中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
氣動位置伺服系統控制 版權信息
- ISBN：9787030671912
- 條形碼：9787030671912 ; 978-7-03-067191-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
氣動位置伺服系統控制 內容簡介
氣動控制系統因為其清潔，高功率體積比而在工業傳動領域獲得廣泛應用，但氣體的可壓縮性，閥口氣體流動的復雜性，摩擦和參數難以確定等因素使得氣動伺服系統在位置跟蹤控制精度不高。隨著氣動元件和高性能控制器的高性價比化發展，提高氣動位置伺服系統控制性能擴展其應用領域成為一個重要研究課題。本書在分析氣動位置伺服機理模型的基礎上，通過線性模型加擾動簡化描述系統，針對氣動位置伺服系統設計了PID控制，模型參考自適應控制，反步自適應控制，自抗擾控制，控制方向未知自適應控制，神經網絡動態面控制，變結構控制，分數階變結構，分數階PID控制等方法實現了氣動未知伺服系統對于三種期望信號的跟蹤。針對控制器參數選擇難題，采用群體優化算法在線實現了控制器參數的優化。本書一個顯著特點是所有控制方法的實驗程序源代碼全部提供，方便讀者學習驗證。
氣動位置伺服系統控制 目錄
目錄
前言
第1章 緒論 1
1.1 氣動位置伺服系統概述 1
1.2 氣動位置伺服系統控制 2
1.2.1 PID控制 2
1.2.2 自適應控制 3
1.2.3 滑模控制 4
1.2.4 自抗擾控制 6
1.2.5 魯棒控制 6
1.3 氣動位置伺服系統控制方法特點對比 7
1.4 本書內容 9
參考文獻 10
第2章 氣動位置伺服系統的數學模型 14
2.1 氣動位置伺服系統硬件平臺簡介 14
2.2 氣動位置伺服系統工作原理 14
2.3 氣動位置伺服系統機理建模 15
2.4 氣動位置伺服系統模型的線性化 17
2.5 氣動位置伺服系統的計算機控制 19
參考文獻 21
第3章 群體優化算法 22
3.1 優化算法概述 22
3.1.1 遺傳算法 22
3.1.2 粒子群優化算法 26
3.1.3 差分進化優化算法 27
3.2 實驗程序 29
參考文獻 39
第4章 氣動位置伺服系統的PID優化控制 40
4.1 PID控制器 40
4.2 分數階PID控制 41
4.2.1 分數階微積分的定義 42
4.2.2 分數階PID控制器設計 43
4.3 基于遺傳優化算法的PID控制器參數在線優化 43
4.3.1 遺傳優化算法簡介 44
4.3.2 參數編碼和初始種群產生 44
4.3.3 基于Pareto秩的適應度函數 45
4.3.4 精英保留策略及進化操作 47
4.3.5 優化參數選擇 48
4.4 實驗結果 48
4.5 實驗程序 53
參考文獻 71
第5章 氣動位置伺服系統的模型參考自適應控制 73
5.1 模型參考自適應控制的基本原理 73
5.2 模型參考自適應控制器設計 74
5.2.1 離散時間的模型參考自適應控制算法 74
5.2.2 模型參數辨識 75
5.3 摩擦力學習補償 76
5.3.1 氣動位置伺服系統的學習補償控制 77
5.3.2 學習補償控制與自適應控制的切換 78
5.4 氣動位置伺服系統位置跟蹤實驗 78
5.4.1 系統程序主框架 78
5.4.2 實驗結果 79
5.5 實驗程序 82
參考文獻 86
第6章 氣動位置伺服系統的反步自適應控制 87
6.1 反步控制方法簡介 87
6.1.1 反步控制的基本原理 87
6.1.2 反步控制器的設計方法 88
6.2 氣動位置伺服系統反步自適應控制方法 189
6.3 氣動位置伺服系統反步自適應控制方法 291
6.4 實驗結果 93
6.5 實驗程序 97
參考文獻 99
第7章 氣動位置伺服系統的優化自抗擾控制 100
7.1 自抗擾控制基本原理 100
7.2 氣動位置伺服系統的線性自抗擾控制 101
7.3 氣動位置伺服系統的非線性自抗擾控制 103
7.4 自抗擾控制器的參數優化 104
7.5 實驗結果 106
7.5.1 正弦信號跟蹤實驗結果 106
7.5.2 S曲線信號跟蹤實驗結果 111
7.5.3 多頻正弦信號跟蹤實驗結果 115
7.6 實驗程序 120
參考文獻 154
第8章 控制方向未知的氣動位置伺服系統自適應控制 155
8.1 控制方向未知的控制問題 155
8.2 基于Nussbaum函數的方向未知氣動位置伺服系統自適應控制 156
8.2.1 Nussbaum函數及其性質 156
8.2.2 反步自適應控制器設計 156
8.2.3 穩定性證明 158
8.3 實驗結果 159
8.4 實驗程序 164
參考文獻 167
第9章 氣動位置伺服系統的自適應神經網絡控制 168
9.1 RBF神經網絡簡介 168
9.2 RBF神經網絡自適應控制器 169
9.2.1 概述 169
9.2.2 RBF神經網絡自適應控制器的設計 170
9.3 實驗結果 172
9.4 實驗程序 177
參考文獻 180
第10章 氣動位置伺服系統的滑模變結構控制 181
10.1 滑模變結構控制基本原理 181
10.2 基于指數趨近率的滑模變結構控制 182
10.3 終端滑模控制 183
10.4 超螺旋滑模控制 185
10.5 分數階滑模控制 187
10.6 實驗結果 189
10.7 實驗程序 194
參考文獻 204
前言
第1章 緒論 1
1.1 氣動位置伺服系統概述 1
1.2 氣動位置伺服系統控制 2
1.2.1 PID控制 2
1.2.2 自適應控制 3
1.2.3 滑模控制 4
1.2.4 自抗擾控制 6
1.2.5 魯棒控制 6
1.3 氣動位置伺服系統控制方法特點對比 7
1.4 本書內容 9
參考文獻 10
第2章 氣動位置伺服系統的數學模型 14
2.1 氣動位置伺服系統硬件平臺簡介 14
2.2 氣動位置伺服系統工作原理 14
2.3 氣動位置伺服系統機理建模 15
2.4 氣動位置伺服系統模型的線性化 17
2.5 氣動位置伺服系統的計算機控制 19
參考文獻 21
第3章 群體優化算法 22
3.1 優化算法概述 22
3.1.1 遺傳算法 22
3.1.2 粒子群優化算法 26
3.1.3 差分進化優化算法 27
3.2 實驗程序 29
參考文獻 39
第4章 氣動位置伺服系統的PID優化控制 40
4.1 PID控制器 40
4.2 分數階PID控制 41
4.2.1 分數階微積分的定義 42
4.2.2 分數階PID控制器設計 43
4.3 基于遺傳優化算法的PID控制器參數在線優化 43
4.3.1 遺傳優化算法簡介 44
4.3.2 參數編碼和初始種群產生 44
4.3.3 基于Pareto秩的適應度函數 45
4.3.4 精英保留策略及進化操作 47
4.3.5 優化參數選擇 48
4.4 實驗結果 48
4.5 實驗程序 53
參考文獻 71
第5章 氣動位置伺服系統的模型參考自適應控制 73
5.1 模型參考自適應控制的基本原理 73
5.2 模型參考自適應控制器設計 74
5.2.1 離散時間的模型參考自適應控制算法 74
5.2.2 模型參數辨識 75
5.3 摩擦力學習補償 76
5.3.1 氣動位置伺服系統的學習補償控制 77
5.3.2 學習補償控制與自適應控制的切換 78
5.4 氣動位置伺服系統位置跟蹤實驗 78
5.4.1 系統程序主框架 78
5.4.2 實驗結果 79
5.5 實驗程序 82
參考文獻 86
第6章 氣動位置伺服系統的反步自適應控制 87
6.1 反步控制方法簡介 87
6.1.1 反步控制的基本原理 87
6.1.2 反步控制器的設計方法 88
6.2 氣動位置伺服系統反步自適應控制方法 189
6.3 氣動位置伺服系統反步自適應控制方法 291
6.4 實驗結果 93
6.5 實驗程序 97
參考文獻 99
第7章 氣動位置伺服系統的優化自抗擾控制 100
7.1 自抗擾控制基本原理 100
7.2 氣動位置伺服系統的線性自抗擾控制 101
7.3 氣動位置伺服系統的非線性自抗擾控制 103
7.4 自抗擾控制器的參數優化 104
7.5 實驗結果 106
7.5.1 正弦信號跟蹤實驗結果 106
7.5.2 S曲線信號跟蹤實驗結果 111
7.5.3 多頻正弦信號跟蹤實驗結果 115
7.6 實驗程序 120
參考文獻 154
第8章 控制方向未知的氣動位置伺服系統自適應控制 155
8.1 控制方向未知的控制問題 155
8.2 基于Nussbaum函數的方向未知氣動位置伺服系統自適應控制 156
8.2.1 Nussbaum函數及其性質 156
8.2.2 反步自適應控制器設計 156
8.2.3 穩定性證明 158
8.3 實驗結果 159
8.4 實驗程序 164
參考文獻 167
第9章 氣動位置伺服系統的自適應神經網絡控制 168
9.1 RBF神經網絡簡介 168
9.2 RBF神經網絡自適應控制器 169
9.2.1 概述 169
9.2.2 RBF神經網絡自適應控制器的設計 170
9.3 實驗結果 172
9.4 實驗程序 177
參考文獻 180
第10章 氣動位置伺服系統的滑模變結構控制 181
10.1 滑模變結構控制基本原理 181
10.2 基于指數趨近率的滑模變結構控制 182
10.3 終端滑模控制 183
10.4 超螺旋滑模控制 185
10.5 分數階滑模控制 187
10.6 實驗結果 189
10.7 實驗程序 194
參考文獻 204
展開全部
氣動位置伺服系統控制 節選
第1章 緒論 1.1 氣動位置伺服系統概述 氣動系統是以壓縮空氣作為動力源做功的裝置。利用壓縮空氣的技術可以追溯到公元前，人們利用風箱產生壓縮空氣助燃。在工業領域，氣動和液壓是兩種常用的流體傳動技術，是電動系統后兩種典型的傳動方式，在特定應用場合具有不可替代的作用。氣動系統的廣泛應用始于第二次世界大戰后的20年，此后氣動系統廣泛應用于工業領域，甚至一度超過液壓系統的應用[1]。 與液壓傳動相比，氣動系統具有如下優點[2]：①以空氣作為工作介質，隨處可得，獲取方便；②無污染，用后可直接排放；③不存在防火、防爆問題，可以應用在惡劣場合；④元件簡單、管路不阻塞、壽命長；⑤便于小型化和集中氣源供氣，管路流動損耗小、效率高。以上優點對應產生如下缺點：①空氣可壓縮，使得系統剛度低，負載穩定性差；②閥口氣流特性復雜，非線性特性明顯；③滑塊與氣缸間的摩擦成為高精度控制的障礙；④機理建模簡單，但精確模型參數獲得困難，模型參數在不同工作點間有時變特性；⑤負載變化、溫度變化、氣缸泄露等不確定因素對高性能控制提出了嚴苛要求。正是由于上述特點，氣動系統更多地被應用于控制精度要求不高的點點定位環節，隨著工業應用要求的提高，提高氣動位置伺服系統的精度，擴展其應用領域成為氣動位置伺服系統的發展方向。 近年來，現代控制理論的發展、高性價比控制器和新型氣動元件的出現，給氣動位置伺服系統的高性能控制帶來了新機遇。在不提高系統硬件成本的情況下，通過控制器設計進行氣動位置伺服系統高精度控制成為一個有意義的研究方向。從控制的角度，提高氣動位置伺服系統的控制精度，需要考慮氣動位置伺服系統對象的約束，以便提高系統性能。一般意義下，設計控制器時主要考慮以下幾個方面：①系統具有強的非線性；②系統模型未知；③系統參數時變；④非線性特性（飽和非線性、滯回特性、死區特性等）；⑤考慮摩擦力補償；⑥考慮未知擾動；⑦是否需要壓力、速度傳感器；⑧考慮閥的零點；⑨控制方向未知；⑩狀態受限。 下面對氣動系統的控制方法進行綜述，并對各種控制方法的特點進行總結。 1.2 氣動位置伺服系統控制 1.2.1 PID控制 比例-積分-微分（proportional-integral-derivative，PID）控制算法具有算法簡單、魯棒性強、可靠性高、調節相對容易等特點[3]，目前已被廣泛應用于工業自動化領域。 實際上，氣動位置伺服系統是一個高階非線性時變系統，因此難以精確獲知其數學模型。針對比例閥氣動位置控制方法的特點，考慮1.1節中①、②方面，董曉倩[4]建立了氣動位置伺服系統數學模型，在此基礎上進行*優狀態反饋控制器的設計，研究表明系統性能穩定、超調小、抗干擾能力強。考慮1.1節中①、③方面，祁佩等[5]在使用徑向基函數（radial basis function，RBF）神經網絡進行參數調整時引入動量因子，考慮參數變化過程中的經驗，采用列文伯格-馬夸爾特（Levenberg-Marquardt，LM）算法代替梯度下降法對 PID參數進行實時在線調整，進而加快系統響應速度。考慮1.1節中①、⑦方面，許翔宇等[6]通過梯度下降法對反向傳播（back propagation，BP）網絡的加權系數進行修正，利用 BP神經網絡控制算法對 PID參數進行實時調整，達到較優的控制效果。考慮1.1節中①～③方面，林黃耀[7]將神經網絡與 PID控制結合，并在神經網絡參數調整中引入動量因子、PID參數整定中采用 LM算法，從而解決系統響應振蕩較大、響應速度慢等問題；朱春波等[8]采用兩個神經網絡在對被控對象進行在線辨識的基礎上，通過對自適應 PID控制器的權系數進行實時調整，從而達到有效控制的目的； Salim等[9]利用非線性增益的速率變化特性結合自調節非線性函數對誤差進行再處理，從而提出一種新型非線性 PID控制器，實驗證明，針對不同的輸入，該控制器均能實現良好的控制性能。考慮1.1節中①、②、⑤方面，李慶等[10]基于非線性微分跟蹤器運用一種小腦神經網絡與 PID的復合控制策略以提高系統的精確性及魯棒性。考慮1.1節中①、②、⑥方面， Yuan等[11]采用 RBF神經網絡對 PID參數進行在線調整，保證了 PID參數在運行過程中的*優狀態，并縮短了系統的響應時間；Wang等[12]利用加速度反饋代替壓力反饋提高系統的穩定性，通過引入時滯和零偏差補償來解決主要由空氣和摩擦引起的時滯和死區問題，從而提高了系統的性能；趙弘等[13]提出一種基于壓力反饋線性化、摩擦力實時補償的內外雙環控制策略，該算法結構簡便、實用且控制效果較好。考慮1.1節中①、③、⑦方面，趙斌等[14]以被控對象的反饋值與目標值的偏差和偏差變化率作為輸入，用模糊推理的方法進行 PID參數在線自整定，從而使受控對象具有良好的動態性能和靜態性能；鮑燕偉[15]結合上述模糊控制與增量式 PID 算法對系統進行實時控制。考慮1.1節中①、④、⑦方面，柏艷紅等[16]將壓力輔助控制與 PID控制器相結合以避免 PID控制時存在的振蕩現象，從而提高定位精度。考慮1.1節中①～④方面，趙斌等[17]將 RBF神經網絡與 PID控制器相結合實現控制參數的自適應整定，提高系統控制精度及參數整定的魯棒性。考慮1.1節中①、②、④、⑤方面，王怡等[18]采用基于自適應神經網絡補償的比例-微分（proportional-derivative， PD）控制算法進行位置跟蹤控制，在傳統系統數學模型的基礎上加入氣缸低速摩擦力數學模型，有效地抑制了摩擦力引起的爬行現象。 針對開關閥氣動裝置，考慮1.1節中①、⑤方面， Varseveld等[19]結合摩擦力補償、位置前饋和 PID控制，使得系統的跟蹤性能獲得改善。常規 PID控制方法基于對象數學模型，且控制器中的參數都由人工整定，而氣動位置伺服系統的強非線性使得常規 PID參數整定方法實現困難。為此，考慮1.1節中①～③方面， Ren等[20]將分數階 PID控制器應用于氣動位置伺服系統，采用多變量多目標遺傳優化算法對控制器參數進行優化，與整數階 PID控制器對比發現該控制器能獲得更好的控制效果。 1.2.2 自適應控制 針對運行條件變化、存在不確定性或時變的模型參數的控制策略可以分為兩類：一類是魯棒設計方法；另一類是自適應控制。傳統的自適應控制系統包括模型參考自適應控制系統和自校正調節器兩種，這兩種方法在氣動位置伺服系統中都有應用[2]。 針對比例閥氣動位置控制方法的特點，考慮1.1節中①、③方面， Ren等[21]提出了一種反步自適應控制器，控制器的設計采用反步法，對于假定參數未知的氣動系統的三階線性模型，給出了一種參數自適應律，實現了參數的調整和參考輸出的高精度跟蹤；Lee等[22]由 Lyapunov函數導出 Haar小波級數系數的自適應律以保證系統的穩定性。同時，將 H.跟蹤技術引入傳統的自適應滑模控制方法，提出了一種基于正交 Haar小波的自適應滑模控制器，該控制器對近似誤差、非建模動態和擾動具有較強的魯棒性，還可以減少控制抖振問題。考慮1.1節中①、⑤方面，Ren等[23]設計了一種反步自適應控制器，該控制器采用氣動位置伺服系統的線性模型設計，能夠跟蹤三種典型的參考信號，具有較高的精度。考慮1.1節中②、⑧、⑨方面， Ren等[24]結合 Nussbaum函數設計了反步自適應控制器，使得控制器在正向、反向連接時均能獲得很好的跟蹤性能。考慮1.1節中①～③方面，Araki 等[25]在氣動位置伺服系統中采用了自適應狀態反饋控制，反饋增益分為兩部分，一部分是根據某一工況下的線性化數學模型按*優線性二次型性能指標設計的狀態反饋增益；另一部分為用模型參考自適應方法修正的狀態反饋增益。考慮1.1節中①、②、⑤方面，閔為[26]采用極點配置自適應控制和組合自校正控制器控制策略后發現相對于極點配置自適應算法，組合自校正控制器能有效地抑制摩擦力等擾動因素對氣動系統的影響，提高氣動系統的魯棒性和定位精度； Ren等[27]基于參數待定的氣動系統線性模型，采用反步技術設計自適應滑模控制器，根據 Lyapunov分析設計的參數自適應律，保證了閉環系統的穩定性和參數的有界性；對于不匹配不確定性的系統，由于其變化界未知，傳統的魯棒設計、自適應策略均不能直接應用。考慮1.1節中①、③、④方面，Aschemann等[28]比較了三種氣動肌肉力滯后特性補償策略，結合模糊控制和反步自適應控制實現了位置誤差*大限度的減小。考慮1.1節中①、③、⑤方面，Tsai等[29]采用基于函數逼近方法的設計來估計各種不確定性，進而提出一種自適應控制器，并利用 Lyapunov理論證明了閉環系統的穩定性。考慮1.1節中①、②、④方面， Zhou[30]針對具有輸入飽和的不確定非線性系統，采用神經網絡的逼近能力結合反步技術，實現了一種自適應控制器的設計。考慮1.1節中②～④方面，Meng等[31]通過對死區參數及未知模型參數進行估計后對死區進行補償，從而利用動態面策略設計自適應控制器。考慮1.1節中①～③、⑤方面， Yamada等[32]提出了基于神經網絡的自適應極點配置控制，利用神經網絡對非線性的氣動位置伺服系統建立線性化模型進行補償，為該線性化模型設計自適應控制器以獲得良好的控制性能。考慮1.1節中②～④、⑨方面， Ren等[33]充分利用 RBF神經網絡對未知函數的逼近能力，結合 Nussbaum函數和高斯誤差函數，分別解決了氣動系統存在的控制方向未知和輸入飽和的問題，從而設計自適應控制器，對比實驗結果發現，該控制器獲得了更好的跟蹤性能。 自適應控制可以在一定程度上解決被控對象的參數不確定性，但其本質仍要求對被控對象的模型參數進行在線辨識，因此算法較復雜，計算量大，對過程的未建模動態和擾動的適應性不強[7]。 1.2.3 滑模控制 滑模控制對系統參數變化和外部干擾具有較強的魯棒性。無論是對線性系統還是非線性系統，滑模控制都顯示出良好的控制性能。正是由于這些特點，滑模控制被應用于氣動位置伺服系統[34-36]。 針對比例閥氣動位置控制方法的特點，考慮1.1節中①方面，呂雙等[37]采用帶有邊界的飽和度函數代替符號函數，選用合適的邊界層厚度設計了滑模控制器，從而有效地減少了抖振現象，但仍依賴被控對象參數變化的上下界。為解決此問題，考慮1.1節中①、③方面，張遠深等[38]提出基于智能控制的滑模變結構控制策略，用模糊控制方法減少抖動現象，神經網絡控制消除滑模控制器設計中對不確定參數上下界的依賴，從而提高系統的魯棒性及跟蹤性能；Yan等[39]提出一種三階滑模控制器，該控制器只需輸出及其一階導數信息便可實現，由于減少了輸出求導，從而減少了導數的使用； Ren等[40]采用了分數階滑模控制器實現對氣動位置伺服系統的控制，根據文中對比結果可知該控制器不僅能夠降低抖振，還能降低能量的消耗。考慮1.1節中①、⑤方面，Paul等[34]采用包含位置誤差、速度和加速度信號的線性函數作為切換函數設計連續滑模控制器，并引入邊界層來減小控制量的“顫振”，實驗表明該控制器對負載的變化具有較強的魯棒性； Ayadi等[41]使用比例項微分項代替滑模控制的不連續項并使用滑模面解決傳統滑模控制存在的抖振現象以及滑模參數的選擇問題；Wang等[42]為了解決氣動位置伺服系統在各種擾動作用下的有限時間位置跟蹤控制問題，將擾動補償和狀態反饋控制相結合，提出了一種基于滑模控制方法和齊次理論的復合控制器，使得系統跟蹤誤差在有限時間內可以穩定到零。考慮1.1節中①、⑧方面， Ren等[43]提出反步自適應滑模控制方法，將比例閥的零點作為不確定的參數，對其進行在線估計，利用 Lyapunov定理使得跟蹤誤差漸近收斂為零。考慮1.1節中①、②、⑥方面，楊雷等[44]利用模糊推理對其動態方程中未知量進行逼近，在此基礎上設計
書友推薦
- >
二體千字文
- >
月亮與六便士
- >
經典常談
- >
我與地壇
- >
龍榆生：詞曲概論/大家小書
- >
唐代進士錄
- >
伯納黛特,你要去哪(2021新版)
- >
自卑與超越
本類暢銷
