基于改进PID控制的电液伺服系统执行器运动轨迹仿真

发布时间：2022-08-09 18:36

　　电液伺服系统执行器运动轨迹跟踪容易受到外界干扰,导致控制系统不稳定。为解决此问题,设计小波神经网络PID控制系统,并对控制效果进行仿真验证。建立电液伺服阀简图模型,创建阀芯运动的动力学模型,分别推导出控制阀、液压执行器和比例溢流阀动力学方程式。采用小波神经网络对传统增量式PID控制器进行改进,利用MATLAB软件对改进后的控制系统进行仿真;对比分析改进前、改进后系统液压执行器的跟踪轨迹。结果表明:液压执行器在没有受到外界波形突然干扰情况下,2种控制方法都能较好地实现轨迹跟踪;在受到外界波形突然干扰情况下,采用增量式PID控制的液压执行器运动轨迹与期望轨迹存在较大误差,采用小波神经网络PID控制的液压执行器运动轨迹与期望轨迹存在较小误差。所设计的控制系统响应速度较快,能够自适应在线调整控制参数,有效地抑制外界环境对控制系统的干扰,从而提高液压执行器运动轨迹跟踪精度。 

【文章页数】：5 页

【部分图文】：

电液伺服阀模型简图

小波神经网络PID控制3层结构

PID控制跟踪效果(无干扰)

【参考文献】：
期刊论文
[1]基于自适应遗传算法的电液伺服系统控制[J]. 董蒙,栾希亭,吴宝元,梁俊龙.  机床与液压. 2019(14)
[2]基于观测器的非线性高阶滑模电液位置鲁棒控制研究[J]. 王海燕.  中国工程机械学报. 2019(02)
[3]电液比例伺服系统模糊PID复合控制应用研究[J]. 毛尾,纪朱珂,韦海利,彭熙伟.  液压与气动. 2019(01)
[4]增量式PID和位置式PID算法的整定比较与研究[J]. 王祎晨.  工业控制计算机. 2018(05)
[5]改进遗传算法PID在电液伺服系统的应用[J]. 张炳兰.  自动化仪表. 2017(08)

硕士论文
[1]基于换向阀的泵控电液位置伺服系统模糊滑模控制技术研究[D]. 朱洢萱.西安理工大学 2019
[2]一种人工鱼群算法的改进及其对BP神经网络的优化研究[D]. 曾飞艳.湖南科技大学 2015
[3]FESTO液压伺服试验台测控系统研究与开发[D]. 卞军.沈阳理工大学 2011



本文编号：3673072