带钢纠偏电液伺服系统神经网络自适应滑模控制

发布时间：2018-05-22 17:03

  本文选题：电液伺服系统 + 神经网络　； 参考：《中国工程机械学报》2017年05期

【摘要】：建立了带钢纠偏电液伺服系统的数学模型,针对电液伺服系统存在参数不确定性、复杂非线性等特点,提出了自适应滑模控制方法,并利用神经网络的万能逼近特性进行参数逼近.通过Lyapunov稳定性分析,设计了参数自适应律和相应的控制器,通过Matlab对系统特性进行仿真分析.仿真结果表明,该控制算法能进行有效的参数估计,具有较好的跟踪响应和较强的鲁棒性,取得较满意的控制特性.
[Abstract]:The mathematical model of electro-hydraulic servo system for strip deviation correction is established. An adaptive sliding mode control method is proposed for the characteristics of parameter uncertainty and complex nonlinearity in electro-hydraulic servo system. The universal approximation property of neural network is used for parameter approximation. Through the stability analysis of Lyapunov, the parameter adaptive law and the corresponding controller are designed, and the system characteristics are simulated and analyzed by Matlab. The simulation results show that the proposed control algorithm can effectively estimate the parameters, has better tracking response and robustness, and achieves satisfactory control characteristics.
【作者单位】： 辽宁科技大学机械工程与自动化学院;
【基金】：辽宁科技大学大学生创新资助项目(201610146019)(DC2016140)
【分类号】：TF76;TP273

【相似文献】

相关期刊论文 前10条

1 李润生,李延辉,胡学军,刘壮,王守俭;神经网络在冶金中的应用[J];钢铁研究;1998年02期

2 胡敏艺,马荣骏;神经网络在冶金工业中的应用[J];湖南有色金属;2000年05期

3 黄光球,桂中岳;横剖面上矿体自动圈定的神经网络方法[J];中国钼业;1996年04期

4 杨自厚;神经网络技术及其在钢铁工业中的应用　第5讲　神经网络在控制系统中的应用(上)[J];冶金自动化;1997年02期

5 金利平;神经网络技术在钢铁工业中的应用[J];河南冶金;1996年04期

6 应海松;李斐真;;用神经网络评估进口铁矿石品位波动及品质特性[J];金属矿山;2010年11期

7 徐郡,储方杰;基于时序的神经网络在高炉炉温预测模型中的应用[J];冶金自动化;2003年03期

8 贾江涛,吴声,张亚文,廖春生,严纯华,徐光宪;神经网络和树结构概念在稀土分离中的应用[J];科学通报;2000年24期

9 邓左民;林平;王俊;;神经网络在稀土电解中的应用研究[J];江西有色金属;2007年03期

10 徐辰华;;基于神经网络的透气性状态预测[J];柳州师专学报;2010年05期

相关会议论文 前5条

1 马骥;;基于BP神经网络的生产成本预测[A];全国冶金自动化信息网2014年会论文集[C];2014年

2 张东;杜京义;周元辉;王沛军;;基于神经网络的LF炉电极在线建模[A];中国计量协会冶金分会2007年会论文集[C];2007年

3 李洪玮;张建良;国宏伟;;基于BP神经网络的炉渣粘度预测[A];2014年全国炼铁生产技术会暨炼铁学术年会文集(上)[C];2014年

4 刘芳;曹秀英;彭晶;;高炉铁水温度的神经网络软测量及应用[A];第十一届全国自动化应用技术学术交流会论文集[C];2006年

5 冯聚和;王晓亮;李敬;吉祥利;国富兴;韩春良;翁玉娟;王金星;李彦军;;基于BP神经网络的半钢冶炼终点预报模型[A];第十七届（2013年）全国炼钢学术会议论文集（A卷）[C];2013年

相关硕士学位论文 前10条

1 陈亚强;基于区间神经网络的钢铁企业能耗预测[D];东北大学;2014年

2 李帅;基于灰色RBF神经网络的转炉终点预测模型研究[D];东北大学;2014年

3 杨坤;基于神经网络的高炉铁水硅含量建模[D];燕山大学;2016年

4 吴拓;基于区间神经网络的钢铁企业能耗预测[D];辽宁工程技术大学;2014年

5 郭华磊;BP神经网络和PSO的混合算法及应用[D];东北大学;2011年

6 梁欣;回转窑煅烧工艺参数配置优化算法研究[D];北方工业大学;2017年

7 董沛钊;基于神经网络的高炉风机运行状况预测的研究[D];河北科技大学;2015年

8 王勇;神经网络法预测高炉炉缸内衬状态[D];东北大学;2011年

9 赵蕾;高炉侵蚀状况预测过程中的神经网络方法[D];上海海事大学;2007年

10 郑贵海;神经网络技术在鞍钢高炉鼓风机状态监测与故障诊断中的应用[D];东北大学;2010年

，

本文编号：1922907