由于气动伺服系统受非线性因素的影响,传统PID控制在解决高精度非线性控制问题时效果不理想。一种基于大脑情感学习控制器(Brain Emotion Learning Controller,BELC)的气动伺服系统压力控制方法被提出。首先,对气动伺服系统进行数学建模。然后,结合气动系统非线性和BELC控制特性进行算法改进,采用模糊控制对BELC权值学习率进行在线调节。最后,搭建实验平台分别对传统PID控制、BELC控制及改进的模糊BELC控制进行实验,结果表明:改进后模糊BELC算法有效提高了气动伺服系统的控制精度和响应速度,改善了气动系统控制性能。

本文针对气动伺服系统平台设计控制器，首先介绍了控制器的基本组成和工作原理，从输出反馈自适应控制器理论设计到仿真，再到算法的程序实现，最终实现了对实际的气动伺服系统的控制。从实验结果可以看出，在存在系统不确定因素及所给系统参考参数不准确等因素的条件下，输出反馈自适应控制基本上取得较好的控制和跟踪效果。

针对气动伺服系统执行机构运动精度较低问题,设计了气动伺服系统改进传动装置模型。创建了气动伺服阀系统执行机构运动简图,分析了阀门的非线性质量流动特性、死区、多变温度模型、传热和非线性摩擦对执行机构运动精度的影响,根据动力学死区难以识别问题,设计出气动伺服系统执行机构运动的数学模型和相应的参数识别方法。采用Matlab软件对改进模型进行仿真验证,并且与理论值进行比较。结果显示:改进前,气动伺服系统活塞运动产生的位置、速度和压力与理论值相比,误差整体波动幅度较大;改进后,气动伺服系统活塞运动产生的位置、速度和压力与理论值相比,误差整体波动幅度较小。气动伺服系统执行机构在压力动力学、活塞速度和活塞位置方面,改进后的传动装置模型能够提高执行机构动力学死区的识别的精度。

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。

在不久的将来,随着众多的新型气动元件投放市场,气动伺服系统的应用必将更为普遍,许多公司正加强与加快开发电一气伺服阀与低摩擦气缸。然而,不少气动与液压设计人员认为设计与分析气动伺服系统是困难的。从原理上讲,电一气伺服系统确实存在许多非线性因素。同时,那些应于气动伺服系统

为提高气动伺服系统的行程与精度,设计了一种新型的使用金属波纹管作为单极驱动机构的气动伺服系统,并建立了新型气动伺服系统的动力学模型。所建模型采用传统的PID控制,通过MATLAB软件Simulink仿真研究了控制效果,所得仿真结果能较好的跟随输入信号。根据所建模型搭建试验平台,使用Lab VIEW作为上位机采集数据得到波形,所得试验结果与仿真结果基本一致,验证了仿真模型的有效性。

气动伺服系统存在纯时延、非线性、时变等特点，传统的控制策略（如PID控制）在解决非线性系统时效果不理想，因此提出一种无模型控制算法。此方法在被控对象结构复杂、参数时变时控制效果较好。首先对气动伺服系统进行建模，建模过程包括阀口流量、比例流量阀及缸内压力建立一个二阶模型；其次设计无模型自适应控制器（Model-Free Adaptive Controller，MFAC）用于气动伺服系统压力控制；最后利用LabWindows/CVI平台进行试验验证。结果表明，针对气动伺服系统设计的无模型控制器是有效的，相比于传统PID控制有更快的响应速度和更高的控制精度。

在气动伺服系统中动力机构是其关键洼部件。与传统的阀控非对称气动缸动力机构相对应，将普通单杆气缸争自制的磁流变液（MRF）阻尼器串联研制成新型的磁流变（MR）非对称气动缸动力机构．介绍了所构建的磁流变动力机构的结构和工作原... 展开更多

介绍了目前流控技术在机车车辆上的应用原理和装置结构特点．

介绍了基于磁流变液阻尼器的气动伺服试验系统，对其进行分析，并分别用PID控制算法、BangBang＋PID算法、BangBang＋模糊PID算法对该系统进行跟踪控制。