针对连续回转马达高度非线性和摩擦、泄漏等不确定性,严重影响系统的跟踪性能,提出了一种基于BP神经网络预测的模糊控制策略。该控制策略采用了BP神经网络进行伺服系统的输出预测,并计算了预测输出与给定输入间的未来误差和误差变化率,根据专家经验编制电液伺服系统模糊控制规则,设计模糊控制器,从而调整电液伺服系统的控制量,实现对连续回转电液伺服马达位置状态的实时跟踪。通过Simulink仿真表明,基于BP神经网络预测的模糊控制和传统PID控制相比,有效的提高了电液位置伺服系统的位置跟踪精度和抗干扰能力,缩短了响应时间,拓宽了系统响应频带。

静液压变速器(HST)的操控性是农用车辆性能提升的关键,采用一种基于BP(back propagation)神经网络的新型控制策略,对HST马达输出转速的动态特性进行研究。基于变量泵定量马达静液压传动系统的数学模型,首先对比研究了传统PID控制、模糊控制以及BP神经网络控制3种方法的控制效果,结果表明:与传统PID控制和模糊控制相比,BP神经网络控制能有效抑制系统超调量并降低马达转速波动,减小系统达到稳态的调节时间,具有良好的鲁棒性。基于此,提出采用BP神经网络控制方法对具有更大马达转速变化范围的变量泵变量马达传动系统进行调查,研究结果表明,在对变量泵、变量马达分段控制中,该方法能实现较稳定的切换效果;在不同的负载等效转动惯量下,马达转速均能达到稳定状态,且由负载引起的转速波动也得到降低。研究结果表明,BP神经网络控制方法对变量泵变量...