使用自整定径向基函数(radial basis function,RBF)神经网络PID控制技术,以实现电液比例加载系统的静力加载控制.自整定RBF神经网络PID控制器的设计不需要被控对象的详细模型,且控制参数能够在线调节,从而可以保证不同控制任务下的控制性能.通过仿真,验证了所设计的自整定RBF神经网络PID控制器的正确性和有效性,以及相对于传统PID控制器的优越性.

实际静力加载测试中,测试试件的尺寸、刚度、载荷等存在较大的差异,加载油缸位移的扰动、流体的非线性、摩擦等都会对测试结果产生影响,这就要求控制系统应具有一定的自适应性。针对经典PID控制参数不能在线调整的缺陷,研究了一种基于BP神经网络的PID控制算法,利用BP神经网络具有的任意非线性表达能力,通过对系统性能的学习,实现具有最佳组合的PID控制。通过仿真,验证了所设计的BP神经网络PID控制系统比PID控制系统建模时间短,系统更稳定,超调量更小。

电液比例加载系统是电液控制中非常典型的一种控制系统。通过分析静力加载试验机电液比例加载系统对积分环节的要求，针对常规PID控制算法快速响应时易超调，容易对加载试件造成永久损伤，以及常规PID控制方法对加载不同刚度的测试试件的适应性较差的问题，应用线性函数的特性，设计了变速积分PID控制中的积分系数函数。通过变化的积分项来矫正系统参数在一定范围内对控制稳定性的不良影响。通过AMESim软件对系统进行物理建模，通过Simulink软件对系统进行数学建模，并进行联合仿真验证理论分析的可行性。将算法运用到实际的加载试验机中得到了实验数据，验证理论分析的正确性。