学位论文 > 优秀研究生学位论文题录展示

电液速度伺服RBF模糊自适应控制

作 者: 罗智勇
导 师: 万健如
学 校: 天津大学
专 业: 控制理论与控制工程
关键词: 电液伺服系统 速度控制 模糊控制器解析结构 RBF神经网络 模糊自适应控制
分类号: TP273.2
类 型: 硕士论文
年 份: 2007年
下 载: 141次
引 用: 0次
阅 读: 论文下载
 

内容摘要


由于电液伺服系统综合了电气和液压两方面的长处,具有功率重量比大、力矩惯性比大、控制精度高、响应快等优点,使得电液伺服控制广泛应用于航天、国防、民用工业、海底作业等领域。随着社会科技的发展,人们对电液伺服系统的控制性能越来越高。但因电液伺服系统的非线性和参数的不确定性等因素的影响,难以建立精确的数学模型,经典的PID控制很难满足控制性能的要求,而以模糊控制和神经网络为代表的智能控制在非线性控制系统中显示出强大的生命力。本文将智能控制应用于电液速度伺服系统中,着重从模糊控制的策略方面进行研究,目的是寻求切实可行的控制算法,能对系统进行实时控制,以有效解决工程实际问题。针对电液速度伺服系统的特点,首先提出了常规模糊控制器,并介绍其设计方案。尽管模糊控制器具有结构简单、鲁棒性强、跟随速度快的特点,但控制精度不高,难以进行自学习。而RBF(径向基函数)神经网络控制同样具有控制非线性系统的能力,且控制精度高、能自学习、运算速度快,不易陷入局部极小。结合模糊控制和神经网络控制的优点,基于模糊控制器的一种解析结构,本文构建了RBF模糊自适应控制器,利用RBF神经网络的学习功能,在实时控制过程中不断修正模糊控制器的参数,使之能更好的控制电液速度伺服系统。通过分别用PID控制、常规模糊控制和RBF模糊自适应控制对系统的进行仿真,证明了RBF模糊自适应控制策略的可行性与有效性。

全文目录


中文摘要  2-3
ABSTRACT  3-5
第一章 绪论  5-11
  1.1 电液伺服系统的应用  5-6
  1.2 电液伺服控制的研究现状和存在的问题  6-9
  1.3 本课题所研究的内容  9-11
第二章 电液速度伺服系统硬件设计  11-19
  2.1 电液伺服系统工作原理  11
  2.2 电液速度伺服系统的构成  11-13
  2.3 液压元件  13-16
  2.4 速度信号采集装置  16
  2.5 数据采集卡的设置  16-17
  2.6 工控机选型及配置  17
  2.7 伺服放大器设计  17-18
  2.8 本章小结  18-19
第三章 RBF 模糊自适应控制器设计  19-44
  3.1 概述  19-20
  3.2 常规模糊控制器设计  20-29
  3.3 RBF 模糊自适应控制器设计  29-38
  3.4 控制器的软件设计  38-44
第四章 电液速度伺服控制模型及仿真  44-53
  4.1 电液速度伺服控制模型的建立  44-46
  4.2 PID 控制、常规模糊控制仿真  46-49
  4.3 RBF 模糊自适应控制仿真  49-53
第五章 结束语  53-54
参考文献  54-57
发表论文和科研情况说明  57-58
致谢  58

相似论文

  1. 交联电缆生产线电控系统的研制,TP273.5
  2. 角加速度控制系统设计研究,TP273
  3. 基于神经网络辨识的同步发电机励磁控制研究,TM31
  4. 制造业绿色产品研发的风险识别与评价研究,F205;F224
  5. 基于RBF的人工神经网络在PCB钻孔工艺中的应用,TN405
  6. 网络化控制系统故障诊断与容错控制研究,TP273
  7. 直线电梯单电磁悬浮导向系统RBF神经网络滑模控制,TP273
  8. 基于人工智能优化算法的聚丙烯熔融指数预报建模优化研究,TQ325.14
  9. 板球系统的模糊自适应控制,TP273.4
  10. 无人直升机鲁棒及自适应容错控制技术研究,V249.1
  11. 盾构掘进过程中的自动轨迹跟踪控制技术研究,U455.3
  12. 基于神经网络锅炉燃烧系统的模型研究,TK223.2
  13. 基于DDT、RDT原则的电梯速度及控制系统的研究,TU857
  14. 视知觉理论模型在中长隧道进口安全改善中的应用,U491.25
  15. 基于非线性滤波的小卫星姿态确定及控制研究,V448.2
  16. 直驱式电液伺服位置及压力控制系统的研究,TH137.31
  17. 基于回波包络特征的超声波入侵探测方法研究,TP274.53
  18. 基于神经网络的莫尔条纹信号细分方法及应用,TP274
  19. 钕铁硼氢粉碎工艺计算机控制系统的研究,TP273.5
  20. 基于RBF神经网络的手绘电气草图识别研究,TP391.41
  21. 基于RBF神经网络与蚁群算法的瓦斯预测模型研究,TD712.5

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 自动控制、自动控制系统 > 自适应(自整定)控制、自适应控制(自整定)系统
© 2012 www.xueweilunwen.com