模糊逆模补偿控制在电液伺服系统中的应用研究.pdf

《模糊逆模补偿控制在电液伺服系统中的应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2011年3月机床与液压Mat．2011第39卷第5期MACHINETO0L&HYDRAULICSVol_39No．5DOI：10．3969／j．issn．1001—3881．2011．05．014模糊逆模补偿控制在电液伺服系统中的应用研究Y-Y；，钱林方，高强，金勇(1．南京理工大学机械工程学院，江苏南京210014；2．总装备部工程兵武汉军代室，湖北武汉430073)摘要：针对液压系统普遍存在严重非线性和不确定因素，难以建立精确数学模型实现满意控制效果的现实，提出一种采用模糊逆模预测补偿与常规PI控制器相结合的控制策略。用快速模糊聚类算法根据系

2、统的输入输出数据关系进行建模，用常规控制器结合逆模预测补偿环节来进行控制。为了提升控制品质，利用当前数据对已建立的模糊模型进行在线学习调整。实验结果表明了该控制方案的可行性和有效性。关键词：电液伺服系统；模糊建模；逆模补偿；在线学习中图分类号：TP273文献标识码：A文章编号：1001—3881(2011)5—040—4ApplicationofFuzzyInverseModelCompensationControlinElectro·hydraulicServoSystemWANGLi，QIANLinfang，GA0Qiang，JINYong(1

3、．SchoolofMechanicalEngineering，NanjingUnive~ityofScienceandTechnology，NanjingJiangsu210014，China；2．MilitaryRepresentativeOfficeoftheGeneralArmamentsDepartmentinWanArea，WuhanHubei430373，China)Abstract：Sincehydraulicelementscontainnonlinearitiesanduncertaintiesfactors，itisdimcul

4、ttobuildanaccuratemathemati—calmodeltomeetthedesiredperformance．AnewcontrolmethodbycombiningfuzzymodelingandinversepredictablecompensationwithPIcontrollerwasproposedtosolvethisproblem．Fuzzymodelwasbuiltwithfastfuzzyclustering，takingintoaccounttheinforma—tionprovidedbyinput—out

5、putsamples．Anewcontrolmechanismwasdeveloped，whichincorporatedconventionalcontrollerwithin—versepredictablecompensation．Inordertoimprovethecontroleffect，thefuzzymodelwasadjustedonlinebythelearningmethodusingcurrentdata．Theexperimentalresultsshowthecontrolmechanismisfeasibleande

6、ffective．Keywords：ELectro—hydraulicservosystem；Fuzzymodeling；Inversemodelcompensation；Onlinelearning液压系统具有驱动力大、响应快与刚性强的突出统的控制品质。特点，广泛应用于各种需要大驱动力和强过载能力的1数学描述工程领域，尤其是那些需要大功率、快速、精确响应整个系统由液压站、电磁比例方向流量复合阀、的控制系统⋯。按照组成形式，电液伺服系统可分为执行油缸、光电编码器、伺服驱动箱、数据采集卡和泵控缸(马达)和阀控缸(马达)两大类。相对而言，阀控制计算机等

7、部件组成，如图1所示。控系统具有较高的动态响应与稳定性。尤其是最近出现的伺服比例阀，驱动器采用比例电磁铁，功率级阀芯采用伺服阀的结构与加工工艺，其性能介于伺服阀和普通比例阀之问，特别适用于各种工业闭环控制。驱动环节是电液控制系统的关键部分，其动态性＼能直接关系到整体系统的工作品质。由于磁通饱和、⋯．／一。：：商LJ，，摩擦和死区等非线性因素的存在，很难用解析法建立一，，，其数学模型。在这样的背景下，建立能够从系统的输，1广_入输出数据对中确立系统工作机能的模型显得尤为重t1l×甲光电编码器l⋯要；同时，如果这种模型具有包括记忆、泛化和自适应能力在内

8、的学习机制，模型的准确度会得到进一步l山‘；的提升。山卡斟一=l一一为了实现这个目标，作者提出了一种融合学习机制的模糊逻辑