您现在的位置: 首页> 研究主题> 电液伺服系统

电液伺服系统

电液伺服系统的相关文献在1984年到2023年内共计1243篇,主要集中在自动化技术、计算机技术、机械、仪表工业、电工技术 等领域,其中期刊论文990篇、会议论文110篇、专利文献4238913篇;相关期刊332种,包括农业机械学报、工程机械、机电工程等; 相关会议79种,包括第八届全国流体传动与控制学术会议、第六届全国流体传动与控制学术会议、第五届全国流体传动与控制学术会议暨2008年中国航空学会液压与气动学术会议等;电液伺服系统的相关文献由2110位作者贡献,包括姚建勇、韩俊伟、侯远龙等。

电液伺服系统—发文量

期刊论文>

论文:990 占比:0.02%

会议论文>

论文:110 占比:0.00%

专利文献>

论文:4238913 占比:99.97%

总计:4240013篇

电液伺服系统—发文趋势图

电液伺服系统

-研究学者

  • 姚建勇
  • 韩俊伟
  • 侯远龙
  • 徐张宝
  • 赵克定
  • 杨贵超
  • 李运华
  • 王海涛
  • 关广丰
  • 弓永军
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 戴永彬
    • 摘要: 针对电液伺服系统的时滞和非线性等问题,提出一种基于状态监测的非线性预测控制(smMPSO-NPC)算法,提高了电液伺服系统的控制性能。将多目标粒子群优化算法和非线性预测控制相融合,实现了多目标优化;将Pareto前端映射到旋转基扇形平面上,利用状态熵和差熵监控种群进化状态;然后提出了角度占优、角度占优强度和档案集双序维护策略,可同时兼顾档案集的收敛性和多样性;并将smMPSO-NPC算法应用于电液伺服系统,基于改进算法的控制器能够有效地跟踪设定输出,获得了较好的控制效果。仿真结果表明:所提控制方法正确、有效。
    • 江金林; 张鑫彬; 王晓露; 郭加利; 鲜亚平; 沈婕
    • 摘要: 电液伺服阀的啸叫是液压系统中最棘手的问题之一,伺服阀长时间啸叫将引起管弹簧部件的损坏,并导致系统控制失稳。该文对伺服阀啸叫现象进行了深入的机理分析,采用数值计算和仿真模拟方法分析了啸叫产生原因和传递过程,并且结合试验对理论进行了验证;根据分析结果,提出了抑制啸叫的措施,相关的理论和措施对于工程上解决伺服阀啸叫问题具有重要指导意义。
    • 唐逸凡; 余臻; 刘利军
    • 摘要: 电液伺服系统动态性能复杂多变,很难为其运动控制获得精确的动力学模型.本文以高精度电液伺服仿真模型作为研究对象,将电液伺服系统位置控制问题转化为强化学习中的状态稀疏奖励问题,使用基于强化学习的屏障函数安全控制方法进行控制器整定.相比传统控制方法,本文直接通过优化状态空间稀疏奖励与安全屏障辅助奖励实现基于数据的安全强化学习控制器整定,其预设安全性为强化学习控制方法实际应用于工业生产奠定了基础.结果表明,使用安全屏障辅助奖励项进行稀疏奖励优化保障算法收敛性的同时能有效实现稳态安全控制目标.在高精度电液伺服系统非线性多项式仿真模型的位置控制问题中证明了本文所提安全强化学习控制方法的有效性.
    • 吴小俊
    • 摘要: 针对泵控系统滑模控制方面的研究,根据泵控系统的降阶数学模型中存在的未知项f(),再结合滑模控制算法设计基于RBF神经网络的滑模控制器。通过MATLAB/Simulink建立系统的仿真模型,然后进行位置指令仿真分析。研究结果表明:相比较PID控制器,基于RBF神经网络的滑模控制器获得了最小跟踪误差。在干扰条件下跟踪10 Hz频率与1 mm幅值的正弦位置信号,基于RBF神经网络的滑模控制器误差最小;施加干扰力后,控制器都出现了更大的跟踪误差,此时基于RBF神经网络构建的滑模控制器可以快速恢复跟踪误差。研究设计的基于RBF神经网络的泵控系统滑模控制器具有很好的跟踪精度和更强的鲁棒性,可以拓宽应用到其他机械传动领域。
    • 赵岩; 周秦源; 邵念锋; 卢日荣; 胡贤哲
    • 摘要: 采用普通PID控制的复杂电液伺服控制系统(液压驱动的控制系统)存在控制柔顺性不佳的问题,达不到理想的控制效果,为了提高电液伺服系统的控制特性,提出了一种基于径向基神经网络(RBF)模糊PID的控制策略。首先,理论推导了伺服阀控液压缸的状态空间方程,建立了液压系统相关的数字模型;然后,在普通PID控制策略的基础上,提出了一种基于径向基(RBF)神经网络的模糊PID控制策略,并结合电液伺服系统的特性,调整了其模糊控制规则;最后,在空载和负载两种工况下,对该电液伺服系统进行了MATLAB/Simulink仿真,并对基于不同控制策略的电液伺服系统的特性进行了对比分析,验证了基于径向基(RBF)神经网络的模糊PID控制策略的优越性。研究结果表明:在空载工况下,普通PID控制和模糊PID控制的响应速度都在10 s以上,超调量较大,且加入负载后调整时间较长,对于负载干扰后的恢复能力较差;而RBF神经网络模糊PID控制在空载工况下的控制响应速度仅为4.23 s,超调量降低为4.16%,加入负载后,整定2.56 s后即可回归稳定状态;基于RBF神经网络模糊PID控制策略的抗干扰性更好、鲁棒性更强,可以更好地满足电液伺服系统的控制要求。
    • 宋倩玉; 冯浩; 刘慧勤; 周世萱; 朱雅利; 张亦心; 殷晨波
    • 摘要: 为了提高挖掘机器人电液伺服系统的轨迹精度,首先,建立挖掘机器人电液伺服系统模型;其次,对遗传算法的种群、适应度函数、交叉概率和变异概率进行改进,设计改进遗传算法的PID控制器,在联合仿真平台上进行了仿真研究,用阶跃和斜坡信号评估控制器性能;最后,搭建挖掘机器人轨迹控制实验平台,采用对挖掘机器人精度要求较高的斜坡作业验证控制器性能。结果表明:相比较于传统的PID控制器和经典遗传算法优化的PID控制器,改进遗传算法优化的PID控制器调整时间短,响应快速,实际动作控制时轨迹跟踪误差最小,可用在挖掘机器人实际轨迹控制中。
    • 常景岚; 张高峰; 曹秀芳; 杨秀萍; 王收军
    • 摘要: 重载机械臂电液伺服系统具有高度非线性和模型不确定性的特点,且受摩擦影响大,为使其具有良好的跟踪性能和抗干扰能力,建立了包含Stribeck摩擦模型的重载机械臂俯仰缸电液伺服系统数学模型,提出了一种基于扩张状态观测器的电液伺服系统自适应鲁棒控制策略。将扩张状态观测器和采用反演法设计的自适应鲁棒控制器相融合,对系统中存在的不匹配干扰和未知参数进行估计,并利用Lyapunov定理对系统稳定性进行分析证明。通过MATLAB仿真验证,表明该控制策略能够准确跟踪系统指令并估计出非匹配干扰。与传统自适应鲁棒控制策略相比,该控制器可以有效抑制变负载和未知扰动的影响,有效提高了电液伺服系统的控制精度,能够满足重载机械臂的设计要求。
    • 姚文龙; 亓冠华; 池荣虎; 邵巍
    • 摘要: 针对电液伺服系统在水井钻机推进工况下存在的参数不确定以及未知负载扰动突变等非线性因素,提出了基于径向基(RBF)神经网络扰动观测器的无模型自适应控制方法.首先,通过改进的无模型自适应控制动态线性化方法,将被控系统线性化为与输入输出相关的增量形式,并将未知负载扰动合并到一个非线性项中;然后,设计了径向基神经网络扰动观测器对含有未知负载扰动的非线性项进行估计,作为对未知扰动的补偿;最后,设计了时变参数估计律,通过在线调整伪偏导数,给出了电液伺服系统的控制更新律.仿真结果表明,所设计的控制器能够对未知负载扰动突变进行补偿,并能确保跟踪误差有界收敛.
    • 黄浩; 陈义训; 金晓宏; 何志鹏
    • 摘要: 为了分析插装阀压力飞升速率的影响因素,采用某型二通插装阀,结合数学与仿真模型分析相应的影响因素,使用AMESim对二通插装阀系统进行了仿真,并进行了相应的实验研究。首先,对插装阀的主要结构进行了分析,对插装阀压力飞升的相关标准进行了阐述,对插装阀的受力进行了分析;然后,对插装阀压力飞升的相关因素分别进行了分析,采用AMESim仿真软件建立了插装阀模型,分别分析了先导阀换向时间、管道长度、阻尼孔直径与代替、压力等级、流量等级对压力飞升速率的影响;最后,根据上述仿真结果,选用某型二通插装阀分别进行了瞬态实验,对插装阀的飞升要求进行了验证。研究结果表明:先导阀的换向时间对飞升速率有一定影响,随着换向时间变长,压力飞升速率呈现降速加快的趋势;管道长度对飞升速率也有一定影响,随着管道长度增加,压力飞升速率出现下降的情况;阻尼孔直径对压力飞升速率有影响,随着阻尼孔直径的增大,压力飞升速率呈现增速放缓的上涨趋势;阻尼孔的替代对压力飞升速率有影响,可加快压力飞升速率;压力与流量等级对压力飞升速率有显著的影响。
    • 樊烨男; 高飞; 廉自生
    • 摘要: 针对液压缸内置式位移传感器安装工艺复杂、检修困难的问题,利用隧道磁阻(TMR)元件设计了一款外置式磁感应位移传感器。首先,对传感器的构成、工作原理及信号电路进行了设计和说明,通过Ansoft Maxwell电磁仿真平台建立了传感器模型;然后,对永磁环运动时的磁场状态及磁阻元件的输出信号进行了分析,提出了通过多个磁阻元件有效线性工作区叠加来计算永磁环位移的方法,并研究了液压缸缸筒对计算方法的影响;最后,利用实验装置对传感器的各项性能指标进行了测试。研究结果表明:在不同缸筒磁导率和厚度下,磁阻元件有效线性工作区对应的位移区间长度相等,传感器可对不同缸筒材质与厚度的液压缸进行测量,磁阻元件实际输出曲线的线性度为2.39%,精度为0.16%,满足测量误差小于1 mm时4%的线性度要求,传感器分辨率为0.0083%,且其重复性较好,其设计是可行的。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号