基于模糊辨识方法的阀控非对称缸液压伺服系统建模研究

发布时间：2022-11-10 21:14

　　电液伺服控制系统因为具有功率密度大和控制精度高等优势,所以在机器人、国防工业等领域被广泛应用。精确的数学模型是实现高品质液压伺服控制的重要前提,但由于液压伺服系统控制机理复杂且存在大量参数和结构不确定性,仅通过机理分析难以获取其精确的数学模型。为解决此问题,本文采用模糊辨识建立阀控非对称缸液压伺服系统的数学模型。模糊辨识是一种基于数据的先进建模方法,仅通过系统输入输出数据即可获取准确的数学模型,在电网系统、食品行业等领域被广泛应用。本文通过开展阀控非对称缸液压伺服系统实验获取输入输出数据,基于模糊辨识思想,建立液压伺服系统精确模型,为进行系统分析和控制设计提供基础,旨在提高阀控非对称缸液压伺服系统的控制精度和鲁棒性。本文对基于模糊辨识的液压伺服系统建模方法进行了深入分析和研究,具体的研究工作如下:首先,在Takagi-Sugeno模糊模型的结构辨识中,从定性定量两方面分析比较模糊C均值聚类算法和Gustafson-Kessel聚类算法的聚类效果,并结合仿真实例验证了Gustafson-Kessel聚类算法的优越性;应用集群有效性度量函数和兼容集群合并算法选取了最优的聚类中心数,仿真结果... 

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外发展历程及研究现状
        1.2.1 电液伺服系统辨识的发展历程及研究现状
        1.2.2 模糊辨识的发展历程及研究现状
    1.3 课题来源
    1.4 本文主要的研究思路及内容安排
第2章 模糊辨识的基础理论
    2.1 引言
    2.2 模糊集
        2.2.1 模糊集的定义及表示方式
        2.2.2 模糊集中的隶属函数
    2.3 Takagi-Sugeno模糊模型
        2.3.1 Takagi-Sugeno模糊模型介绍
        2.3.2 Takagi-Sugeno模糊模型结构辨识和参数辨识
    2.4 模糊聚类算法
        2.4.1 聚类算法中的数学模型
        2.4.2 模糊C均值聚类算法
        2.4.3 Gustafson-Kessel聚类算法
    2.5 模型评价函数
        2.5.1 均方误差
        2.5.2 百分比方差
    2.6 本章小结
第3章 基于模糊聚类算法的T-S模型结构辨识优化
    3.1 引言
    3.2 基于Box Jenkins煤气炉数据集的模糊辨识
        3.2.1 Box Jenkins煤气炉数据集
        3.2.2 模糊辨识的结果
    3.3 结构辨识中聚类算法的选择
        3.3.1 FCM和GK聚类效果的定性分析
        3.3.2 基于集群有效性度量选择聚类算法
        3.3.3 FCM和GK聚类算法的辨识精度对比
    3.4 模糊辨识中系统输入变量的选择
    3.5 聚类算法中聚类数的选择
        3.5.1 基于集群有效性度量函数选择聚类数
        3.5.2 基于兼容集群合并算法选取最优聚类数
        3.5.3 聚类数对模型精度的影响
    3.6 本章小结
第4章 基于最小二乘的T-S模型结果参数辨识研究
    4.1 引言
    4.2 基于总最小二乘算法估算结果参数
    4.3 基于普通最小二乘算法估算结果参数
        4.3.1 基于局部加权最小二乘算法估算结果参数
        4.3.2 基于全局最小二乘算法估算结果参数
    4.4 三种最小二乘算法的辨识结果对比
    4.5 本章小结
第5章 阀控非对称缸液压伺服系统的模糊建模研究
    5.1 引言
    5.2 阀控非对称缸液压实验台的设备选型与加工
        5.2.1 液压实验台的设备选型
        5.2.2 液压实验台的加工
    5.3 阀控非对称缸液压伺服系统实验数据采集
    5.4 阀控非对称缸液压伺服系统的模糊辨识
    5.5 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢


【参考文献】：
期刊论文
[1]线性回归参数的总体最小二乘估计算法研究[J]. 杨根新,谢正明.  测绘与空间地理信息. 2020(01)
[2]中国高端装备制造业的发展现状及路径选择[J]. 李远景,薛鹏.  现代商贸工业. 2018(27)
[3]基于递阶原理的非均匀采样非线性系统的模糊辨识[J]. 王宏伟,连捷,夏浩.  电子学报. 2018(04)
[4]基于改进PSO和FCM的模糊辨识[J]. 刘楠,刘福才,孟爱文.  智能系统学报. 2019(02)
[5]电液位置伺服系统的BP神经网络辨识[J]. 邵俊鹏,王伟,高炳微.  控制工程. 2018(02)
[6]液压泵控缸伺服系统T-S模糊模型在线辨识研究[J]. 郑维,王洪斌,张志明,葛俊礼,任素波.  重型机械. 2017(06)
[7]电液伺服系统神经网络辨识及控制器设计[J]. 韩桂华,王鹏飞,张此军.  哈尔滨理工大学学报. 2017(05)
[8]改进遗传算法优化设计模糊控制系统的研究[J]. 李志刚,宣树人.  自动化仪表. 2016(12)
[9]电液伺服系统建模、辨识与控制的研究现状[J]. 黎波,陈军,张伟明,张镇,陈雁.  机床与液压. 2016(13)
[10]竞争学习的非均匀采样非线性系统的模糊辨识[J]. 王宏伟,连捷.  哈尔滨工业大学学报. 2016(04)

硕士论文
[1]汽轮机电液伺服系统建模及控制方法研究[D]. 拓福婷.陕西科技大学 2018
[2]智能优化算法在模糊辨识中的应用研究[D]. 刘楠.燕山大学 2017
[3]基于L-M算法的电液控制系统参数辨识研究[D]. 严晓岚.兰州理工大学 2017



本文编号：3705303