基于神经网络控制算法的气动伺服系统运动分析研究
提出了一种神经网络控制方法并通过对气动伺服系统的无杆气缸运动控制,探究此控制方法的控制精度。由于受空气可压缩性、摩擦力以及启动系统的扰动等非线性因素的影响,气动伺服系统很难去建立精确的数学模型。根据系统的非线性特点及PID控制不足,基于BP神经网络控制,设计神经网络PID控制器,并进行实验。通过实验,对无杆气缸的运动特性分析,表明这种控制策略可以更好控制气动伺服系统的运动精度。
基于神经网络优化PID控制算法的磁流变阻尼结构应用研究
PID控制算法理论成熟且在工业中应用广泛,但常规的PID(比例积分微分算法)控制器对于非线性、复杂的建筑结构的控制存在一定局限性。通过神经网络优化PID控制算法,让PID的控制参量可以自行整定,克服PID算法难以自我调节和用于复杂结构的缺点,使优化的PID算法适用于磁流变阻尼抗震结构的半主动控制。将神经网络优化PID算法用于安装有磁流变阻尼器的某3层钢筋混凝土框架结构进行的仿真研究,并对比结构在无控状态、PID控制、神经网络控制以及神经网络PID控制下结构的地震响应。结果表明:在3条不同地震波作用下,神经网络PID算法对的结构各层位移峰值、加速度峰值的控制效果明显优于PID算法与神经网络算法。
吊舱推进器安装平台的液压同步控制策略
针对吊舱推进器安装平台四缸同步运动过程中缺乏有效控制策略的问题,提出基于BP神经网络的主从同步控制策略。通过对安装平台顶升液压系统进行分析,推导出四缸同步控制系统的数学模型。根据该数学模型设计基于BP神经网络的PID控制器,并通过AMEsim与MATLAB的联合仿真求解液压系统的同步控制精度。仿真结果表明,该控制策略能有效实现四缸同步运动控制,且同步精度达到±0.1 mm。
快速温升下的航天电液伺服系统在线校正方法
针对航天电液伺服系统在飞行工况中静、动态特性均受到快速温升影响的问题,提出一种控制参数在线校正方法。以柔性喷管推力矢量伺服系统为研究对象,建立伺服系统的数学模型;通过仿真分析研究关键精密部件伺服阀在不同温度时的频率特性;基于油温变化对伺服阀的影响分析,研究伺服系统受温度影响时控制性能的变化;根据不同油温对控制网络参数进行在线校正,可以保持系统动态特性的稳定。仿真结果表明:该方法可以降低快速温升对伺服系统频率特
电液伺服系统的神经网络在线学习补偿自适应控制
基于反馈误差学习法、小波分析理论并结合面向控制的辨识思想 ,提出了一种神经网络在线学习补偿自适应控制结构。基于被控过程的小波变换结果信息利用反馈误差学习法调整控制参数。利用“参征器”实行监督控制 ,避免控制器的输出产生振荡或进入饱和状态。工程应用表明 ,该方法将过程辨识和“参征器”引入神经网络的学习和控制中 。
电液伺服系统的神经网络在线学习补偿自适应控制
基于反馈误差学习法、小波分析理论并结合面向控制的辨识思想提出了一种神经网络在线学习补偿自适应控制结构.基于被控过程的小波变换结果信息利用反馈误差学习法调整控制参数.利用"参征器"实行监督控制避免控制器的输出产生振荡或进入饱和状态.工程应用表明该方法将过程辨识和"参征器"引入神经网络的学习和控制中可有效地提高系统的控制品质.
音圈电机直驱阀的神经网络PID控制
音圈电机直驱阀是一种新型的直驱阀结构上采用音圈电机直接驱动阀芯针对液动力负载扰动对直驱阀的稳态、动态性能的影响以及经典PID控制所存在的不足在建立音圈电机直驱阀数学模型的基础上建立神经网络PID控制。利用神经网络PID在线学习功能对直驱阀的位置进行自适应补偿。仿真结果表明在相同的扰动环境下神经网络控制策略具有比经典PID控制器更好的抗干扰性和鲁棒性具有更好的效率和自适应能力而且无超调这对音圈电机直驱阀的性能改善有很大的帮助。
神经网络控制(NNC)及其在液压系统中的应用
本文给出了神经网络控制(NNC)系统的几种典型结构,并对NN算法进行了讨论,最后通过液压管道压力脉动的NNC和液压位置伺服系统模型参考NNC的实例研究,证实了NNC的有效性和鲁棒性。
挖掘机节能用变量泵BP神经网络控制系统研究
从节能角度出发,提出了一种新的液压挖掘机节能用变量泵控制方法--BP神经网络控制方法,在油门一定的条件下,根据发动机转速(外部负载)的变化,控制系统实时调整变量泵的排量,从而实现发动机与变量泵的合理匹配.基于此方法进行了台架试验,结果证明新型控制系统优于传统的PID控制方法.
煤矿液压支架系统的神经网络控制及仿真
对煤矿液压支架电液控制系统采用神经网络PID控制策略,并进行仿真实验研究。研究结果表明:采用该控制方法可以获得在线系统动态特性,从而使控制参数的修正更加准确;能够进一步提高系统的控制精度及可靠性,具有较高的工程应用价值。