1、重載大慣性液壓驅動系統的神經網絡近似內?？刂?#160;   關鍵詞 液壓驅動系統; 模型不確定性; 神經網絡近似內?？刂? 摩擦補償; 交叉耦合控制; 英文關鍵詞 Hydraulic system; Model uncertainties; Approximate internal model-based neural control; Friction Compensation; cross-coupled controller; 中文摘要 液壓驅動系統由于具有強非線性,參數不確定性等特點而很難對其進行精確運行控制,其中主要的難點是建立系統的精確數學模型。本文

2、以250T鍛造操作機夾鉗旋轉機構液壓驅動系統為對象,研究了神經網絡近似內模控制在重載大慣性液壓驅動系統控制中的應用。 采用神經網絡非線性辨識的方法對重載大慣性液壓驅動系統進行辨識,建立了系統的神經網絡模型,避免復雜非線性不確定性液壓系統難以建立精確數學解析模型的問題。 考慮系統的強非線性,模型不確定性和工作點的變化,將神經網絡近似內?？刂茟糜谥剌d大慣性液壓驅動系統。該控制器中,系統的神經網絡逆控制器可以直接由辨識得到的系統神經網絡模型導出,不需要訓練第二個神經網絡。仿真結果表明,與PID控制器相比,神經網絡近似內?？刂破髂茌^好地抑制系統模型不確定性和工作點變化的影響。 考慮液壓馬達內部動態摩

3、擦特性對液壓驅動系統動態性能的影響,研究了基于LuGre模型的重載大慣性液壓驅動系統的摩擦補償控制,其中LuGre模型中的各參數通過轉速摩擦力矩實驗辨識估計得到。 由于重載情況下可能需要多馬達共同驅動并且存在同步誤差,分別研究了基于速度反饋和壓差反饋的交叉耦合同步誤差. 英文摘要 Due to high nonlinearity and parameter uncertainties, the precious motion control of hydraulic systems is not easy。One of the difficulties is to build their ex

4、act mathematical model. This thesis focuses on the application of approximate internal model-based neural control (AIMNC) strategy in heavy-load large-inertia hydraulic systems for the grippers  摘要 3-4 ABSTRACT 4 目錄 6-9 第一章 緒論 9-20     1.1 課題研究背景 9-10     1.2 鍛造操作機

5、及夾鉗旋轉機構液壓驅動系統 10-12     1.3 國內外相關領域研究介紹 12-17         1.3.1 液壓驅動系統控制技術介紹 12-16         1.3.2 神經網絡內模控制研究介紹 16-17     1.4 本課題的研究目的和意義 17-18     1.5 論文的主要工作 18-20 第二章 重載大慣性液壓驅動系統及數學模型 20-2

6、9     2.1 夾鉗旋轉機構液壓驅動系統 20-22         2.1.1 重載夾持裝置驅動系統概述 20         2.1.2 夾鉗旋轉機構液壓驅動系統結構 20-22     2.2 夾鉗旋轉機構液壓驅動系統參數 22-24     2.3 單馬達液壓驅動系統數學模型 24-27      

7、0;  2.3.1 插裝式比例節流閥模型 24-26         2.3.2 液壓馬達流量方程 26         2.3.3 液壓馬達動力學方程 26-27     2.4 雙液壓馬達驅動系統數學模型 27-28     2.5 本章小結 28-29 第三章 基于神經網絡的重載夾持裝置液壓驅動系統辨識 29-42     3.1 神經網絡理論基礎 2

8、9-32         3.1.1 單神經元結構 29-30         3.1.2 BP神經網絡 30-31         3.1.3 Levenberg-Marquart算法 31-32     3.2 基于神經網絡的重載夾持機構液壓驅動系統辨識 32-35         3

9、.2.1 系統輸入輸出模型 32-33         3.2.2 基于神經網絡的液壓驅動系統辨識 33-35     3.3 仿真研究 35-41         3.3.1 系統神經網絡辨識 35-38         3.3.2 辨識所得神經網絡模型驗證 38-41     3.4 本章小結 41-42 第四章 重載夾持裝

10、置液壓驅動系統的近似神經網絡內?？刂?42-54     4.1 引言 42     4.2 神經網絡內?？刂破髟?42-44     4.3 重載大慣性夾持裝置液壓驅動系統的神經網絡近似內?？刂?44-48         4.3.1 神經網絡近似模型 44-46         4.3.2 基于神經網絡近似模型的神經網絡逆控制器 46-47  

11、0;      4.3.3 神經網絡近似內?？刂破?47-48     4.4 仿真研究 48-53     4.5 本章小結 53-54 第五章 LuGre摩擦模型參數的實驗估計及摩擦補償控制 54-67     5.1 引言 54-55     5.2 LuGre摩擦模型 55-56     5.3 LuGre模型參數估計實驗 56-61     

12、60;   5.3.1 實驗原理 56-57         5.3.2 實驗裝置與實驗方案 57-58         5.3.3 測量結果 58-61     5.4 基于轉速-力矩實驗的LuGre模型的參數估計 61-64         5.4.1 功率液壓回收實驗臺靜態參數的辨識 61    

13、60;    5.4.2 夾鉗旋轉機構液壓驅動系統靜態摩擦參數的推導 61-63         5.4.3 夾鉗旋轉機構液壓驅動系統動態參數的推導 63-64     5.5 重載大慣性液壓驅動系統摩擦補償控制研究 64-66     5.6 本章小結 66-67 第六章 重載夾持裝置雙液壓馬達驅動系統同步控制研究 67-78     6.1 引言 67     6.2 基于

14、交叉耦合技術的雙液壓馬達驅動系統同步誤差補償控制 67-74         6.2.1 雙液壓馬達驅動系統交叉耦合同步誤差補償控制原理 67-70         6.2.2 仿真研究 70-74     6.3 基于壓差反饋補償的雙液壓馬達驅動系統同步控制研究 74-77         6.3.1 基于壓差反饋補償的雙液壓馬達驅動系統同步控制原理 74

15、-75         6.3.2 仿真研究 75-77     6.4 本章小結 77-78 第七章 全文總結與展望 78-80     7.1 全文總結 78     7.2 工作展望 78-80 參考文獻 80-92 致謝 92-93         3.2.1 系統輸入輸出模型 32-33       

16、;  3.2.2 基于神經網絡的液壓驅動系統辨識 33-35     3.3 仿真研究 35-41         3.3.1 系統神經網絡辨識 35-38         3.3.2 辨識所得神經網絡模型驗證 38-41     3.4 本章小結 41-42 第四章 重載夾持裝置液壓驅動系統的近似神經網絡內?？刂?42-54     4.1 引言 42 &

17、#160;   4.2 神經網絡內?？刂破髟?42-44     4.3 重載大慣性夾持裝置液壓驅動系統的神經網絡近似內?？刂?44-48         4.3.1 神經網絡近似模型 44-46         4.3.2 基于神經網絡近似模型的神經網絡逆控制器 46-47         4.3.3 神經網絡近似內模控制器 47-4

18、8     4.4 仿真研究 48-53     4.5 本章小結 53-54 第五章 LuGre摩擦模型參數的實驗估計及摩擦補償控制 54-67     5.1 引言 54-55     5.2 LuGre摩擦模型 55-56     5.3 LuGre模型參數估計實驗 56-61         5.3.1 實驗原理 56-57    

19、0;    5.3.2 實驗裝置與實驗方案 57-58         5.3.3 測量結果 58-61     5.4 基于轉速-力矩實驗的LuGre模型的參數估計 61-64         5.4.1 功率液壓回收實驗臺靜態參數的辨識 61         5.4.2 夾鉗旋轉機構液壓驅動系統靜態摩擦參數的推導 61-63

20、         5.4.3 夾鉗旋轉機構液壓驅動系統動態參數的推導 63-64     5.5 重載大慣性液壓驅動系統摩擦補償控制研究 64-66     5.6 本章小結 66-67 第六章 重載夾持裝置雙液壓馬達驅動系統同步控制研究 67-78     6.1 引言 67     6.2 基于交叉耦合技術的雙液壓馬達驅動系統同步誤差補償控制 67-74     

21、    6.2.1 雙液壓馬達驅動系統交叉耦合同步誤差補償控制原理 67-70         6.2.2 仿真研究 70-74     6.3 基于壓差反饋補償的雙液壓馬達驅動系統同步控制研究 74-77         6.3.1 基于壓差反饋補償的雙液壓馬達驅動系統同步控制原理 74-75         6.3.2 仿真

22、研究 75-77     6.4 本章小結 77-78 第七章 全文總結與展望 78-80     7.1 全文總結 78     7.2 工作展望 78-80 參考文獻 80-92 致謝 92-93         3.2.1 系統輸入輸出模型 32-33         3.2.2 基于神經網絡的液壓驅動系統辨識 33-35    

23、3.3 仿真研究 35-41         3.3.1 系統神經網絡辨識 35-38         3.3.2 辨識所得神經網絡模型驗證 38-41     3.4 本章小結 41-42 第四章 重載夾持裝置液壓驅動系統的近似神經網絡內?？刂?42-54     4.1 引言 42     4.2 神經網絡內?？刂破髟?42-44   

24、60; 4.3 重載大慣性夾持裝置液壓驅動系統的神經網絡近似內模控制 44-48         4.3.1 神經網絡近似模型 44-46         4.3.2 基于神經網絡近似模型的神經網絡逆控制器 46-47         4.3.3 神經網絡近似內?？刂破?47-48     4.4 仿真研究 48-53    

25、4.5 本章小結 53-54 第五章 LuGre摩擦模型參數的實驗估計及摩擦補償控制 54-67     5.1 引言 54-55     5.2 LuGre摩擦模型 55-56     5.3 LuGre模型參數估計實驗 56-61         5.3.1 實驗原理 56-57         5.3.2 實驗裝置與實驗方案 57-58         5.3.3 測量結果 58-61     5.4 基于轉速-力矩實驗的LuGre模型的參數估計 61-64