基于神经网络的轮带系统横向振动的变结构控制

发布时间：2017-10-02 02:10

  本文关键词：基于神经网络的轮带系统横向振动的变结构控制

  更多相关文章： 神经网络 轴向运动弦线 滑模变结构控制 横向振动控制 离散指数趋近律

【摘要】：轮带驱动系统具有结构简单,传递动力远,制造成本低,过载保护等优点,因此被广泛应用于各种机械设备中。然而在其高速运动过程中出现的振动问题会影响系统的性能,阻碍了它在某些工程领域中的应用,所以有必要研究一些控制手段来对轮带系统的振动进行抑制和消除。轮带系统中的皮带由于不承受抗弯力,自身重力小,且沿着轴向拉力方向运动,故可以简化为轴向运动弦线模型。因为轴向运动弦线的结构简单,所以一般采用主动控制方法来抑制其横向振动。滑模变结构控制对系统摄动及外部干扰具有较好的鲁棒性,且具有快速响应、无需系统在线辨识、物理实现简单等优点。神经网络具有较强的在线学习和自适应能力,能逼近任意复杂的线性和非线性关系。将神经网络和滑模变结构控制方法相结合,可以使系统在保持对摄动和外部干扰强鲁棒性的同时尽量消除抖振。利用轮带的横向振动与作动器运动相耦合的理论,建立了轮带作动器线性动力学方程。用离散指数趋近律设计变结构控制器,并用BP神经网络自适应调整离散指数趋近律参数,以减小系统抖振,改善系统的动态品质和鲁棒性能。仿真结果表明,所设计的基于BP神经网络离散指数趋近律的变结构控制器能有效地抑制作动器角位移的变化,从而间接达到了抑制轮带系统横向振动的目的。由于BP神经网络学习训练速度慢,容易陷入局部极小点,故采用RBF神经网络来设计变结构控制律。运用等效控制法和位置跟踪法来设计系统的滑模变结构控制律,利用RBF神经网络逼近变结构位置跟踪控制律,使系统运动逐步趋近位置指令函数,实现了控制作动器运动状态、抑制弦线横向振动的目的。针对有外界附加激励的轮带系统,结合轮带的横向振动与作动器运动相耦合的理论,建立了新的作动器线性常微分方程和轮带横向振动方程。采用BP神经网络和离散指数趋近律来设计变结构控制器。考虑到常规BP神经网络的缺点和不足,利用终极吸引子来改善BP神经网络的性能,提高神经网络学习速度,防止训练陷入局部极小点。运用Matlab软件进行仿真,结果表明,所设计的控制律有效地抑制了受控弦线的横向振动。
【关键词】：神经网络 轴向运动弦线 滑模变结构控制 横向振动控制 离散指数趋近律
【学位授予单位】：福州大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP183;TH113.1
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-17
• 1.1 研究理论及意义8
• 1.2 国内外研究进展8-15
• 1.2.1 线性振动分析8-10
• 1.2.2 线性振动控制10-12
• 1.2.2.1 频域分析方法10-11
• 1.2.2.2 行波消去法11
• 1.2.2.3 时域分析方法11-12
• 1.2.3 非线性振动分析12-13
• 1.2.4 非线性振动控制13-15
• 1.2.4.1 Lyapunov方法13
• 1.2.4.2 滑模变结构控制13-14
• 1.2.4.3 自适应控制14
• 1.2.4.4 神经网络与模糊控制14-15
• 1.3 特色与创新15
• 1.4 内容概述15-17
• 第二章 神经网络和滑模变结构控制17-28
• 2.1 神经网络17-21
• 2.1.1 人工神经网络概述17-18
• 2.1.2 神经网络常用的激活函数18-20
• 2.1.3 神经网络的训练和学习20-21
• 2.2 滑模变结构控制21-27
• 2.2.1 变结构控制的基本概念21-23
• 2.2.2 变结构控制的基本要素23-25
• 2.2.3 变结构控制系统的动态品质25-26
• 2.2.4 变结构控制系统的设计26-27
• 2.3 本章小节27-28
• 第三章 基于BP神经网络的轮带系统的变结构控制28-47
• 3.1 引言28
• 3.2 动力学方程28-33
• 3.3 控制律设计33-39
• 3.3.1 作动器动力学方程离散化34
• 3.3.2 神经网络离散指数趋近律34-36
• 3.3.3 变结构控制器设计36-37
• 3.3.4 BP神经网络的权值调整37-38
• 3.3.5 滑模变结构控制系统的收敛性分析38-39
• 3.4 仿真研究39-46
• 3.5 本章小结46-47
• 第四章 基于RBF神经网络的轮带系统的变结构控制47-57
• 4.1 引言47
• 4.2 状态方程47-48
• 4.3 等效控制器设计48-49
• 4.4 等效控制器的稳定性49-50
• 4.5 RBF神经网络滑模控制器设计50-52
• 4.6 仿真研究52-56
• 4.7 本章小结56-57
• 第五章 有附加激励的轮带系统的变结构控制57-72
• 5.1 引言57
• 5.2 动力学方程57-60
• 5.3 控制律设计60-63
• 5.3.1 神经网络变结构控制器设计60-61
• 5.3.2 基于终极吸引子的BP神经网络(TABP)权值调整61-63
• 5.4 仿真研究63-71
• 5.5 本章小结71-72
• 总结和展望72-73
• 论文总结72
• 展望72-73
• 参考文献73-77
• 致谢77-78
• 简历78

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

本文编号：956943