收藏本站
收藏 | 论文排版

电液伺服力控系统的鲁棒迭代学习控制方法研究

于少娟  
【摘要】:本文的工作是将迭代学习控制理论引入电液伺服力控系统,从而改善其控制性能。所提出的控制方法不仅拓宽了控制理论应用的研究范围,而且具有一定的实际工程意义。 电液伺服力控系统具有输出功率大,可靠性高,反应速度快,操作简单方便等优点,因而广泛应用于各种工程实践中。特别是应用于要求反应迅速精确的大功率自动控制系统中。本文立足于提高电液伺服力控系统的动态响应特性,从而使其满足多方面的应用需求,具有更良好的工业应用前景。 电液伺服力控系统是一种参数时变、较多非线性因素、参数和结构具有不确定性、高阶、强耦合且经常存在干扰等特性的系统,这些特性使得常规控制方法较难实现对电液伺服系统的高精度控制。近年来,多种智能控制理论方法与鲁棒控制理论方法被用于该系统,为解决具有上述特性的电液伺服系统的建模和控制问题提供了有效的途径。但大多都是针对将电液力伺服系统简化为线性、低阶系统予以研究,目前电液力控系统对控制系统的动态响应特性、跟踪的精度、系统鲁棒性及稳定性的要求愈来愈高,系统的控制需求促使人们不断寻求针对性较强、控制性能较好的控制方法。 迭代学习控制能实现在被控系统有限时间区间上的完全跟踪任务。它尤其适用于具有重复运行性质的被控对象,利用对象过去运行的信息,通过数次迭代修正控制信号,实现零误差。迭代学习控制算法简单、易于微机实现、跟踪精确,对解决一些实际问题有相当的优点。将迭代学习控制用于电液伺服力控制系统解决系统非线性、高阶等对控制特性的影响具有很好的效果,但单纯的迭代学习控制也存在学习律参数选择比较盲目和算法抗干扰技术有待提高等问题。为此考虑结合诸如自适应控制、变结构控制等鲁棒控制,利用这些算法鲁棒整定系统的能力,尽量避免学习律参数选择的盲目性,在开闭环迭代学习控制结构的基础上综合采用具有反馈与前馈作用的环节,以及引入H∞理论,旨在进行鲁棒迭代学习控制律的设计,力求给出同时兼顾收敛速度和跟踪性能的方法,针对所提出的一系列迭代学习算法,进行理论分析和仿真试验,使每种迭代学习算法的有效性都得到验证。目的是拓宽迭代学习控制的应用范围,加强迭代学习控制的实用性。 本文的主要工作有: 1、综述了电液伺服力控制系统的特点和控制要求、控制策略以及应用等方面的研究现状,简要介绍了迭代学习基本概念、原理、算法结构、研究内容以及应用成果,总结了提高算法的收敛速度和跟踪精度的迭代学习控制技术,阐述了本课题的相关研究背景及意义,提出主要研究工作 2、研究建立电液伺服力控制系统模型的方法。模型研究为分析系统本质特性和提出合理的校正策略提供理论基础。分析了电液伺服阀的非线性因素,建立了电液伺服力控系统几种传递函数模型,在此基础上推导出基于力变量的系统状态空间模型,奠定了理论分析的基础,最后进一步建立了电液伺服力控系统的混合仿真模型,使数字控制器模型与系统的物理模型相结合,这种仿真与建模方法有效地模拟了工程实际。 3、研究了智能鲁棒迭代学习控制策略,针对系统高阶、初始状态偏移和不确定的未建模动态以及缓慢变化,单纯学习律参数选择比较盲目问题,在开闭环迭代学习控制算法基础上结合自适应控制综合采用同时具有反馈与前馈作用的环节,针对系统的各种干扰、不确定特性、期望轨迹变化的影响,单纯迭代学习算法抗干扰能力不强的缺陷,结合滑模变结构控制,并采用H∞理论,设计鲁棒迭代学习控制律,力求使控制过程更快地收敛于期望值。收敛速度和跟踪性能这两个问题的解决将会推进迭代学习真正成为实用的控制技术。 4、进行了阀控对称缸电液驱动力伺服系统控制方法研究,分析了电液驱动力伺服系统特性,针对系统模型知之甚少,尤其许多系统参数未知,采用具有前馈与反馈作用的开闭环综合迭代学习自适应控制策略,根据理论分析给出收敛条件,设计结构合理的控制器。重点解决高阶特性、初始状态偏移、未建模动态、油源压力变化、油温变化等未知信息给迭代学习控制用于电液伺服驱动力系统控制所产生的学习参数选择比较盲目的问题。仿真结果表明所提控制策略跟踪性能良好的前提下,迭代学习参数选择趋于合理,学习速度有较大提高。 5、对电液伺服被动力系统控制策略进行研究。分析阀控非对称缸电液伺服被动力系统特性,针对系统内部位置干扰和负载变化产生多余力、期望随时间变化等问题,以及系统运动加载时不但有位置控制干扰,还有摩擦力产生外部干扰的问题,采用所提出的基于H∞理论的迭代学习变结构控制方法,重点研究进一步提高迭代学习控制抗干扰能力的问题,以增强其鲁棒性,并设计结构合理的控制器,分析给出收敛条件。仿真结果表明该控制策略不但保持传统迭代学习高精度跟踪的特性,鲁棒性得到了提高,使收敛条件得以放宽。 6、进行电液伺服力控制系统的实验研究,以DSPACE为平台,使用实际的液压一机械系统物理模型和数字控制器模型,搭建了电液伺服驱动力试验系统,以及双缸电液伺服被动力试验系统,设计实验平台装置的硬件和软件。针对电液伺服力控系统的高阶特性、非线性特性、参数不确定性、负载变化、期望变化、抗扰性等问题,采用所构造的各种控制器实现了每种控制策略的快速原型试验。通过实时控制试验,验证所提策略对提高系统快速性、解决不确定性、增强鲁棒性的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 刘增元;朱晓民;张建平;郭瑞;;基于迭代控制的数字电液伺服振动台研究[J];液压与气动;2014年05期
2 郝晓弘;金亚蓉;马宇;李恒杰;;基于遗传算法的模糊迭代学习控制算法[J];计算机应用;2013年04期
3 王晶;李兵;;模糊增益P型迭代学习控制器的FPGA实现[J];现代电子技术;2011年02期
4 张丹;傅勤;陈振杰;;基于迭代学习算法的偏微分多智能体系统的包容控制[J];数学物理学报;2021年04期
5 吴宏亮;赵忠盖;刘飞;;非线性间歇过程的迭代学习状态估计[J];计算机测量与控制;2020年08期
6 张宏伟;余发山;卜旭辉;王福忠;;基于鲁棒迭代学习的永磁直线电机控制[J];电机与控制学报;2012年06期
7 郭海;郭毓;;一类线性时变系统模型参考自适应迭代学习辨识[J];南通大学学报(自然科学版);2009年04期
8 陈永强;;一类模糊增益调节迭代学习控制器设计[J];重庆工学院学报(自然科学版);2008年02期
9 司利云;林辉;;基于迭代学习辨识的开关磁阻电动机转子位置估计[J];电气传动;2007年11期
10 高红霞,阮小娥,万百五;工业过程控制系统迭代学习算法的增益确定[J];西安交通大学学报;2001年12期
11 路林吉,邵世煌;一种可用于线性动态延迟控制系统的闭环比例型一阶给定超前迭代学习控制算法[J];中国纺织大学学报;1997年02期
12 田森平;许晖敏;谢胜利;傅予力;;初态学习下广义系统的迭代学习控制算法[J];南京信息工程大学学报(自然科学版);2017年04期
13 余发山;岳伟超;张瑞庄;卜旭辉;;基于迭代学习的矿井提升系统跟踪控制[J];电子测量与仪器学报;2014年02期
14 邹凡;孙明轩;毕宏博;;数字水印提取的迭代学习辨识方法[J];科技通报;2011年05期
15 回立川;林辉;;一种新型的迭代学习控制器设计研究[J];计算机仿真;2009年03期
16 田森平;陈定喜;田辉平;;一类离散系统的迭代学习控制算法[J];苏州市职业大学学报;2008年01期
17 田绍宽;李书臣;翟春艳;顾妍午;;基于几何分析的改进迭代学习控制算法[J];桂林电子科技大学学报;2007年06期
18 马静;李书臣;肖军;翟春艳;;基于模型预测控制的迭代学习控制器设计[J];河北工业科技;2006年01期
中国重要会议论文全文数据库 前20条
1 王倩;金尚泰;侯忠生;;网络攻击下的多地铁列车无模型自适应迭代学习安全协同控制[A];第32届中国过程控制会议(CPCC2021)论文集[C];2021年
2 曾南;应行仁;;非线性系统迭代学习算法[A];1990年控制理论及其应用年会论文集(1)[C];1990年
3 张君海;石成英;林辉;;一种带角度修正的迭代学习控制算法[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年
4 田森平;谢胜利;;一种新的带有遗忘因子的迭代学习控制算法[A];第二十二届中国控制会议论文集(上)[C];2003年
5 李政;;一类二阶D型迭代学习控制算法的收敛性[A];第二十四届中国控制会议论文集(上册)[C];2005年
6 耿辉;智华;徐用懋;;基于参考批次的线性定常系统迭代学习控制算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
7 田森平;陈定喜;田辉平;;一类广义系统的迭代学习控制算法及其鲁棒性[A];第二十七届中国控制会议论文集[C];2008年
8 谢胜利;谢振东;韦岗;;非线性系统的迭代学习控制算法[A];1998年中国控制会议论文集[C];1998年
9 龚利;王云宽;杨雁;宋英华;;基于迭代学习算法的粉末精密配给控制系统[A];2007年中国智能自动化会议论文集[C];2007年
10 路林吉;王树青;;一种基于输出误差的离散时间动态系统迭代学习控制算法[A];1995年中国控制会议论文集(下)[C];1995年
11 路林吉;邵世煌;;一种可用于非线性动态延迟控制系统的开环比例型一阶给定超前迭代学习控制算法[A];1997中国控制与决策学术年会论文集[C];1997年
12 路林吉;邵世煌;;一种可用于非线性动态延迟控制系统的闭环比例型一阶给定超前迭代学习控制算法[A];1997年中国控制会议论文集[C];1997年
13 吴张永;袁子荣;刘海昌;王强;顾毅;;电液伺服振动在电解铜打包生产线上的应用研究[A];2002年十一省、区、市机械工程学术年会暨云南省机械工程学会第六届学术年会论文集[C];2002年
14 温金鹏;冯加权;吴连军;胡杰;李峰;;土工离心机电液伺服振动系统动力学分析[A];第七届四川省博士专家论坛论文集[C];2014年
15 付永领;徐步力;那波;;一种新型无伺服阀电液伺服执行器[A];第二届全国流体传动及控制工程学术会议论文集(第二卷)[C];2002年
16 孙明轩;周国良;毕宏博;;有限时间迭代学习控制:反馈辅助策略[A];第25届中国控制与决策会议论文集[C];2013年
17 张丽萍;杨富文;;基于广义正交多项式级数的迭代学习算法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
18 翟春艳;薛定宇;李书臣;;一种基于过程模型的适应性迭代学习控制算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
19 施江天;罗士军;徐杰;付玉林;;特种车辆救援机械手电液伺服控制系统仿真[A];第五届全国流体传动与控制学术会议暨2008年中国航空学会液压与气动学术会议论文集[C];2008年
20 王祝萍;王锐;;基于迭代学习的移动机器人轨迹跟踪控制研究[A];中国自动化学会控制理论专业委员会A卷[C];2011年
中国博士学位论文全文数据库 前20条
1 于少娟;电液伺服力控系统的鲁棒迭代学习控制方法研究[D];太原理工大学;2012年
2 许光伟;基于优化策略的迭代学习控制算法研究[D];大连理工大学;2014年
3 程晓燕;几类非严格重复系统迭代学习控制策略研究[D];燕山大学;2020年
4 丁健;若干类鲁棒迭代学习控制算法研究[D];江南大学;2015年
5 翟春艳;基于过程模型的迭代学习控制算法研究[D];东北大学;2015年
6 汪磊;基于二维模型的迭代学习控制算法研究[D];江南大学;2021年
7 冯莉;基于迭代学习策略的故障估计方法研究[D];重庆大学;2017年
8 孙何青;改进的迭代学习控制算法及其在列车运行控制应用中的几类问题研究[D];北京交通大学;2014年
9 余琼霞;迭代学习辨识与控制及在高速列车运行控制系统中的应用[D];北京交通大学;2017年
10 张丽萍;基于正交多项式的迭代学习控制算法及其在直线电机中的应用[D];福州大学;2005年
11 刘山;迭代学习控制系统设计及应用[D];浙江大学;2002年
12 李振轩;高速列车迭代学习运行控制几类问题研究[D];北京交通大学;2016年
13 万振帅;电液伺服振动台谐波谐振抑制研究[D];哈尔滨工程大学;2019年
14 郭毓;一类时变系统的自适应迭代学习辨识与控制[D];南京理工大学;2007年
15 周柳明;基于数据的间歇过程综合迭代学习控制方法研究[D];上海大学;2020年
16 苏文海;直驱式电液伺服转叶舵机关键技术及其控制系统研究[D];哈尔滨工业大学;2009年
17 许慧敏;非线性系统迭代学习控制算法研究[D];华北电力大学(北京);2016年
18 顾盼盼;若干类广义系统迭代学习控制算法研究[D];华南理工大学;2020年
19 杨胜跃;迭代学习控制算法设计与优化研究[D];中南大学;2004年
20 石胜利;具有输入饱和的电液伺服位置系统鲁棒控制研究[D];燕山大学;2014年
中国硕士学位论文全文数据库 前20条
1 杨敬伟;基于修改参考输入的迭代学习轮廓补偿算法[D];哈尔滨工业大学;2019年
2 左国栋;基于指数变增益迭代学习的SCARA轨迹跟踪研究[D];青岛大学;2019年
3 崔轶群;迭代学习预测控制方法在城市排水系统中的应用研究[D];上海交通大学;2017年
4 简雨沛;非完全重复环境下压电陶瓷高精密运动控制方法研究[D];西南交通大学;2019年
5 熊战磊;改进的迭代学习控制算法及其鲁棒性分析[D];郑州大学;2019年
6 王耀东;柔性迭代学习控制方法研究与应用[D];浙江工业大学;2018年
7 张岩;基于迭代学习算法的禽类养殖环境控制技术研究[D];哈尔滨理工大学;2019年
8 丁浩;基于迭代学习控制算法的机器人路径规划方法研究[D];长春工业大学;2019年
9 柴媛媛;基于迭代学习算法的工业机器人轨迹跟踪方法研究[D];长春工业大学;2019年
10 马一鸣;基于修改参考输入的数控系统迭代学习控制器设计[D];哈尔滨工业大学;2018年
11 唐世祥;精炼炉合金称量控制方法的研究[D];东北大学;2015年
12 赵健康;基于迭代学习算法的PMSM模型参考自适应矢量控制[D];湖南大学;2018年
13 王孟渝;基于迭代学习的时变周期干扰控制问题研究[D];哈尔滨工业大学;2018年
14 陈淼森;面向数控机床的迭代学习控制器设计[D];哈尔滨工业大学;2018年
15 刘士华;基于耦合控制的迭代学习算法研究[D];哈尔滨工业大学;2018年
16 王晓丹;系列创业者迭代学习模式与行动策略的关系研究[D];浙江大学;2018年
17 张培颖;全自动智能荧光粉胶配比系统关键技术研究[D];华南理工大学;2018年
18 王志远;基于迭代学习理论的FAST整网控制策略的研究[D];东北大学;2015年
19 董健;迭代学习算法的设计及其收敛速度的研究[D];燕山大学;2017年
20 张西宁;迭代学习控制算法的改进与应用研究[D];江南大学;2013年
中国重要报纸全文数据库 前2条
1 钟鹏驰;电液伺服道路模拟试验台研成[N];中国汽车报;2000年
2 苏明;红山公司五项科技成果通过省级鉴定[N];天水日报;2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978