一体化数字液压作动系统的建模仿真和控制

随着机电液控集成一体化技术和数字液压技术的发展，基于数字缸和电液泵提出了一种新型的一体化数字液压作动系统，阐述了其系统组成和工作原理.基于AMESim建立了电液泵、数字缸及整个系统的数学模型，分别从系统的位移响应、溢流流量、电机转速和控制阀开口等方面，与传统的采用集中液压源供油和伺服阀控制伺服油缸的作动系统进行了仿真对比分析，指出了一体化数字液压作动系统的优缺点.     

大温升速率加热器的全补偿复合控制

开发了接触式电加热器，用于对高温材料同时加热和加压的性能实验，重点研究大温升速率加热工况下的温度控制问题.分析了该工况下加热器数学模型的特殊性，据此开发了基于给定值的近似全补偿顺馈-反馈复合控制方法（简称全补偿复合控制）.通过相应的实验验证了数学模型的正确性，进而对这种全补偿复合控制与经典PID方法进行了温控性能对比实验，结果表明全补偿复合控制具有更好的温度曲线跟踪性能和加热平稳性，并且能有效地抑制加热电源的死区效应.由于所推导的数学模型适用于一般加热器，因而这种全补偿复合控制方法对一般加热器的大温升速率工况具有通用性.     

基于非线性规划的室内TOA测距值优化方法

在室内环境中，无线信道中的非视距和多径传输等效应严重影响了到达时间（TOA）定位系统的测距值精度，从而导致较大的测量误差和定位误差。将测距值优化抽象为非线性规划问题，在实现视距/非视距（LOS/NLOS）场景识别的基础上，利用TOA测距误差模型和“目标-基站”间的几何约束为序列二阶非线性规划方法设置合理的初始值，建立了目标函数和约束条件，对定位测距值进行了有效校正。利用典型的TOA测距误差模型进行了仿真验证，利用具有TOA测距功能的无线定位节点在办公环境中进行了实测验证。结果表明，该方法优化后的测距值精度明显优于原始测距值和传统的测距值修正方法，从而验证了该方法的有效性。     

电液伺服泵的分数阶无抖振滑模控制

电液伺服泵（IEHSP）由于在结构上实现了伺服电机和液压泵共转子、共壳体高度融合，在体积、噪声和效率等方面具有明显优势，具有很好的应用前景。为了提高电液伺服泵的调速性能与抗扰能力，设计了一种新型分数阶滑模控制器（NFOSMC）。首先，由于分数阶微积分理论的引入，控制器为系统提供了更多的控制余度。然后，针对传统滑模控制中存在的抖振问题，通过设计使控制器中直接包含有切换项的分数阶积分项，利用其滤波特性可以有效滤除抖振，实现无抖振滑模控制。同时利用Lyapunov稳定性定理证明了控制器可以保证系统在存在内扰与外扰时能够在有限时间内收敛于平衡点，另外控制器中避免了含有高阶分数阶微分项，扩大了分数阶阶数的取值范围。为了进一步提高抗扰能力，设计了分数阶扰动观测器（FODOB），对系统内扰和外扰实时观测并补偿，有效提高了控制器的响应速度和刚度。最后，分别与PI控制、整数阶滑模控制器（IOSMC）和传统分数阶滑模控制器（CFOSMC）进行了仿真分析比较，结果表明该控制器能够有效改善速度跟踪性能和增强抗扰能力，消抖效果显著。     

伺服机构负载模拟系统设计与动态特性分析

针对火箭发动机喷管伺服机构的负载模拟问题，采用机械的方式，设计了一种可对伺服机构的惯性负载、摩擦力矩负载、弹性力矩负载、安装刚度以及发动机喷管柔性特征进行模拟的负载模拟器，并建立了模拟器和伺服机构数学模型。仿真分析了惯性负载、弹性力矩以及喷管柔性对伺服机构负载多自由度特性的影响。通过对伺服机构扫频实验，负载模拟器中的负载在一定范围内调节，可复现伺服机构实际工作中的动态特性。说明该负载模拟器结构设计合理，从而为具有多自由度特性的火箭伺服机构的负载模拟系统设计提供参考。该系统已经得到实际应用。     

双独立闭环复合液压伺服控制体系的分析

针对现有几种液压伺服控制系统的优缺点,基于高性能和节能这一发展趋势,提出基于伺服电机、定量泵、蓄能器和伺服阀的双独立闭环的新型复合控制体系.分析了其结构特点,建立了数学模型并进行了仿真分析和实验验证,证明新型控制体系充分发挥了各个控制环节的效能,实现了流量适应,较现有的控制方案简单可靠,在综合指标方面有了很大的提高,适合机载液压系统和弹载液压系统.     

基于在线频率估计的自适应反馈主动隔振技术

针对自适应前馈控制方法的缺点,提出一种周期性振动主动控制的自适应反馈控制方法.利用误差信号恢复振动干扰信号,采用级联陷波器估计信号中周期性分量的频率,并在估计频率处为控制器构造参考信号;控制器的参数则根据Lyapunov稳定性原理进行调整.仿真和主动隔振试验结果表明:频率估计方法在不同信噪比情况下均具有较好的估计精度;主动控制方法在振动频率处的隔振效果明显,隔振量可达16?dB以上,且控制器的参数收敛速度较快.     

基于遗传算法的护理机器人逆运动学求解方法

护理机器人结构复杂、耦合度高且机械臂不满足PIEPER准则,标准遗传算法难以精准地对其逆运动学进行求解,以至于机器人手臂末端位姿误差较大。针对标准遗传算法求解过程中早熟和局部搜索能力差的问题,采用等分区间替代随机命令产生的初始种群个体,划分5个小区间以提高种群个体的分散程度和搜索效率;在适应度函数中引入可变权因子,将位置误差的变化值作为可变权因子的变量,进化过程中可变权因子在0.5~1.0之间变化,且实时有效分配位置和姿态误差权重,确保解的收敛。通过仿真和实验验证,结果表明:改进后的遗传算法能够大幅提升收敛精度和速度,并且可以同时实现对位置和姿态的精确控制,极大地减小了机器人手臂的位姿误差。      

基于Bang-Bang控制思想的迭代学习控制算法研究

 根据迭代学习控制基本原理,吸取了Bang-Bang控制的思想,提出了新的迭代学习控制算法。与常用的利用迭代误差或误差变化率进行控制率计算的算法相比,该算法只需根据迭代误差的符号即可计算控制率,不仅大大减小了计算工作量,而且增强了系统的抗干扰能力。给出了算法表达式和控制结构图,进行算法收敛性分析。仿真结果表明该算法的有效性和收敛性。     

模糊滑模迭代学习控制算法在液压系统中应用

普通比例(P, Proportion)和比例微分(PD, Proportion and Differential)迭 代学习控制(ILC, Iterative Learning Control)算法在液压位置伺服系统中收敛速度比较 慢,很难在实际中应用.为了提高ILC算法的收敛速度,将滑模控制算法引入ILC,提出模糊 滑模迭代学习控制(FSMILC, Fuzzy Sliding Mode Iterative Learning Control)算法,利 用滑模控制响应快的优点来加速ILC的收敛速度,利用模糊控制来减小滑模控制所引起的抖 动问题.FSMILC算法的实质是以系统的滑模函数作为模糊控制器的输入,以模糊控制器的输 出作为ILC的控制增量.通过仿真可以看出,FSMILC算法能够实现系统快速收敛,相对于P型 和PD型具有明显优势.