柔性梁式结构的迭代学习控制与仿真研究

发布时间：2020-06-22 16:04

【摘要】：随着现代工业的快速发展,柔性梁式结构得到了广泛的应用,尤其是在航空航天、机械工程和海洋工程等领域。在实际生产过程中,受外部干扰的影响,柔性系统会出现不可避免的机械振动现象,这将会对柔性结构的性能和使用寿命产生负面影响。因此,研究柔性梁式结构的主动振动抑制问题具有重要的理论意义和实际应用价值。本文通过将迭代学习控制(Iterative Learning Control,ILC)、自适应技术与边界控制相结合,提出了一种改进的控制策略,以提高跟踪精度,最小化柔性梁系统的振动位移,提高系统工作性能并延长其使用寿命。本文的主要内容如下:1、基于欧拉-伯努利梁假设,对于柔性梁式结构这类典型的分布参数系统,采用力学分析方法得到其偏微分模型,运用哈密顿原理和变分法推导出柔性梁系统的偏微分方程和边界条件。2、将边界控制和迭代学习控制相结合,基于柔性梁系统的动力学方程,设计了迭代学习边界控制算法来对其进行振动控制,并通过Lyapunov直接法对控制系统的稳定性进行了证明,验证了所设计的控制算法的有效性。3、本文利用Matlab GUI和Android平台完成了柔性梁振动控制仿真系统的设计和开发。采用有限差分法对系统模型进行离散化处理,并通过Matlab进行数值模拟和模型解析;利用Matlab图形用户界面,实现柔性梁振动过程的动态模拟;同时利用搭载Android系统的ARM开发板来监控和存储历史数据,并在Matlab和Android之间通过串口通讯来进行实时数据传输;最后在所设计的仿真系统上进行实验,验证了仿真系统及边界迭代学习控制算法的有效性。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TH113.1;TP391.9
【图文】：

图 2-1 变分曲线示意图函数的变分不会随着时间的推移而改变，称作的极值，类比一般的函数求最大最小值，泛函极值。变分法在物理学中发挥着举足轻重的作似，变分的运算法在形式上与之一致，公式(21 2 1 21 2 1 2 2 11 2 1 1 222 2( )( )y y y yy y y y y yy y y y yy y 质，在之后的公式推演中需要使用：运算可以交换，即：( ) ( )dq dq

第四章 柔性梁式结构系统的仿真设计. 完善的插件系统以及完美整合版本控制系统。ndroid 是一个以 Linux 为基础的开源操作系统，在触屏移动设备以及其他应用广泛[44]。由于其开源特性，任何移动应用开发商和开发者能够实现个 Android 平台上研发自己的软件。并且在硬件平台上，也有丰富的选择，动设备都可以运行 Android 系统。Android 系统的发展已经相当成熟，形台到硬件平台完整的生态系统。Android 的软件栈如图 4-1 所示。

【相似文献】

相关期刊论文 前10条

1 刘超;;迭代学习控制原理浅述[J];智慧工厂;2017年12期

2 付子义;袁海国;王艺龙;;基于迭代学习控制的桥式起重机定位及防摆[J];实验室研究与探索;2017年02期

3 池荣虎;刘宇;张瑞坤;;离散时间系统自适应迭代学习控制的研究进展[J];青岛科技大学学报(自然科学版);2015年06期

4 苗静;;迭代学习控制理论[J];西安工业大学学报;2013年11期

5 苗静;;迭代学习控制理论[J];西安工业大学学报;2014年02期

6 苗静;;迭代学习控制理论[J];西安工业大学学报;2012年09期

7 苗静;;迭代学习控制理论[J];西安工业大学学报;2011年05期

8 孙云平;李俊民;王元亮;;二阶系统非一致目标跟踪混合自适应迭代学习控制[J];工程数学学报;2008年01期

9 李俊民;孙云平;刘峗;;非一致目标跟踪的混合自适应迭代学习控制[J];控制理论与应用;2008年01期

10 李丽娜;雷升印;;迭代学习控制在伺服系统中的应用[J];中国科技信息;2006年04期

相关会议论文 前10条

1 师佳;江青茵;曹志凯;周华;;一种基于2维鲁棒预测控制的迭代学习控制方案[A];第二十九届中国控制会议论文集[C];2010年

2 兰永红;;基于二维模型的鲁棒D型迭代学习控制[A];中国自动化学会控制理论专业委员会C卷[C];2011年

3 毕胜;王福根;鄢达来;吴怀宇;章刚华;熊沈蜀;周兆英;;功能性电刺激P型迭代学习控制方法的研究[A];中国康复医学会第四届会员代表大会暨第三届中国康复医学学术大会论文汇编[C];2001年

4 翟仑;段培永;李俊青;李岩;田国会;黄尚锋;;闭环迭代学习控制在切换轨迹精确跟踪中的应用[A];2018中国自动化大会(CAC2018)论文集[C];2018年

5 任佳;王向东;徐进学;;一类非线性系统的迭代学习控制[A];第二十届中国控制会议论文集（上）[C];2001年

6 白小军;陈力;;漂浮基空间机器人基于边界层的自适应切换迭代学习控制[A];第十届全国多体动力学与控制暨第五届全国航天动力学与控制学术会议论文摘要集[C];2017年

7 孙明轩;张杰;毕宏博;;时变非线性系统的特征模型与自适应迭代学习控制[A];第26届中国控制与决策会议论文集[C];2014年

8 刘萍;郭毓;胡彦;向峥嵘;;一类二阶不确定非线性系统的鲁棒自适应迭代学习控制[A];第二十七届中国控制会议论文集[C];2008年

9 黄秋霞;何熊熊;李大鹏;;基于特征模型的自适应迭代学习控制[A];第25届中国控制与决策会议论文集[C];2013年

10 朴凤贤;张庆灵;;非线性迭代学习控制系统的改进算法[A];数学·力学·物理学·高新技术研究进展——2006（11）卷——中国数学力学物理学高新技术交叉研究会第11届学术研讨会论文集[C];2006年

相关博士学位论文 前10条

1 洪英东;轨迹更新的点对点2D综合预测迭代学习控制研究[D];清华大学;2017年

2 何之煜;自适应迭代学习控制在列车自动驾驶系统中的应用[D];中国铁道科学研究院;2019年

3 孙丽丽;互联系统的分散式自适应迭代学习控制及应用研究[D];浙江大学;2014年

4 杨胜跃;迭代学习控制算法设计与优化研究[D];中南大学;2004年

5 谢振东;非线性迭代学习控制理论及其在机器人控制中的应用[D];华南理工大学;2000年

6 徐敏;基于迭代学习控制理论的励磁控制研究[D];西北工业大学;2005年

7 池荣虎;非线性离散时间系统的自适应迭代学习控制及应用[D];北京交通大学;2006年

8 张瑞坤;受限非线性参数化系统的自适应迭代学习控制[D];北京交通大学;2016年

9 张春丽;几类非线性系统的自适应迭代学习控制研究[D];西安电子科技大学;2014年

10 吉鸿海;自适应迭代学习控制和卡尔曼一致性滤波及在高速列车运行控制中的应用[D];北京交通大学;2017年

相关硕士学位论文 前10条

1 邓潇;柔性梁式结构的迭代学习控制与仿真研究[D];华南理工大学;2019年

2 胡林威;基于自抗扰迭代学习控制的开关磁阻电机调速系统研究[D];华南理工大学;2019年

3 徐光召;一类线性定常连续切换系统的迭代学习控制[D];苏州科技大学;2019年

4 陈文峰;基于去伪策略的城市主干道迭代学习控制方法研究[D];浙江工业大学;2018年

5 柯达;气动肌肉驱动的康复机器人迭代学习控制研究[D];武汉理工大学;2018年

6 丁鲁川;直线伺服系统迭代学习控制非重复性扰动抑制研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年

7 宋宏梅;基于MEEMD算法的永磁直线同步电机分数阶迭代学习控制[D];沈阳工业大学;2019年

8 单芮;全方向康复步行训练机器人的迭代学习控制研究[D];沈阳工业大学;2019年

9 翁建业;双带并发功率放大器的线性化研究[D];电子科技大学;2019年

10 沈建强;不确定离散重复过程的迭代学习控制研究[D];江南大学;2019年

本文编号：2725903