为了降低气门运动轨迹跟踪误差,提高气门落座的稳定性,采用液压可变阀驱动系统,并对气门运动轨迹跟踪效果进行仿真验证。创建了配气机构液压可变阀驱动系统,并介绍其工作原理。根据牛顿第二定律和热力学定律,推导出活塞运动位移方程式、排气阶段废气的温度和压力变化方程式。利用旋转阀控制液压缸的进油和出油,从而得出液压流量表达式。引用传统PID控制器,采用粒子群算法和卡尔曼滤波器对PID控制器进行改进,给出了气门升程在线控制系统的优化流程。采用Matlab软件对气门升程、气门速度和气门加速度跟踪误差进行仿真,并且与传统PID控制跟踪误差进行对比。结果显示采用传统PID控制系统,气门升程、气门速度和气门加速度跟踪误差较大;而采用改进PID控制系统,气门升程、气门速度和气门加速度跟踪误差较小。采用液压可变阀驱动系统,气门...

为了使机器人视觉伺服控制系统的目标跟踪精度得到进一步提高,构建一种基于开关卡尔曼滤波器的视觉伺服控制系统。研究视觉伺服的目标跟踪原理,推导相关的数学模型,并分析跟踪误差产生的原因;针对图像采集和处理引入的延时问题,通过卡尔曼滤波估计得到目标运动的速度信息,以此作为前馈量输入视觉伺服控制器,补偿由于目标运动和延时造成的跟踪误差;为了解决卡尔曼滤波器由于目标运动的突然变化而降低估计性能的问题,引入运动监视器以在目标运动突然变化时发出开关信号并重置卡尔曼滤波器;最后对该算法进行实验与仿真。结果表明基于卡尔曼滤波器的视觉伺服控制器能把跟踪误差控制在1 mm以内,而开关卡尔曼滤波器能有效地减少因目标运动状态突然变化而产生的跟踪误差。

电动静液作动器(EHA)作为水下液压机械臂的作动系统具有诸多优势。为提高EHA的控制性能,采用基于卡尔曼滤波的模型预测控制(MPC)方法,为提高预测效率,MPC的预测模型采用线性化的EHA模型。在Simulink环境中实现水下机械臂EHA的MPC控制,并与PID和滑模控制(SMC)进行对比。仿真结果表明MPC的位置跟踪稳态误差约为SMC的10%~24%,为PID的3%~37%;出现负载扰动之后,MPC的平均受扰偏差仅为SMC的31%~66%,为PID的3%~48%;随着油液弹性模量的降低,3种控制方法下的受扰偏差均呈上升趋势,但MPC的上升趋势更加平缓,平均偏差值也较低。这表明MPC控制方法具有更高的位置跟踪精度和更强的鲁棒性。

为了解决光电经纬仪电视跟踪系统脱靶量滞后对控制系统跟踪精度及稳定性的影响,将预测滤波技术应用到光电跟踪系统中.提出了极坐标下卡尔曼滤波算法,目标模型采用等速运动并附有时间相关的随机加速度,增加了延时补偿.仿真结果表明,跟踪误差减小,当跟踪目标从视场消失时.控制系统按照预测的目标信息跟踪.

在光电经纬仪中，电视或红外脱靶量的滞后对控制系统的稳定性和跟踪精度都有较大的影响。根据跟踪控制系统实时性和精度要求，设计了两种预测滤波器，卡尔曼滤波器和有限记忆平滑滤波器，并模拟光电经纬 仪实际工作的几种情况，进行了仿。仿真结果表明，预测滤波技术能有效地增加控制系统的相角稳定裕度，改善控制系统的性能。

阐述了采用分布式结构技术设计的组合仪表的组成、功能和原理方案,并对系统功能、信息交换、可靠性等特点进行了分析.该方案具有调试方便,增加和去掉或替换部分设备对全系统影响最小,每一功能部分不受其它功能故障的影响,对关键功能可提供备份的灵活性等优点.

利用卡尔曼滤波器的优点,提出了航空发动机容错控制模型,它的核心部分就是卡尔曼滤波器,考虑了当某一传感器发生故障后,利用一簇卡尔曼滤波器对发生故障的传感器进行诊断并隔离,并依据剩余非故障传感器的信息对自适应模型进行重构。实例仿真表明航空发动机容错控制系统可以保证航空发动机在一定的性能指标下稳定运行,达到了容错控制的目的。

针对伺服电机驱动泵控非对称液压缸系统存在约束和鲁棒性差等问题,提出了采用状态估计的模型预测控制策略。根据泵控液压缸系统的原理和实际要求,建立了含输入和输出约束的状态空间模型;引入模型预测控制,避免了阀切换带来的非线性,提高了约束优化控制性能;结合卡尔曼滤波器,补偿了干扰和模型误差的影响,提高了系统的鲁棒性。仿真结果表明,所设计的控制策略能够实现无偏移跟踪,保证输入不超限、输出无超调,且具有很好的处理干扰和模型失配的能力。实验结果中,液压缸位置无超调,相对位置跟踪误差约为0.5%,干扰和模型误差对控制性能的影响很小。可见,所提方法能应用于实际泵控系统,提高输入、输出约束下的控制性能,容许一定的干扰和建模误差。

变转速泵控液压缸系统转速或负载大范围变动导致的液压系统参量非线性变化,可使基于线性模型设计的控制系统出现控制参数不合理、精度不稳定,甚至控制失稳等问题,本文通过分析典型变转速泵控液压缸系统的状态空间,提出了一种多模型自适应PID(Multi-model adaptive PID,MMA-PID)控制方法。该方法根据系统压力的改变引起的油液体积弹性模量的非线性变化,用多个线性子模型分别描述系统行为,并针对每个子模型,单独设计一个合理的控制器。控制过程中,通过卡尔曼滤波器分别估计各个子模型的输出权重系数,并将所有子模型控制输出加权融合作为系统最终的控制输入。仿真和实验结果表明,在工况大范围变化时,多模型自适应PID控制相较于传统的PID控制,能更好的适应系统参量的非线性变化,具有更好的控制效果和动态性能。

在液压APC（Automatic Position Control）系统中，由于存在控制干扰和测量噪声，为了达到控制精度，通常采取低通滤波，但效果不甚理想。为此，本文提出了一种基于卡尔曼滤波器的控制方法，该方法采用时域上的递推算法进行数字滤波处理，通过仿真和实际应用证明该方法使APC系统运行平稳，大大提高了APC系统的精度。