System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本專利技術涉及智能控制,尤其涉及一種擠壓機擠壓桿的速度跟蹤自適應迭代學習控制方法。
技術介紹
1、智能制造是推動中國經濟高質量發展的重要引擎。擠壓機在智能制造中發揮著重要作用。它直接影響到產品的尺寸精度、表面質量和生產效率。通過精確的速度跟蹤,可以確保擠壓過程中材料的均勻流動,避免產生缺陷,從而提高產品的整體質量。然而,由于擠壓過程中存在多種干擾因素,如溫度波動、材料性質的變化、模具磨損等,這些因素都可能導致擠壓桿速度的波動。因此,如何實現精確的速度控制是擠壓桿速度跟蹤控制的一大難點。
2、有限時間速度跟蹤控制是指在給定的時間范圍內,使擠壓桿的速度能夠迅速、準確地跟蹤并保持在設定的參考速度上。因此,擠壓桿的有限時間速度跟蹤控制傳統控制方法主要包括pid控制、開環控制和簡單的閉環控制等。pid控制對于非線性、時變性和不確定性的擠壓過程控制效果有限,可能無法快速準確地跟蹤擠壓桿的速度變化。開環控制的精度和穩定性較差,容易受到擠壓材料、模具和擠壓溫度等因素的影響。簡單的閉環控制雖然具有反饋機制,但其控制算法相對簡單,可能無法快速準確地響應擠壓桿速度的變化。在面對復雜多變的工況時,傳統控制方案往往缺乏智能化和自適應能力,無法根據工況變化自動調整控制參數和策略。
3、針對上述問題,本專利技術設計了一種擠壓機擠壓桿的速度跟蹤自適應迭代學習控制方法,來實現有限時間區間上擠壓桿速度跟蹤控制。利用基于徑向基函數神經網絡的自適應迭代學習控制技術控制擠壓桿的速度,使其速度控制精度更高,實現對擠壓桿的精確運動控制,確保產品的尺寸
技術實現思路
1、本專利技術的目的是提供一種擠壓機擠壓桿的速度跟蹤自適應迭代學習控制方法,提供擠壓桿的有限時間速度跟蹤控制策略,基于自適應迭代學習控制理論,結合傅里葉級數-徑向基函數神經網絡逼近方法,實現擠壓桿的有限時間高精度速度跟蹤控制。
2、為實現上述目的,本專利技術提供了一種擠壓機擠壓桿的速度跟蹤自適應迭代學習控制方法,包括以下步驟:
3、步驟s1、根據擠壓機擠壓桿的物理性質,以及擠壓桿的運動方式,確定擠壓桿的動力學模型,確定控制目標;
4、步驟s2、基于逼近理論,對擠壓桿模型中不確定部分建立神經網絡模型,并確定擠壓桿的速度跟蹤誤差系統;
5、步驟s3、基于自適應迭代學習控制理論,設計虛擬控制輸入與實際控制輸入;
6、步驟s4、基于lyapunov穩定性定理,分析所設計控制器的穩定性。
7、優選的,在步驟s1中,根據擠壓桿的物理性質,以及擠壓桿的運動方式,構建擠壓桿的動力學模型,確定控制目標,具體過程如下:
8、在不確定工況下,由于多種外部干擾,擠壓桿的基本動力學方程,如下所示:
9、;
10、其中,是擠壓桿及其內部金屬的有效質量;是擠壓桿的加速度;是阻尼系數,代表擠壓過程中的能量耗散;是擠壓桿的速度;是剛度系數;是擠壓桿的位移;是擠壓力;是摩擦力;是外部干擾力;
11、將上述擠壓桿動力學模型轉化為不確定非線性參數化系統,則擠壓桿的有限時間高精度速度跟蹤控制問題視為不確定非線性參數化系統的有限時間高精度速度跟蹤控制問題;
12、通過對擠壓機擠壓桿的動力學研究,確立動力學模型,如下所示:
13、;
14、其中,分別是非線性參數化擠壓桿系統的兩個狀態變量—位移和速度;是非線性參數化擠壓桿系統的擠壓壓力控制輸入;為含有未知時變參數的未建模的動力學,包括模型的不確定性和未知的時變干擾;是未知的有界外部干擾;為系統的位移輸出量,表示迭代次數。
15、優選的,在步驟s2中,基于逼近理論,對擠壓桿模型中不確定部分建立神經網絡模型,并確定擠壓桿的速度跟蹤誤差系統與其對應的擠壓桿的位移跟蹤誤差系統,具體過程如下:
16、擠壓桿的速度跟蹤誤差系統,如下所示:
17、;
18、其中,為第次迭代時系統速度輸出與目標速度軌跡的誤差,即第次迭代時的速度跟蹤誤差;
19、與其對應的擠壓桿的位移跟蹤誤差系統,如下所示:
20、;
21、其中,為第次迭代時系統位移輸出與目標軌跡的誤差,即第次迭代時的位移跟蹤誤差;
22、步驟s21、在擠壓桿模型中,對不確定時變參數項進行處理;
23、在有限時間區間上,不確定時變參數項是周期信號,將分別展開為傅里葉級數,如下所示:
24、;
25、其中,是關于時間的三角函數陣;是對應的權重矩陣;是展開后的截斷誤差,其上界是;
26、步驟s22、建立新的傅里葉級數展開-徑向基函數神經網絡的逼近器,將和分別建模,如下所示:
27、;
28、;
29、;
30、其中,是新構建的逼近器用來逼近系統中未建模的非線性參數化項;是關于參數和的神經網絡高斯基函數向量;權重矩陣和是有界的,滿足,;是未知的相應的上界,其值是正數;,表示的上界;和是未知權值向量和的估計;和分別表示和估計值和實際值之間的估計誤差;為單純神經網絡逼近未知非參數化項時的逼近誤差;
31、;
32、其中,是基函數中含有未知參數估計值時的神經網絡基函數;是的導數;表示泰勒級數展開中的高階項的和;
33、逼近器的總的逼近誤差,如下所示:
34、;
35、;
36、其中,,,;余項的邊界為;
37、步驟s23、誤差函數的設計及未知界的處理;
38、引入典型的收斂級數序列,對每個誤差項的未知上界進行處理,如下所示:
39、,,滿足;
40、在每次迭代的開始,初始誤差值應該滿足,,其中,是一個收斂級數序列;
41、構造新的誤差函數,如下所示:
42、;
43、其中,是飽和函數為:
44、;
45、其中,是一個改進的時變層邊界。
46、優選的,在步驟s3中,基于自適應迭代學習控制理論,設計虛擬控制輸入與實際控制輸入,獲得擠壓桿的有限時間高精度位移跟蹤控制策略,具體過程如下:
47、步驟s31、設計虛擬控制輸入及參數自適應律,;
48、選取新的誤差函數和,如下所示:
49、;
50、;
51、針對擠壓桿模型的第一個子系統,如下所示:
52、;
53、根據位置跟蹤誤差,選取lyapunov函數,如下所示:
54、;
55、為了使得負半定,設計虛擬控制器,如下所示:
56、;
57、參數自適應律為:
58、;
59、;
60、其中,是逼近未知函數的神經網絡權值的估計與權值的估計誤差;是未知參數的估計,是需要設計的增益值;、、、是需要設計的本文檔來自技高網...
【技術保護點】
1.一種擠壓機擠壓桿的速度跟蹤自適應迭代學習控制方法,其特征在于,包括以下步驟:
2.根據權利要求1所述的一種擠壓機擠壓桿的速度跟蹤自適應迭代學習控制方法,其特征在于,在步驟S1中,根據擠壓桿的物理性質,以及擠壓桿的運動方式,構建擠壓桿的動力學模型,確定控制目標,具體過程如下:
3.根據權利要求1所述的一種擠壓機擠壓桿的速度跟蹤自適應迭代學習控制方法,其特征在于,在步驟S2中,基于逼近理論,對擠壓桿模型中不確定部分建立神經網絡模型,并確定擠壓桿的速度跟蹤誤差系統與其對應的擠壓桿的位移跟蹤誤差系統,具體過程如下:
4.根據權利要求1所述的一種擠壓機擠壓桿的速度跟蹤自適應迭代學習控制方法,其特征在于,在步驟S3中,基于自適應迭代學習控制理論,設計虛擬控制輸入與實際控制輸入,獲得擠壓桿的有限時間高精度位移跟蹤控制策略,具體過程如下:
【技術特征摘要】
1.一種擠壓機擠壓桿的速度跟蹤自適應迭代學習控制方法,其特征在于,包括以下步驟:
2.根據權利要求1所述的一種擠壓機擠壓桿的速度跟蹤自適應迭代學習控制方法,其特征在于,在步驟s1中,根據擠壓桿的物理性質,以及擠壓桿的運動方式,構建擠壓桿的動力學模型,確定控制目標,具體過程如下:
3.根據權利要求1所述的一種擠壓機擠壓桿的速度跟蹤自適應迭代學習控制方法,其特征在...
【專利技術屬性】
技術研發人員:張春麗,謝宇偉,吳亞麗,錢富才,
申請(專利權)人:西安理工大學,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。