于0.2 mm。整个系统控制稳定,控制精度较高,满足生产工艺要求。

鉴于传统机床加工零件时工作台进给动作具有重复运动的特点,该文为了实现工作台高精度位置伺服控制,提出了一种基于迭代学习控制算法,用于解决机床工作台位置控制误差。首先,以组合数控机床为研究对象,介绍并建立数控机床工作台位置伺服系统数学模型;然后针对工作台位置伺服系统设计迭代学习控制算法框架;最后搭建数控机床工作台位置伺服实验平台,用不同控制信号对迭代学习控制算法和传统的PID算法进行对比实验。

考虑到传统注塑机的迭代学习控制中存在的初始偏移大，实时控制误差较大，以及受到各种噪声和干扰影响等问题，该文引入了滚动时域优化迭代学习控制器（RHILC），并且将其应用于注塑机注射机构液压控制系统中。试验与仿真结果表明，滚动时域优化迭代学习控制器的应用能够很好地提高注塑机的注射速度，并且能很好地解决上述诸问题。

该文建立了大功率液压机的阀控电液伺服系统仿真模型分析了电磁比例方向阀通过节流控制流量而实现位移或速度控制时产生的能量损耗从而导致系统的液压油温度的升高影响液压系统的稳定工作.通过计算机仿真分析了直接驱动大功率液压机的能量损耗与控制方式之间的矛盾.在同样控制精度下采用迭代学习PID控制器比PID控制器时的能量损耗低一个数量级.最后给出了采用迭代学习PID控制器时液压机滑块位移与系统压力的仿真曲线以及实际应用时的采样曲线.