气动伺服系统的BELC压力控制

发布时间：2024-05-21 03:24

　　由于气动伺服系统受非线性因素的影响,传统PID控制在解决高精度非线性控制问题时效果不理想。一种基于大脑情感学习控制器(Brain Emotion Learning Controller,BELC)的气动伺服系统压力控制方法被提出。首先,对气动伺服系统进行数学建模。然后,结合气动系统非线性和BELC控制特性进行算法改进,采用模糊控制对BELC权值学习率进行在线调节。最后,搭建实验平台分别对传统PID控制、BELC控制及改进的模糊BELC控制进行实验,结果表明:改进后模糊BELC算法有效提高了气动伺服系统的控制精度和响应速度,改善了气动系统控制性能。

【文章页数】：4 页

【部分图文】：

图1气动伺服系统结构原理图

气动伺服系统结构原理图，整个控制系统分为五部分，分别为气源、控制阀、传感器、执行元件以及控制器，如图1所示。气源由气泵，储气罐，滤清器，减压阀组成，控制阀选用三位五通比例流量电磁阀，传感器为用于检测气缸内压力的气体压力传感器，执行元件为无摩擦气缸，控制器由数据采集板卡和工控机组成....

图2BELC模型基本结构

BELC是一个有监督的网络算法。该控制器为无模型控制，且具有快速响应和干扰抑制的能力。它模仿大脑中负责情感处理部分的杏仁核、眶额皮质、丘脑和感官输入。从根本上讲，BELC是一种基于感官输入和情绪线索的行动生成机制。BELC模型的基本结构，如图2所示。BELC首先通过丘脑接收感官输....

图3不同学习率下的阶跃响应

3.2权值学习率的模糊控制BELC的权值学习率包括杏仁体权值学习率α和眶额皮质权值学习率β。前者决定了杏仁体权值学习过程的快慢，进而影响到系控制效果。而后者则直接影响眶额皮质权值学习过程的快慢，进而影响控制器输出的自身校正。取α和β不同数值进行0.1MPa下的压力阶跃响应仿真实....

图4基于BELC的气动伺服控制系统图

基于BELC的气动伺服控制系统图，如图4所示。根据给定压力值和实际压力反馈值获得压力误差，压力误差进而传递到选取的感官输入信号函数和奖励信号函数中，同时，压力误差及其变化率经模糊控制后，获得BELC相应的权值学习率，用于BELC的学习过程。经BELC模型处理后得到的比例阀的控制电....

本文编号：3979537