针对存在参数不确定、非线性约束液压锚杆钻机回转系统的转速高精度控制问题,利用钻机作业的重复性,提出了一种基于无模型自适应迭代学习的液压锚杆钻机回转系统转速控制方案。首先,搭建钻机回转控制系统关于转速的状态空间模型。其次,利用动态线性化技术,构造钻机回转系统液压马达与伺服阀电流在迭代域的等价线性映射关系,并根据系统采集的历史伺服阀电流输入、液压马达转角输出数据,提出无模型自适应迭代学习转速控制设计方法。然后在理论上给出液压锚杆钻机回转系统转速跟踪误差沿数据方向以及重复作业方向的渐近收敛性。最后,利用MATLAB软件和AMEsim平台联合仿真验证算法的有效性。结果表明,相比于传统PID算法和迭代学习控制算法,所提出的算法在不需要已知锚杆钻机系统模型的情况下,能够仅利用可测数据实现钻机转速的高精度...

针对目前国内研制的液压可控震源系统可靠性差、控制技术落后等问题,以电液伺服可控震源为研究对象,应用ADAMS软件建立系统动力学模型,应用MATLAB软件建立液压系统和控制系统模型,从而得到系统联合仿真模型。采用迭代学习控制方法提高系统的响应性能,改善系统对期望信号的跟踪精度。结果表明,搭建的联合仿真模型正确可行,提出的控制方法能够明显提高系统的跟踪性能以及抗干扰鲁棒性。

针对双缸电液位置伺服同步控制系统的高精度及快速性要求,采用比例积分微分型迭代学习控制算法,设计实现了电液位置同步控制系统.在系统中采用双闭环两级控制策略,将双缸同步误差反馈补偿到输出量中,同时采用比例微分算法对数字控制量进行修正,使双缸互为跟踪对象,保证了双缸运行中的高精度同步.试验结果表明该同步控制系统具有较高的控制精度和快速跟踪目标能力,同步控制精度达到了0.2%,为电液同步控制提供了一种新的有效思路和方法,因此具有重要的工程应用价值.

针对目前常见串联式机械手末端存在控制误差累计而导致末端控制精度较低,无法实现高精度位置伺服控制,使得末端轨迹跟踪控制较差等问题,该文借助迭代学习控制算法的优点,提出了一种基于迭代学习的电液机械手末端轨迹跟踪控制算法。首先,该文以型号为REbot-6R机械手为研究对象,建立机械手的三维模型和坐标,利用D-H坐标,建立REbot-6R机械手运动学模型;然后,设计了基于迭代学习的电液机械手末端轨迹跟踪控制器;最后,以REbot-6R机械手为对象搭建实验平台进行轨迹跟踪控制实验。实验结果表明了迭代学习算法能够很好的运用在REbot-6R机械手上,有效性地解决机械手末端轨迹跟踪控制较差等问题,提高了轨迹跟踪精度。

为解决传统控制方法下电液伺服振动台复现波形精度不高的问题,对5种迭代学习控制算法进行了对比研究。采用的迭代学习控制算法包括时域迭代算法和频域迭代算法,时域迭代算法有P型学习律和PD型学习律,频域迭代算法有直接迭代、修正迭代和幂指数迭代,通过振动台仿真模型对比研究各种方法的控制效果。研究结果表明:在相同模型和相同波形条件下,所采用的5种算法中,频域迭代算法优于时域迭代算法,频域迭代算法下波形的相关系数可达98%以上,最大峰

针对轧机液压位置闭环系统存在强耦合、多变量等非线性因素,精确建模困难且不具备自我更新学习等问题,将无模型自适应迭代学习控制(MFAILC)应用于轧机液压位置闭环系统。由于MFAILC算法的误差收敛消耗时间较长,采用高阶伪偏导数估计算法改善系统的收敛速度,同时针对MFAILC算法在控制过程中的抗干扰性较差、容易产生控制偏差的问题,结合内模控制强鲁棒性、结构简单等优点,将其引入MFAILC算法,对算法的控制结构进行改进。仿真实验结果表明:改进后的

针对普通闭环PD型迭代学习控制算法收敛速度慢且收敛精度不高的问题,通过在闭环PD型控制算法中引入动态扩张-收缩因子（dynamic expansion compression coefficient,DECC）的方法,提高闭环PD型算法的收敛速度以及收敛精度。同时将鲁棒控制引入至算法中,进一步提高算法抑制外界干扰的能力。通过构造李雅普诺夫函数证明了在所提改进的控制律作用下的信号是有界且收敛的。最后将改进的迭代学习控制算法应用在一类具有重复运行性质的非线性系统中,证明所提算法是有效的。

针对大部分舵机电液伺服力控系统存在多余力的问题，提出采用双电液伺服阀并联控制，即高响应大流量伺服阀和p-qv伺服阀并联的控制方法。考虑系统的非线性和时变特性，采用了模糊控制与迭代学习控制相结合的控制方法，即一个控制器采用模糊学习控制，另一个采用迭代PI控制。理论分析及仿真结果表明，双阀并联控制方案在舵机启动和停车过程中可以更好地抑制多余力，同时改善了系统的加载性能、非线性和时变特性的影响。

电液伺服力加载系统响应快、控制精度高被广泛地应用在各类测试装置中。惯性是物理学中最基本的概念之一在电液伺服力加载系统中惯性力主要由质量和加速度决定质量和加速度越大产生的惯性力也就越大。在科学实验过程中动态加载时较大的加速度会产生较大的惯性力惯性力会影响力加载的控制精度从而引起实验精度的下降。绝大多数情况下惯性力与加载力相比相对比较小完全可以忽略。然而在高频小载荷的加载场合由于加速度大、加载力小此时应考虑惯性力的影响。基于此该文分析了高频小载荷条件下惯性力对加载力的影响在Matlab/Simulink中建立了电液伺服力加载系统的数学模型提出采用迭代学习控制的方案实现惯性力的补偿以土工常用的电液伺服动三轴试验仪为例开展仿真研究研究结果表明:迭代学习控制方案能较明显地提高动态加

针对某具体电液伺服协调加载系统，提出了一种加速算法闭环Ｐ型迭代学习控制律。该方法控制精度高，计算简单，对耦合干扰有较强的鲁棒性。理论分析和试验结果表明，该方法有较大的应用价值。