由于挖掘机工作装置具有复杂强耦合非线性和时滞性的特点,并且其在工作过程中存在负载不确定的问题,导致挖掘机的作业效率低、机械磨损大。针对这一问题,采用了一种基于迭代学习控制与滑模控制相结合的控制策略,对挖掘机工作装置各关节轨迹的跟踪控制性能进行了研究。首先,利用拉格朗日力学法,建立了挖掘机工作装置的动力学模型;然后,推导定义了控制律,并利用Lyapunov理论验证了控制器的稳定性;最后,设计了迭代滑模控制器,以小松PC02-1挖掘机为平台,确定了其轨迹控制所需的变量,利用MATLAB对挖掘机工作装置的轨迹跟踪性能进行了数值仿真。研究结果表明:在面对外部扰动的情况下,该方法可有效地提高挖掘机工作装置各关节的跟踪速度与跟踪精度,同时可在一定程度上削弱传统滑模控制的抖振现象,系统的鲁棒性强;该结果表明,迭代学习控制与滑...

液压挖掘机的控制系统具有非线性、时变性以及强耦合的特点,传统的比例积分微分(Proportion integral differential,PID)控制器参数整定方法不能满足对挖掘机工作装置精确的位置控制要求。因此提出一种遗传萤火虫算法(Genetic Firefly Algorithm,GFA)整定方法,通过对目标函数、选择算子、交叉算子等改进之后再引入人工萤火虫算法来提高遗传算法的全局寻优能力和收敛速度。利用MATLAB仿真软件进行仿真,并分别与标准PID控制和标准遗传算法进行比较。仿真结果表明,基于GFA的控制系统具有较快的响应速度、无超调量、更强的鲁棒性以及较小的铲斗关节轨迹跟踪误差。所提算法具有更好的参数整定能力,改善了系统性能,可用于提高液压挖掘机铲斗位置控制的效果。