基于回声状态网络的挖掘机位置在线学习模型控制研究

发布时间：2021-07-18 19:27

　　挖掘机液压系统具有强烈的非线性,现有挖掘机控制普遍采用基于模型的控制方法,需要建立精确的挖掘机模型,成本过高且控制效果差。因此,提出了一种基于回声状态网络的液压挖掘机位置在线学习控制方法,建立了在线学习基本模型,该模型包含2个回声状态网络、1个学习目标的逆和1个基于学习目标逆生成的控制输入,在对其进一步优化后,提出了在线学习优化模型。以正弦信号为参考轨迹,对基础模型和优化模型进行了仿真研究,搭建了挖掘机控制试验装置,分别开展了单关节运动、多关节运动和实际挖掘运动实验,结果表明:采用在线学习控制方法后,挖掘机位置控制精度明显提高,其均方根误差降低占比超过50%,证明了所提出控制方法的性能和可行性。 

【文章来源】：机床与液压. 2020,48(21)北大核心

【文章页数】：5 页

【部分图文】：

回声状态网络模型结构

在线学习基本模型如图2所示。该模型由2个ESN组成:1个学习目标的逆(称为学习网络A),另1个ESN基于学习的逆模型生成控制输入(称为控制器网络B)。在学习网络A中,输入信号uLk由目标的当前输出yk和一个δ阶跃延迟输出信号yk-δ组成

针对上述问题,本文作者对在线学习基本模型进行了优化,引入了滚动时域的概念,并以参考模型作为跟踪,优化后的在线学习模型如图3所示。通过滚动时域方法,消除了寻找δ最优值的繁琐工作,在滚动时域方法中,引入参考滤波器,通过改变滤波器参数,可以调整闭环响应。对学习网络A和控制网络B输入修改为

【参考文献】：
期刊论文
[1]液压挖掘机电液比例位置控制系统仿真研究[J]. 朱平平,邹树梁,谢宇鹏.  机械工程与自动化. 2019(05)
[2]液压挖掘机作业循环状态智能识别方法[J]. 黄杰,王东,王新晴,殷勤,邵发明.  浙江大学学报(工学版). 2019(09)
[3]采用RBF神经网络PID控制的液压挖掘机运动误差研究[J]. 崔慧娟.  微型电脑应用. 2019(08)
[4]一种矿用液压挖掘机铲斗开闭液压控制系统设计[J]. 吕晓林.  液压气动与密封. 2019(08)
[5]通过不变矩和BP神经网络进行挖掘机铲斗位置识别[J]. 宫乐,殷晨波,周俊静.  机械设计与研究. 2017(01)
[6]大型矿用液压挖掘机动臂升降控制方案研究[J]. 王永进,权龙,李爱峰,吕晓林.  机械工程学报. 2013(12)
[7]液压变压器控制挖掘机动臂油缸动态分析[J]. 沈伟,姜继海,王克龙.  农业机械学报. 2013(04)
[8]新型智能挖掘机自动轨迹控制研究[J]. 贺继林,赵鑫,张大庆,宋军.  广西大学学报(自然科学版). 2012(02)
[9]基于遗传算法的挖掘机工作装置铰点位置优化[J]. 蒋炎坤,刘刚强,李宗,张宏.  华中科技大学学报(自然科学版). 2011(03)



本文编号：3290213