挖掘机器人动力学参数辨识研究

为了使挖掘机在作业速度和挖掘力上适应负载的特性,需要对挖掘机工作装置进行动力学分析.在采用拉格朗日方法确定了挖掘机器人工作装置动力学模型的情况下,动力学参数的精确辨识对实现实时控制显得尤为重要.利用遗传算法对参数辨识问题进行了探讨,给出了利用遗传算法对整个问题的求解设计思路,引入格雷码混合编码、可变精度的交叉和混合变异等思想,形成了改进的遗传算法.该算法收敛速度快,鲁棒性强,通过仿真和现场实验,验证了所提出的算法的有效性.     

基于增广RBF神经网络的混沌系统辨识

混沌系统的建模与辨识是混沌控制的基础。提出一种动态线性子系统与ＲＢＦ神经网络并联的增广ＲＢＦ神经网络模型,该模型不仅对动态非线性系统具有良好的逼近能力,而且网络学习速度很快。对Ｈｅｎｏｎ系统时间序列的仿真预测结果表明,增广ＲＢＦ网络能有效地用于混沌系统辨识。     

基于小脑模型神经网络的对称阀控非对称缸复合控制方法

针对对称阀控非对称缸系统的不对称性和非线性,为了提高系统控制精度,分析了该系统的工作特性,提出了基于小脑模型神经网络(CMAC)的控制策略,设计了CMAC复合控制器;为验证CMAC复合控制器的有效性,进行了实验研究,并与普通的PID控制器进行比较.实验表明,基于CMAC的复合控制方法无须精确获取系统数学模型和负载状态,适合于对称阀控非对称缸系统的实时控制.     

阀控非对称缸系统神经网络多逆模型切换控制研究

为提高存在负叠合量的阀控非对称缸系统的控制性能,提出基于神经网络的逆系统控制方法,利用神经网络逼近的逆模型与原系统复合,将复杂非线性系统转变为线性系统进行控制,建立了阀控非对称缸系统的数学模型,系统在(x_0,u)的邻域内存在相对阶,证明了系统的可逆性;采用基于遗传算法改进的BP神经网络(GA-BP)求解逆模型,并针对伺服阀存在负叠合量,以及流态存在层流和紊流两种状态的问题,建立系统的多个逆模型集,提高了逆系统的求解精度。利用AMESIM和Simulink联合仿真平台,基于参考速度切换的原则,对系统采用比例-积分-微分(PID)闭环控制器。结果表明:普通PID控制的液压缸伸出运动响应和缩回运动响应不一致,伸出运动存在0.20 mm的稳态误差,误差波动范围为0.06 mm,而缩回运动稳态误差较小,约为0.02 mm,但误差波动较大,约为0.09 mm;多逆系统复合控制的伸出缩回运动响应较一致,伸出和缩回运动均存在0.02 mm的稳态误差,误差波动范围为0.04 mm,验证了多逆模型切换控制方法可以消除阀控非对称缸系统的非对称性,降低波动负载干扰影响,提高系统的响应精度。     

阀控非对称缸主动式伺服加载系统的数学模型

建立了阀控非对称缸主动伺服加载系统地数学模型,对的参数做了理论计算和实际测试;然后进行了仿真,并与实际测试结果进行了比较,结果表明本文的分析是正确的。     

阀控非对称缸液压系统建模研究

考虑了阀控非对称缸液压系统中阀与缸之间采用软管连接的情况,构建了系统方程,推导了活塞杆在两个方向,活塞杆伸出和活塞杆缩回时的两个传递函数,分析了两个方向的增益与固有频率,采用了SimHydraulics实物仿真,仿真结果验证了对传递函数的理论分析.     

机器人重力参数辨识新方法

将一类新型自适应观测器推广应用到机器人自适应状态观测器上，解决了机器人重力参数辨识的收敛性问题。     

一类基于RBF神经网络的系统辨识算法设计与仿真

介绍了系统辨识的意义、神经网络的优点和RBF神经网络。着重介绍了RBF神经网络的学习算法以及在系统辨识中的应用,并以仿真例子演示了RBF网络的初始化,训练和实际结果。仿真结果表明所设计的RBF网络具有较快的辨识速度和较好的辨识精度。     

机器人重力参数辨识新方法

将一类新型自适应观测器推广应用到机器人自适应状态观测器上，解决了机器人重力参数辨识的收敛性问题．     

机器人系统中环境动力学模型及其参数辨识

根据机器人系统中环境的本质特征，本文提出了环境动力学既有刚体运动力学特性，又有表面开变动力学特性的观点；由此建立了新的环境动力学模型，给出了该动力学模型参数辨识的遗传算法模型，理论分析和实验研究表是该模型及其参数辨识方法是实用的，可行的。     

径向流磁流变阀动态性能及阀控缸系统阻尼特性研究

针对目前磁流变阀输出压降较小的缺点,设计了一种可有效提高压降的径向流磁流变阀,分析了其工作原理及压降数学模型.搭建性能测试实验台对不同加载电流及不同流量下的径向流磁流变阀压降及响应性能进行试验分析;同时对磁流变阀控缸系统进行了阻尼特性分析,分别测定了不同电流、频率及振幅下的动力性能.结果表明,以径向流磁流变阀为核心元件的阀控缸系统能够输出较大阻尼力,最大阻尼力达5 kN;系统响应迅速,电流1.2 A时压降可达3.2 MPa,响应时间在100~150 ms之间.输出阻尼力连续可调,同时输出阻尼力受活塞杆运动速度影响很小,阀控缸系统能在各种工况输出稳定阻尼力.      

在轨服务双臂空间机器人参数辨识研究

本文以在轨服务自由漂浮空间双臂机器人为研究对象,研究了机器人本体和所抓取未知目标卫星的参数辨识问题。利用卫星自身携带的测速敏感器测得卫星本体质心以及操作臂的线速度及角速度,基于线动量及角动量守恒方程即可对双臂机器人本体和未知目标卫星进行未知参数的辨识。本文首先对空间机器人模型进行符号推导;然后研究了机器人的参数对辨识研究的影响;最后分析了参数辨识的影响因素。本参数识别方法的可行性以及效果在地面实验室中得到验证。     

工业机器人运动学参数误差两步识别法

提出了将转动误差和定位误差分离的参数误差两步线性识别方法,利用刚体相对转动误差识别出仅与转动相关的运动学参数误差;由已校准的参数并利用刚体距离误差识别出其余的运动学参数误差,两步识别法不仅避免了测量坐标系与机器人坐标系的转换以及参数估计误差的传递,而且有效解决了距离方法中存在的奇异和非线性问题,可以快速求出参数误差的线性解,该识别法不仅可以用于串联、并联机器人的校准,而且适用于数控机床、坐标测量机等的误差识别与补偿。     

四通阀控非对称液压缸传递函数的分析和建立

目前国内还未见针对四通阀控非对称液压缸传递函数的详细推导和研究,这就影响了采用此种动力元件的液压伺服系统动态性能的分析研究.针对上述情况,引入了液压缸负载流量等效面积Ap、液压缸负载压力等效面积Ac等参数,使负载流量qL和负载压降pL的定义既简单,又不失准确性,在此基础上,对四通阀控非对称液压缸的传递函数进行了深入的推导和分析.     

基于时域统计平均预处理的RBF网络发动机气缸压力识别方法

在柴油发动机气缸压力的识别过程中，针对缸盖振动信号的信噪比低且呈非平稳特性，影响神经网络对气缸压力识别的问题，提出了在径向基函数(RBF)网络训练前，对训练样本进行时域统计平均降噪预处理，再对实验样本进行识别．结果表明，时域统计平均有效提高了训练样本的信噪比，RBF网络经训练后，对柴油发动机气缸压力的识别具有计算速度快、识别精度高的优点．     

空调对象参数辨识的一种混合算法

针对空调对象这一时变迟延环节,提出了一种基于最速下降法和最小二乘法的混合参数辨识算法。对一空调对象分别在初始条件未各和参数发生突变的前提条件下进行了参数辨识,计算结果表明,提出的和识 法不但适用于时不变的空调系统,而且对时变的空调系统也具有辨识性能稳定、计算时间少、计算精度高等优点。     

药物动力学系统的参数辨识

本文采用现代控制理论的方法研究药物动力学系统的模型参数辨识问题,以白鼠口服氟的实验数据,得到五室模型的参数.