基于连续回转电液伺服马达模糊RBF神经网络控制研究

发布时间：2021-10-20 03:00

　　针对仿真转台用连续回转电液伺服马达,由系统的非线性和摩擦、泄漏等外界因素导致的不确定性,严重影响了连续回转电液伺服马达的控制精度,提出了一种模糊RBF神经网络控制策略。将RBF神经网络的学习能力引入模糊机制中,利用神经网络高效的非线性拟合能力以及基于专家经验的模糊规则,以避免RBF神经网络的权值更新陷入最优解,同时选择遗传算法优化模糊RBF神经网络的中心宽度、阈值和权值的初始值,以提高控制算法的收敛速度以及收敛精度;最后通过仿真对比说明,该控制算法较PID更能有效提高系统的低速稳定性,拓展系统的频响,实现伺服系统的精确控制。 

【文章来源】：液压与气动. 2020,(12)北大核心

【文章页数】：7 页

【部分图文】：

连续回转电液伺服马达原理图

由式(1)～式(5)可构建如下传递函数方框图,如图2所示。图2中,θi(s)为连续回转马达电液伺服系统的输入信号,θ(s)为其输出信号,K1为电液伺服系统主控制器的传递函数,TL(s)为外加的摩擦力矩。因此连续回转马达电液伺服系统的开环传递函数如下:

连续回转马达电液伺服系统的开环频率特性分析,如图3所示,系统的幅值裕度为149 dB(0.2486 rad/s),相角裕度为89.9°(92.6300 rad/s),该电液伺服系统的幅值裕度和相角裕度表征其稳定性,由特性曲线可知电液伺服系统稳定性较差,响应频率较低,跟踪性能不好。3 模糊RBF控制算法

【参考文献】：
期刊论文
[1]基于BP和RBF神经网络的机器人逆运动学算法[J]. 陈睿,闵华松.  机床与液压. 2019(23)
[2]Robust adaptive compensation control for unmanned autonomous helicopter with input saturation and actuator faults[J]. Kun YAN,Mou CHEN,Qingxian WU,Ronggang ZHU.  Chinese Journal of Aeronautics. 2019(10)
[3]基于TSA多变量非线性RBF神经网络预测控制[J]. 姜雪莹,郭颖,施惠元,苏成利.  控制工程. 2019(09)
[4]力干扰下的电液位置系统自适应鲁棒控制[J]. 李旭,芮光超,殷士才,汤裕,沈刚.  液压与气动. 2019(02)
[5]电液伺服系统RBF神经网络滑模控制[J]. 李文顶,施光林.  液压与气动. 2019(02)
[6]基于EID估计的复合控制在转台中的应用[J]. 任彦,赵冠华,谭文博,刘晓东.  系统仿真学报. 2018(10)
[7]仿真转台用连续回转电液伺服马达预测滑模控制[J]. 王晓晶,刘美珍,陈帅,李嵩.  吉林大学学报(工学版). 2019(05)
[8]基于UMAC的RBF神经网络PID控制[J]. 李明,封航,张延顺.  北京航空航天大学学报. 2018(10)
[9]基于PSO优化的RBF网络液压泵故障诊断研究[J]. 沈美杰,赵龙章,周兵,周崇明.  液压与气动. 2016(05)
[10]基于模拟退火遗传算法的交直流系统无功优化与电压控制研究[J]. 黄俊辉,汪惟源,王海潜,李海坤.  电力系统保护与控制. 2016(10)

硕士论文
[1]连续回转电液伺服马达性能的控制研究[D]. 何宇华.哈尔滨工业大学 2010
[2]连续回转电液伺服马达性能研究[D]. 武晓峰.哈尔滨工业大学 2009



本文编号：3446116