一、基于神经网络补偿的二自由度PID控制（论文文献综述）
王婷[1]（2021）在《基于改进鲸鱼优化算法的打磨机器人轨迹优化与控制》文中进行了进一步梳理目前打磨加工主要以人工为主,打磨过程中产生大量粉尘,对工人健康造成不利影响,甚至危及工人的人身安全,而且存在打磨表面一致性差,加工质量不稳定的情况。机器人打磨加工是将工人从恶劣的打磨环境中解救出来的有效方法,采用机器人打磨可以改善工人工作环境,保证打磨的一致性和稳定性。在机器人打磨铸铁件的精磨过程中,机器人运行轨迹的平滑和准确对打磨质量具有直接影响。通过对机器人误差补偿、轨迹规划及力/位控制等轨迹优化与控制的关键技术研究,可以提高打磨机器人轨迹精度,使机器人准确而又平稳的到达期望位置,从而保证打磨加工质量。因此,本文以六自由度串联打磨机器人为研究对象,将提高机器人的轨迹精度和保证轨迹平滑性作为研究目标,分别从机器人位姿误差分析及建模、最优轨迹规划和力/位控制方法三个方面进行机器人轨迹优化与控制的探索分析。提出一种改进鲸鱼优化算法,该算法具有收敛速度快、全局寻优能力强的特点,将其用于机器人逆运动学求解、机器人最优轨迹规划和比例-积分-微分（PID）控制的参数优化,简化机器人逆运动学求解过程,提高控制精度和响应速度,获得更加平稳而又光滑的机器人轨迹。探究机器人打磨加工中的轨迹误差产生原因,建立误差模型,从机器人位姿误差的角度进行轨迹优化,改善轨迹精度。通过分析机器人轨迹规划基本原理,以获得最小的关节振动为目标,进行机器人最优轨迹规划,从规划算法的角度进行轨迹优化,改善轨迹平滑性。对机器人的打磨接触力控制方法进行研究,实现机器人的力/位控制,从控制角度保证机器人轨迹精度和轨迹平滑。主要工作包含以下几个方面:（1）鲸鱼优化算法已用于解决许多工程中的参数优化问题,具有结构简单、搜索能力强的优点,但是容易陷入局部最优。差分进化算法是一种应用非常广泛的优化算法,具有收敛速度快,鲁棒性强等特点。本文在鲸鱼优化算法的基础上,提出一种改进鲸鱼优化算法,将各个搜索代理视为种群中的个体,在差分进化算法的变异和选择操作启发下,对鲸鱼位置的更新方式进行改进。采用23个基本函数对改进鲸鱼优化算法进行验证,并与其他算法进行比较。结果表明改进鲸鱼优化算法具有更好的全局寻优能力。（2）提出一种基于改进鲸鱼优化算法的机器人逆运动学求解方法,在轨迹规划、力/位控制等仿真分析中均使用此方法进行机器人逆运动学求解。通过对砂带打磨接触轮的变形和末端执行机构的位移及变形分析,结合机器人自身的结构误差分析,建立其位姿误差模型。分析笛卡尔空间和关节空间机器人轨迹规划多种插值方法基本原理。将时间和脉冲加权最小作为轨迹规划目标函数,使用改进鲸鱼优化算法进行机器人最优轨迹规划。结果表明,采用改进鲸鱼优化算法进行六自由度串联打磨机器人最优轨迹规划,机器人关节脉冲明显减小。（3）机器人打磨加工为接触式作业,其运动轨迹必然受到打磨接触力的影响。考虑打磨接触力、机器人所受变形力和由于接触表面不确定性产生的摆动力,建立机器人打磨接触力模型。提出基于改进鲸鱼优化算法的PID控制方法和基于内模控制原理的内模PID（IMC-PID）控制方法,并进行了打磨接触力控制仿真分析。将机器人打磨接触力控制与位置控制进行解耦,根据两种打磨接触力控制方法进行机器人正交方向上的力/位复合控制和阻抗控制分析研究。（4）分别设计工具型打磨实验和工件型打磨实验,对文中基于改进鲸鱼优化算法的打磨机器人轨迹优化与控制的理论研究进行实验验证。使用中北大学机器人抛光打磨工作站进行机器人打磨实验。考虑砂带粒度、机器人速度及砂带轮转速对打磨接触力、表面粗糙度及材料去除率的影响,采用正交实验的方法,设计机器人打磨铸铁件的砂带打磨实验。对实验结果进行了极差分析和方差分析,并提出一种打磨效果评价标准,通过多元线性回归分析,建立打磨质量预测模型。
张骁[2]（2021）在《多系统集成式车轮模块及线控转向技术研究》文中研究说明近年来,随着车辆电动化、智能化技术的快速发展,应用于汽车的创新技术层出不穷。多系统集成式车轮模块就是集结构创新、技术创新于一体的未来汽车新构型技术,其通过集成在车轮模块内的轮毂电机、线控转向系统和制动系统实现驱动、转向、制动功能。经过特殊设计,四个车轮均采用多系统集成式车轮模块的汽车可以实现四轮转向、原地中心转向、横向行驶等多种转向行驶模式,为解决交通拥堵问题以及提高极限工况行驶安全性提供了有效途径。本文围绕多系统集成式车轮模块的结构、线控转向电机底层控制策略和线控转向系统顶层控制策略展开研究。论文的主要工作内容如下:（1）设计了两种多系统集成式车轮模块结构方案,并根据车轮模块的功能需求、结构特点设定悬架参数和车轮定位参数。基于ADAMS/Car对创新设计的双横臂悬架结构进行运动校核,验证其合理性。针对双轮平行跳动仿真实验中暴露出来的问题,通过ADAMS/Insight优化悬架参数,为后面多系统集成式车轮模块的试制提供理论依据。（2）设计了多系统集成式车轮模块的线控转向电机底层控制策略。根据转向电机的负载转矩,对其进行选型并选取了性能参数。在同步旋转坐标系下建立了永磁同步电机（PMSM）数学模型,基于SVPWM和矢量控制技术建立了PMSM三闭环控制系统。经过仿真验证,位置环采用自抗扰控制（ADRC）可以提高PMSM的位置跟随响应速度,且可以有效降低变负载扰动的影响。（3）设计了多系统集成式车轮模块线控转向系统的顶层控制策略。通过二自由度汽车模型确定了理想行驶状态下横摆角速度和侧向加速度的期望值,基于模糊自适应PID算法搭建了综合反馈控制策略实现前轮主动转向控制。在Simulink-Car Sim联合仿真中,验证了线控转向电机底层算法和前轮主动转向控制的有效性,并将本文的线控转向电机底层算法推广到其它车型,为车轮模块未来应用于各级别车型做出理论验证。（4）针对前文研究的内容进行实车试验。试制了四套多系统集成式车轮模块并装配于试验车,组装完成后,设计并搭建了整车控制器及CAN通讯网络。将试验车调试至正常状态,分别验证了车轮模块线控转向电机的转角跟随性能和第四章设计的前轮主动转向控制策略。试验结果表明,转向电机可以较好地跟随方向盘转角,主动转向控制可以在车辆转向行驶时提高其操纵稳定性。
顾瑞恒[3]（2021）在《车辆磁流变半主动空气悬架系统控制策略研究》文中认为随着经济的发展和科学技术的进步,人们的生活质量逐渐提高,汽车已成为必备的出行工具,与此同时车辆的乘坐舒适性以及行驶平顺性成为了人们关注的焦点,其中抑制车辆振动的悬架起着至关重要的作用。磁流变阻尼器（Magnetorheolocial Damper,MRD）作为一种新型的智能隔振器件,因具有耗能低、响应速度快、输出阻尼力顺逆可调,且有价格低、制造工艺简单、阻尼效果良好等优点,在车辆悬架减振控制中得到广泛应用。由于主动悬架的制造成本过高,其将被动悬架的阻尼元件以及空气弹簧采用主动作动器代替,导致耗能增大,且至今国内外研究人员还没有解决这一难题,因此基于磁流变阻尼器的半主动悬架刚好解决了被动悬架与主动悬架所存在的缺陷,使半主动悬架的研究成为国内外的热点。基于此,本文以空气悬架系统为研究对象,开展了以下几个方面的研究:1、阐述了磁流变液以及磁流变阻尼器的原理,并在此基础上设计加工了一款双出杆剪切阀式磁流变阻尼器。搭建了阻尼悬架的振动试验系统,对阻尼器的性能进行测试分析。对磁流变阻尼器的正向动力学模型进行详细的总结,选用了改进双曲正切模型,利用遗传算法辨识该模型参数,并比较辨识结果与试验数据的吻合度,结果显示所辨识的模型精度较高,可用于后续的半主动控制中。同时设计了磁流变阻尼器的ANFIS逆模型,通过仿真验证其有效性。2、考虑实际车辆行驶路况,分别建立了随机路面与冲击路面输入模型。对空气弹簧刚度进行建模,并以此建立了1/4车空气悬架模型,通过仿真得到时域内的动力学特性。同时,对空气悬架模型进行拉普拉斯变换得到悬架性能指标的传递函数,利用幅频特性曲线分析了悬架阻尼、悬架刚度以及轮胎刚度对减振效果的影响。3、在上文搭建的磁流变阻尼器模型与空气悬架模型的基础上设计了模糊PID控制器。针对模糊PID控制策略中,PID控制器参数整定复杂,模糊规则不确定,提出了Fuzzy-PID开关切换控制策略（FPSC）。当误差较小时,采用PID控制能减小系统的超调量,使系统尽快稳定;当误差较大时,采用Fuzzy控制能获得良好的动态特性,从而改善半主动悬架的控制效果。最后,通过在随机路面下的时域与频域仿真以及在冲击路面下时域的仿真分析可知,模糊PID控制器与Fuzzy-PID开关切换控制策略都能有效的改善悬架的性能,且Fuzzy-PID开关切换控制策略效果更佳。另外,基于磁流变阻尼器的ANFIS逆模型,设计了滑模控制器。针对滑模变结构控制出现的“抖振”现象,引入了模糊控制策略,设计了模糊滑模控制器,通过在随机路面下的时域与频域仿真分析可知,模糊控制与滑模变结构结合可有效抑制“抖振”对控制精度的影响,又确保了系统的稳定性。最后,对本文所设计的四种控制算法进行比较分析可知,本文所提的fuzzy-PID开关切换控制与Fuzzy-SMC在悬架减振效果方面要优于常规的模糊PID与滑模控制。
何蒙[4]（2021）在《9kW螺旋热解装置控制系统的研究与开发》文中指出热解反应器是生物质热解最主要的设备,具有大惯性、非线性、大滞后、时变特点,且很难建立对象模型。温度影响其产物的产率和质量,所以对温度的控制相当重要。本文对热解反应系统进行了深入研究,采用几种算法进行仿真,设计并选择了软硬件,结合控制要求,设计总体控制方案。根据热解反应器的特点建立数学模型,将Smith预估器与内模算法结合得到Smith内模算法,分析了一自由度控制的局限性,设计了二自由度Smith内模算法,可通过分别调节跟踪及抗干扰控制器的滤波参数实现跟踪以及抗扰动性能单独控制。并且选用ANFIS算法,在线调节参数。经仿真分析,此控制器与二自由度Smith内模、Smith内模和传统PID相比,提高了系统鲁棒性和稳定性。通过对系统软硬件设计,实现了热解反应系统。设计了下位机控制电路,据此完成硬件的安装,在Lab VIEW上设计了人机界面。
丁胜利[5]（2020）在《基于关节位姿的机器人控制方法研究》文中指出传统机器人控制方法需要先用逆运动学求解的方式获得机器人各关节的目标角度。逆运动学求解分为解析法和数值法,解析法对机器人构型存在特殊要求,数值法的运算量随机器人自由度的增加而呈几何级数形式增加。针对机器人运动控制方法受限于逆运动学求解的问题,本文提出基于关节位姿的机器人控制方法,其策略是通过引入关节位姿信息,让机器人各关节在运动过程持续调整关节和末端执行器与关节和目标位置形成的向量夹角,进而使末端执行器向目标位置靠近。由于无需对逆运动学求解,所以整个过程的矩阵运算量较少。相比传统方法,本文所提方法在简单性和通用性方面更具有优势。研究的主要内容概述如下:（1）对基于关节位姿的机器人控制方法在旋转关节、平动关节以及机械臂上的原理进行研究。对运动过程中可能遇到的奇异位置采取随机策略的处理方法。通过机器人动力学仿真平台Copplia Sim,验证本文所提方法在平面连杆、机械臂和移动机械臂上的有效性。利用Jaco机械臂对本文所提方法进行实物验证。（2）设计基于本文所提方法的PID、计算力矩和自适应控制律。在对PID控制的分析中采用简化模型分析法。针对机器人动力学模型参数不准确的情况,提出带有力矩补偿的机器人自适应控制方法。在仿真环境中将该自适应控制律与其他控制律进行对比和分析。（3）针对控制器参数优化问题,提出基于FORL算法的控制器参数优化方法。并在仿真环境下将所提出的优化方法与基于GA算法和PSO算法的参数优化方法进行对比。设计控制器参数优化执行系统以提高优化效率。
代诗强[6]（2020）在《基于自整定分数阶PIλDμ的原子力显微镜运动控制研究》文中研究指明随着纳米技术的不断发展,对纳米尺度的检测和加工提出了更高的要求,原子力显微镜（AFM）作为一种具有纳米检测和纳米操作功能的实验仪器,因其体积小、精度高、制造成本低及易于推广等优点被广泛应用于物理、化学、生物、材料、电子等领域。原子力显微镜作为一个复杂的系统,其性能受硬件设备、控制算法、成像策略等因素的影响,而目前AFM系统性能已无法满足高精密运动场景下的性能需求,传统PID控制由于算法本身具有的局限性已成为限制AFM系统性能的主要因素。本文针对传统PID控制中存在的控制性能不足和参数整定复杂的问题,设计了二自由度分数阶PIλDμ控制器以提高控制精度,并在此基础上通过引入BP神经网络以实现控制器参数自整定。本文的主要研究内容如下:1.通过所设计的基于xPC target的半实物仿真平台,研究了原子力显微镜的系统特性以及存在的控制问题,并对压电陶瓷执行器的迟滞非线性特性进行建模。2.针对在传统整数阶PID控制下AFM系统控制精度不足的问题,研究了基于二自由度分数阶PIλDμ的AFM运动控制方法。对于控制器中分数阶微分算子无法直接数字实现的问题,采用Oustaloup近似法进行近似离散化处理,并依据所建立的AFM系统频域传递函数模型,分析了控制器参数对AFM系统性能的影响,并给出系统相位裕度作为主要指标的控制器参数整定方法。3.针对二自由度分数阶PIλDμ控制器参数整定复杂的问题,研究了基于BP神经网络和二自由度分数阶PIλDμ的AFM运动控制方法,在实现控制器参数自整定的同时提高了控制性能。对控制器二自由度分数阶PIλDμ部分进行设计,以减少控制器BP神经网络部分分数阶微积分运算量。对控制器BP神经网络部分进行设计,以使在保证系统控制实时性和误差精度要求的前提下BP神经网络的结构尽量简单,并对控制器的其余参数进行参数寻优。4.将所设计的控制器应用到原子力显微镜系统中,在基于xPC target的半实物仿真平台上实现了AFM系统的轨迹跟踪、样品成像和样品刻画实验,证明了本文所设计控制器的有效性,实验结果表明本文所设计的控制器在性能上均优于传统PID控制器,提升了原子力显微镜的系统性能。
王涵[7]（2020）在《永磁同步伺服系统二自由度PID速度控制研究》文中指出永磁同步伺服系统广泛用于工业运动控制领域,这一领域负载转动惯量的变化时常发生。负载转动惯量变化可能劣化伺服系统的速度响应性能,严重时造成系统不稳定。本文以保证伺服系统具有良好且稳定的速度响应性能为目标,采用二自由度PID控制结构,研究伺服系统控制器设计方法。本文介绍了永磁同步电机在同步旋转坐标系上的数学模型和矢量控制基本原理,以此为基础设计速度控制器。首先考虑速度环延时,并根据二自由度PID控制的特点,基于PI结构采用灵敏度指标设计速度控制器PI参数。与经典控制中常用的Ⅰ型和Ⅱ型指标相比,灵敏度指标速度控制器使伺服系统的幅值裕度和相位裕度在转动惯量变化前后始终最大,系统的鲁棒稳定性最优。为了提升系统的跟随性能,在此基础上利用系统的闭环传递函数对速度前馈控制器进行了研究,前馈控制器的加入在保证系统鲁棒稳定性的前提下,提升了伺服系统的响应速度,使伺服系统实现了双优控制。结合速度环简化模型的闭环传递函数,并根据阻尼比和时域指标对灵敏度指标应用在二自由度速度控制上的优点进行了总结。在转动惯量变化前后,灵敏度指标速度控制器使系统具有较大的阻尼比,且闭环传递函数得到的单位阶跃响应曲线均无超调,具有最优的鲁棒稳定性。并在Matlab/Simulink平台上建立了永磁同步伺服系统速度二自由度双闭环调速模型,仿真结果验证了方法的有效性。最后,在实验平台上对本研究方法进行了验证,仿真和实验结果均表明灵敏度指标速度控制器使系统具有最优的鲁棒稳定性。同时随着前馈控制器的加入,系统的跟随性能也得到了提升,伺服系统实现了双优控制。
陆烨[8]（2019）在《空调系统温湿度控制方法研究》文中研究指明当前空调系统面临的主要问题是:如何提高室内热湿环境的舒适性以及如何降低空调系统的能耗。提高室内环境舒适度就必须了解热舒适性指标（简称PMV指标）的影响因素,及其中影响因素的控制;而降低空调能耗的关键之一就需要做到更精准更及时地控制室内环境参数。针对上述空调系统存在的问题,本文做了如下工作:首先,对影响舒适度指标各种因素进行分析。在分析的几大影响因素中,对人体热舒适影响最主要的为所在热湿环境的温湿度。通过PSO-RBF神经网络算法,对预测热舒适性指标模型的各项参数进行学习训练,最后得到参数取值较好的网络。其次,将Smith预估反馈控制与传统的PID参数整定控制相结合,设计了一种简易的空调系统温度控制器。然后,介绍了极点配置与RBF神经网络整定PID参数的方法,并受二自由度控制的额启发,引入了前馈控制器,将前馈控制器与Smith预估反馈控制器结合,分别设计了极点配置整定PID参数的空调温度二自由度复合控制器和RBF神经网络整定PID参数的空调温度二自由度复合控制器。最后,针对空调实际运行中的随机干扰,提出了一种基于二维框架理论的PID迭代学习预测控制方法,运用此方法对空调系统湿度进行控制。通过对比不同干扰信号条件下的跟踪响应发现迭代学习预测控制不仅对周期性干扰具有较好的鲁棒性,而且在随机干扰的条件下,仍然能够保持较好的跟踪性能。仿真结果验证了该方法的有效性。本文的研究成果对改变传统空调单纯的PID控制具有一定意义,通过精确的控制空调系统的温湿度,可以大幅提升人体在空调环境的舒适性,也提高了环境质量。
王坤[9]（2019）在《重载强扰动下双缸同步系统的控制策略研究》文中进行了进一步梳理双缸同步驱动系统广泛地应用在各种重载驱动的场合。但是电液伺服系统本身的非线性,大质量负载造成的阀控缸系统控制性能变差,以及在强负载扰动下的位置误差等问题一直难以得到有效地解决。在双缸同步驱动系统中,两缸负载不一致和元器件制造安装误差会造成双缸同步误差,同步误差过大甚至会导致液压缸活塞卡死。本课题中的双缸系统面临重载,剧烈负载扰动的工况,同时要求较高的位置同步精度,因此研究出满足要求的重载强扰动下的阀控液压缸的控制方法就显得尤为必要。首先,双缸系统的性能取决于组成双缸系统的单个阀控缸的性能,因此本文先针对单个阀控缸系统的控制方法进行研究。基于新的泄漏流量计算方法建立了精度更高的阀控缸系统数学模型;针对重载阀控液压缸系统固有频率和阻尼较低的情况,通过引入组合压力反馈以及速度负反馈来提高系统的阻尼比和固有频率以及闭环刚度,从而提高系统的控制性能和抵抗外负载干扰的能力。仿真和实验的结果表明,上述控制方法能够显着提高系统的控制性能,为进一步的阀控缸控制策略研究奠定了基础。其次,对于传统PID控制难以同时满足“干扰抑制最佳”和“信号跟踪最佳”的要求,本文于是提出使用2DOF-PID控制方法,使系统能够同时达到最佳的干扰抑制特性和信号跟踪特性。实验和仿真结果表明,在相同的控制参数下,2DOF-PID控制方法具有更优的控制效果。然后,针对外负载剧烈扰动造成的活塞位置误差难以通过常规控制方法进行有效消除的情况,本文根据双阀并联控制原理,提出使用流量补偿阀在误差产生的瞬间对液压缸负载腔进行流量补偿,部分抵消由于突加负载造成的油液体积压缩和油液回流,弥补主伺服阀在小开口时快速性不足的问题;从而大幅度减小由于冲击负载引起的活塞位置误差,从系统结构上提高系统的闭环刚度。最后,在上述结论研究成果的基础上,建立双缸驱动系统的模型。选取交叉耦合同步控制和自由度控制作为双缸同步控制的方法,同过理论分析和仿真模拟对比两种同步方法的优缺点,并结合两种控制方法的优点,提出交叉耦合自由度控制,在满足高精度的同步控制的同时实现双缸驱动平台转动自由度的控制。
刘乙力[10]（2019）在《基于输出约束的机械臂自适应神经网络控制方法研究》文中认为机械臂系统是一个多变量的复杂非线性时变系统,具有高度的耦合性和诸多的不确定性因素,由于这些非线性特征的存在,对机械臂系统的精确建模和控制存在着很大的难度。本文针对由电液伺服系统驱动的二自由度机械臂系统,进行了拉格朗日动力学模型搭建,对障碍李雅普诺夫函数、误差转换函数、反步控制方法和径向基神经网络这几种关键方法进行组合研究,构造出性能良好的控制器,逐步实现对系统角位移输出约束限制以及对机械臂系统模型中存在的不确定性项的估计。首先对拉格朗日方程、系统稳定性理论、反步控制理论、径向基神经网络、障碍李雅普诺夫函数和误差转换函数等理论知识做了详细地介绍;然后在此基础上根据拉格朗日方程对机械臂系统进行动力学模型搭建,并采取PID参数调节对系统进行控制,实验证明,PID控制器在假设系统中所有的参数已知,并且没有外界干扰,以及不要求存在输出约束的情况下能够有效地跟踪期望的输出轨迹曲线,跟踪误差能够收敛到一个很小的区间内。其次,为了实现对机械臂系统的输出约束限制,分别采用障碍李雅普诺夫函数结合非线性反步控制方法和误差转换函数结合非线性反步控制方法构造控制器,并对控制效果进行比较,可以得到,角位移误差转换函数结合非线性反步控制控制方法的控制效果更好并且可以实时地改变约束的界限值。最后,考虑到机械臂系统数学模型中存在不确定性项,采用径向基神经网络控制方法对其进行估计和补偿,分别采用障碍李雅普诺夫函数结合自适应神经网络控制方法以及误差转换函数结合自适应神经网络控制方法进行控制器的设计,可以证明,径向基神经网络控制可以使得跟踪误差和神经网络估计误差在短时间内达到了预期的精度,能够准确地逼近机械臂系统模型中的不确定项,由此可以证明本文设计的控制方案可行有效。
二、基于神经网络补偿的二自由度PID控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于神经网络补偿的二自由度PID控制（论文提纲范文）
（1）基于改进鲸鱼优化算法的打磨机器人轨迹优化与控制（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 课题来源 |
| 1.2 课题研究背景及意义 |
| 1.3 机器人打磨加工关键技术 |
| 1.3.1 机器人位姿误差建模及补偿技术 |
| 1.3.2 机器人打磨轨迹规划及优化技术 |
| 1.3.3 机器人打磨接触力/位控制技术 |
| 1.4 国内外研究现状 |
| 1.4.1 机器人打磨系统研究现状 |
| 1.4.2 机器人误差分析及补偿研究现状 |
| 1.4.3 机器人轨迹规划研究现状 |
| 1.4.4 机器人力/位控制研究现状 |
| 1.5 本文主要研究内容 |
| 2 改进鲸鱼优化算法及其基本函数优化能力验证 |
| 2.1 引言 |
| 2.2 鲸鱼优化算法 |
| 2.2.1 鲸鱼优化算法基本原理 |
| 2.2.2 鲸鱼优化算法操作步骤 |
| 2.3 差分进化算法 |
| 2.3.1 差分进化算法基本原理 |
| 2.3.2 差分进化算法操作步骤 |
| 2.4 改进鲸鱼优化算法 |
| 2.4.1 改进鲸鱼优化算法基本原理 |
| 2.4.2 改进鲸鱼优化算法多个基本函数验证 |
| 2.5 本章小结 |
| 3 面向轨迹精度提升的打磨机器人位姿误差分析与建模 |
| 3.1 引言 |
| 3.2 机器人运动学分析 |
| 3.2.1 机器人位姿描述 |
| 3.2.2 机器人正运动学求解 |
| 3.2.3 基于改进鲸鱼优化算法的机器人逆运动学求解 |
| 3.2.4 雅可比矩阵 |
| 3.3 考虑接触轮变形的机器人末端误差分析 |
| 3.3.1 张紧力引起的接触轮变形分析 |
| 3.3.2 考虑砂带弹性的接触轮变形分析 |
| 3.4 考虑末端执行机构受力变形的机器人末端误差分析 |
| 3.4.1 砂带打磨接触力分析 |
| 3.4.2 末端执行机构弯曲变形计算 |
| 3.4.3 末端执行机构应力及位移计算 |
| 3.5 机器人位姿误差建模及补偿 |
| 3.5.1 机器人位姿误差模型 |
| 3.5.2 机器人位姿误差补偿 |
| 3.6 本章小结 |
| 4 基于改进鲸鱼优化算法的打磨机器人最优轨迹规划 |
| 4.1 引言 |
| 4.2 笛卡尔空间轨迹规划 |
| 4.2.1 直线插补原理及仿真 |
| 4.2.2 圆弧插补 |
| 4.2.3 B样条曲线插值 |
| 4.3 关节空间轨迹规划 |
| 4.3.1 三次多项式插值 |
| 4.3.2 五次多项式插值原理及仿真 |
| 4.3.3 分段多项式插值 |
| 4.3.4 基于四元数法的机器人姿态插值 |
| 4.4 基于改进鲸鱼优化算法的打磨机器人最优轨迹规划 |
| 4.4.1 打磨机器人轨迹规划目标函数的确定 |
| 4.4.2 约束条件设计 |
| 4.4.3 机器人最优轨迹规划 |
| 4.5 本章小结 |
| 5 基于打磨接触力/位控制的机器人轨迹控制方法研究 |
| 5.1 引言 |
| 5.2 机器人打磨接触力的IWOA-PID控制 |
| 5.2.1 机器人打磨接触力模型 |
| 5.2.2 传统PID控制 |
| 5.2.3 机器人打磨接触力的IWOA-PID控制 |
| 5.3 机器人打磨接触力的IMC-PID控制 |
| 5.3.1 内模控制 |
| 5.3.2 IMC-PID控制器设计及仿真 |
| 5.4 打磨机器人力/位复合控制 |
| 5.4.1 打磨机器人力/位复合控制方法 |
| 5.4.2 自然约束与人工约束 |
| 5.4.3 基于六维力传感器的打磨机器人力/位复合控制 |
| 5.5 基于阻抗控制原理的机器人力/位控制 |
| 5.5.1 阻抗控制原理 |
| 5.5.2 机器人阻抗控制仿真 |
| 5.6 本章小结 |
| 6 打磨机器人轨迹优化与控制实验验证 |
| 6.1 引言 |
| 6.2 实验设备 |
| 6.2.1 机器人抛光打磨工作站 |
| 6.2.2 六维力传感器 |
| 6.3 工具型机器人打磨实验 |
| 6.3.1 机器人轨迹规划实验 |
| 6.3.2 机器人力/位控制实验 |
| 6.4 工件型机器人打磨实验 |
| 6.4.1 机器人打磨正交实验 |
| 6.4.2 实验结果分析 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 主要创新点 |
| 7.3 工作展望 |
| 参考文献 |
| 攻读博士期间发表的论文及所取得的研究成果 |
| 致谢 |
（2）多系统集成式车轮模块及线控转向技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 线控转向系统研究现状 |
| 1.2.2 线控转向电机及其控制技术研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 多系统集成式车轮模块结构方案及参数设计 |
| 2.1 多系统集成式车轮模块硬件选型 |
| 2.1.1 轮毂电机系统介绍及选型 |
| 2.1.2 悬架形式介绍及选型 |
| 2.2 结构方案设计与比较 |
| 2.2.1 基于双横臂悬架的多系统集成式车轮模块结构方案 |
| 2.2.2 改进式多系统集成式车轮模块结构方案 |
| 2.2.3 结构方案总结 |
| 2.3 车轮模块悬架ADAMS模型的建立及运动校核 |
| 2.3.1 车轮定位参数设计 |
| 2.3.2 悬架ADAMS模型的建立 |
| 2.3.3 运动校核仿真结果 |
| 2.4 悬架优化设计及仿真 |
| 2.4.1 ADAMS/Insight优化设计过程 |
| 2.4.2 优化仿真结果 |
| 2.5 本章小结 |
| 第3章 线控转向电机建模与矢量控制算法研究 |
| 3.1 线控转向电机负载力矩计算及参数选型 |
| 3.1.1 轮胎三个方向力引起的转向阻力矩 |
| 3.1.2 车轮模块主销处摩擦阻力矩 |
| 3.1.3 原地转向阻力矩估算 |
| 3.1.4 线控转向电机总负载力矩 |
| 3.1.5 线控转向电机参数选型 |
| 3.2 永磁同步电机数学建模 |
| 3.2.1 矢量控制中的坐标系与坐标变换 |
| 3.2.2 同步旋转坐标系下的PMSM数学模型 |
| 3.3 永磁同步电机的空间矢量脉宽调制技术(SVPWM) |
| 3.3.1 SVPWM原理 |
| 3.3.2 SVPWM算法实现 |
| 3.4 永磁同步电机矢量控制技术 |
| 3.5 基于自抗扰控制器的永磁同步电机位置环设计 |
| 3.5.1 自抗扰控制的结构及数学模型 |
| 3.5.2 PMSM位置环自抗扰控制数学模型 |
| 3.6 模型搭建及仿真验证 |
| 3.6.1 三闭环永磁同步电机控制模型搭建 |
| 3.6.2 扰动影响的阶跃位置输入仿真试验 |
| 3.6.3 正弦位置输入仿真试验 |
| 3.7 本章小结 |
| 第4章 多系统集成式车轮模块前轮主动转向控制策略 |
| 4.1 汽车二自由度仿真模型的建立 |
| 4.2 基于模糊自适应PID的汽车横摆角速度反馈控制策略 |
| 4.2.1 理想横摆角速度计算及反馈控制策略 |
| 4.2.2 PID及模糊自适应PID控制方法介绍 |
| 4.2.3 模糊自适应PID控制器的搭建 |
| 4.3 结合侧向加速度反馈的综合反馈控制策略 |
| 4.4 仿真验证 |
| 4.4.1 Simulink-Car Sim联合仿真模型的建立 |
| 4.4.2 转向电机性能验证 |
| 4.4.3 前轮主动转向控制策略验证 |
| 4.4.4 线控转向电机不同级别车型通用性验证 |
| 4.5 本章小结 |
| 第5章 全轮线控转向试验车试制及试验 |
| 5.1 多系统集成式车轮模块及试验车试制 |
| 5.1.1 多系统集成式车轮模块试制 |
| 5.1.2 试验车试制 |
| 5.2 整车控制器开发 |
| 5.3 整车通讯设计 |
| 5.3.1 整车CAN网络架构 |
| 5.3.2 线控转向电机CAN网络设计 |
| 5.4 实车试验 |
| 5.4.1 静止车轮转角跟随试验 |
| 5.4.2 前轮主动转向控制试验 |
| 5.5 本章小结 |
| 第6章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简介及在学期间所取得的研究成果 |
| 致谢 |
（3）车辆磁流变半主动空气悬架系统控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号说明 |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 磁流变液与磁流变阻尼器的研究现状 |
| 1.2.1 磁流变液的研究现状 |
| 1.2.2 磁流变阻尼器的研究发展现状 |
| 1.3 空气弹簧与空气悬架的研究现状 |
| 1.3.1 空气弹簧的分类及对比 |
| 1.3.2 空气悬架的研究现状 |
| 1.4 磁流变半主动空气悬架的研究发展现状 |
| 1.5 磁流变阻尼器的控制方法研究进展 |
| 1.6 本文主要研究内容 |
| 第二章 磁流变阻尼器设计试验及动力学建模 |
| 2.1 磁流变液的流变特性 |
| 2.2 磁流变阻尼器的工作原理及模式 |
| 2.3 磁流变阻尼器的结构设计 |
| 2.3.1 总体结构设计 |
| 2.3.2 结构参数设计 |
| 2.4 磁流变阻尼器的性能测试分析 |
| 2.5 磁流变阻尼器正向动力学模型及其参数辨识 |
| 2.5.1 正向动力学模型 |
| 2.5.2 遗传算法基本原理 |
| 2.5.3 基于遗传算法的改进双曲正切模型参数辨识 |
| 2.6 磁流变阻尼器逆向动力学模型的建立 |
| 2.6.1 逆向动力学模型 |
| 2.6.2 自适应神经模糊推理系统 |
| 2.6.3 磁流变阻尼器的ANFIS逆模型 |
| 2.7 本章小结 |
| 第三章 车辆空气悬架系统建模及减振性能分析 |
| 3.1 悬架系统性能评价指标 |
| 3.2 路面输入模型 |
| 3.1.1 随机路面输入模型 |
| 3.1.2 冲击路面输入模型 |
| 3.3 车辆半主动空气悬架系统建模 |
| 3.3.1 空气弹簧的弹性模型 |
| 3.3.2 车辆空气悬架模型 |
| 3.3.3 二自由度1/4车空气悬架时域仿真分析 |
| 3.4 悬架参数对1/4 车辆空气悬架减振效果的影响分析 |
| 3.4.1 悬架阻尼对减振效果的影响分析 |
| 3.4.2 悬架刚度对减振效果的影响分析 |
| 3.4.3 轮胎刚度对减振效果的影响分析 |
| 3.5 本章小结 |
| 第四章 车辆半主动空气悬架Fuzzy-PID开关切换控制研究 |
| 4.1 模糊控制基本理论 |
| 4.2 PID控制基本原理 |
| 4.3 模糊自适应整定PID控制器设计 |
| 4.4 Fuzzy-PID开关切换控制策略 |
| 4.4.1 模糊控制器设计 |
| 4.4.2 PID控制器设计 |
| 4.5 Fuzzy-PID开关切换控制仿真研究 |
| 4.5.1 随机路面输入仿真 |
| 4.5.2 冲击路面输入仿真 |
| 4.6 本章小结 |
| 第五章 车辆半主动空气悬架模糊滑模控制策略研究 |
| 5.1 滑模变结构控制理论 |
| 5.1.1 滑模变结构控制定义 |
| 5.1.2 滑模变结构控制的基本性质 |
| 5.2 半主动空气悬架滑模控制器设计 |
| 5.2.1 滑模控制器的参考模型 |
| 5.2.2 误差动力学方程 |
| 5.2.3 滑模切换面的设计 |
| 5.2.4 滑模控制率的设计 |
| 5.3 模糊滑模控制器的设计 |
| 5.4 模糊滑模控制仿真研究 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 个人简历在读期间获得的科研成果及奖励 |
| 致谢 |
（4）9kW螺旋热解装置控制系统的研究与开发（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究发展现状 |
| 1.2.1 控制理论研究现状 |
| 1.2.2 温度控制研究现状 |
| 1.3 本文研究内容 |
| 第二章 热解反应器数学模型及总体控制方案设计 |
| 2.1 反应器温控系统整体组成结构 |
| 2.2 热解反应器传热机理及温控系统特性分析 |
| 2.2.1 热解反应器传热机理 |
| 2.2.2 热解反应器传热特性 |
| 2.3 反应器数学模型的建立 |
| 2.3.1 反应器数学模型一般形式 |
| 2.3.2 反应器模型参数的确定 |
| 2.4 反应温度控制方法研究 |
| 2.5 反应器系统控制方案设计 |
| 2.6 本章小结 |
| 第三章 基于ANFIS二自由度Smith内模算法 |
| 3.1 传统PID |
| 3.2 Smith内模算法 |
| 3.2.1 Smith预估算法 |
| 3.2.2 内模算法 |
| 3.2.3 Smith内模算法 |
| 3.3 二自由度Smith内模算法 |
| 3.3.1 设定值跟踪控制器 |
| 3.3.2 扰动抑制控制器 |
| 3.3.3 控制器参数整定 |
| 3.4 模糊神经理论 |
| 3.4.1 模糊控制 |
| 3.4.2 神经网络 |
| 3.4.3 模糊神经 |
| 3.5 自适应模糊神经 |
| 3.5.1 T-S型模糊神经 |
| 3.5.2 自适应模糊神经算法 |
| 3.6 基于ANFIS二自由度Smith内模在反应器中的应用 |
| 3.7 仿真分析 |
| 3.8 本章小结 |
| 第四章 生物质热解螺旋反应器控制系统的设计 |
| 4.1 生物质热解螺旋反应器系统控制 |
| 4.2 反应器硬件组成 |
| 4.3 反应器软件设计 |
| 4.3.1 软件总体设计 |
| 4.3.2 基于S7-200PLC下位机软件设计 |
| 4.3.3 上位机软件设计 |
| 4.4 上位机与下位机通讯 |
| 4.4.1 OPC通讯技术 |
| 4.4.2 LabVIEW与PLC通讯 |
| 4.4.3 LabVIEW与MATLAB/SIMULINK通讯 |
| 4.4.4 LabVIEW、Matlab和PLC通讯实现 |
| 4.4.5 人机界面流程 |
| 4.5 本章小结 |
| 第五章 实验平台搭建 |
| 5.1 基于S7-200PLC的下位机控制电路设计 |
| 5.1.1 电源电路设计 |
| 5.1.2 功率调节器电路设计 |
| 5.1.3 电机电路接线图 |
| 5.1.4 S7-200PLC电路接线图 |
| 5.1.5 模拟量输入接线图 |
| 5.2 硬件安装及人机界面设计 |
| 5.2.1 硬件安装 |
| 5.2.2 人机界面 |
| 5.3 本章小结 |
| 第六章 结论 |
| 参考文献 |
| 在学期间取得的科研成果和科研情况说明 |
| 致谢 |
（5）基于关节位姿的机器人控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 串联机器人国内外发展现状 |
| 1.3 串联机器人控制国内外研究现状 |
| 1.3.1 逆运动学求解 |
| 1.3.2 机器人控制方法 |
| 1.3.3 控制系统参数优化 |
| 1.4 本文研究内容与组织结构 |
| 第二章 基于关节位姿的机器人控制方法原理及实现 |
| 2.1 循环坐标下降(CCD)算法 |
| 2.2 基于关节位姿的机器人控制方法原理 |
| 2.2.1 旋转关节 |
| 2.2.2 平动关节 |
| 2.2.3 机械臂 |
| 2.2.4 奇异位置处理 |
| 2.2.5 整体流程 |
| 2.3 仿真验证 |
| 2.3.1 仿真环境 |
| 2.3.2 平面连杆 |
| 2.3.3 机械臂 |
| 2.4 Jaco机械臂实验 |
| 2.5 本章小结 |
| 第三章 基于关节位姿的机器人控制系统设计与改进 |
| 3.1 问题分析与处理 |
| 3.2 基于关节位姿的机器人PID控制系统 |
| 3.2.1 独立关节PID控制器设计 |
| 3.2.2 稳定性证明 |
| 3.2.3 简化模型分析与稳态误差消除 |
| 3.3 基于关节位姿的机器人计算力矩控制系统 |
| 3.3.1 计算力矩控制系统设计 |
| 3.3.2 稳定性证明 |
| 3.4 基于关节位姿的机器人自适应控制系统 |
| 3.4.1 自适应控制系统设计 |
| 3.4.2 稳定性证明 |
| 3.5 仿真分析 |
| 3.5.1 点位控制 |
| 3.5.2 轨迹跟踪控制 |
| 3.6 本章小结 |
| 第四章 基于关节位姿的机器人控制系统参数优化 |
| 4.1 目标函数设置 |
| 4.2 基于传统智能算法的控制器参数优化方法 |
| 4.2.1 标准GA算法对控制器参数优化方法 |
| 4.2.2 标准PSO算法对控制器参数优化方法 |
| 4.3 基于FORL算法的控制器参数优化方法 |
| 4.3.1 强化学习简介 |
| 4.3.2 FORL算法对控制系统参数优化的要素设置 |
| 4.3.3 FORL算法对控制系统参数优化的整体流程 |
| 4.4 控制器参数优化仿真 |
| 4.4.1 控制器参数优化执行系统设计 |
| 4.4.2 不同参数优化方法仿真对比 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 前景展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间申请的专利 |
| 附录2 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（6）基于自整定分数阶PIλDμ的原子力显微镜运动控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 原子力显微镜发展现状 |
| 1.2.2 原子力显微镜控制技术研究现状 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本文研究的主要内容 |
| 第二章 原子力显微镜简介 |
| 2.1 原子力显微镜的系统结构 |
| 2.2 原子力显微镜的成像 |
| 2.2.1 原子力显微镜的成像原理 |
| 2.2.2 原子力显微镜的成像模式 |
| 2.3 原子力显微镜的控制问题 |
| 2.3.1 原子力显微镜的控制 |
| 2.3.2 压电陶瓷执行器的非线性特性 |
| 2.4 压电陶瓷执行器迟滞特性建模 |
| 2.5 本文研究实验平台 |
| 2.6 本章小结 |
| 第三章 基于二自由度分数阶PI~λD~μ的AFM运动控制方法 |
| 3.1 分数阶微积分 |
| 3.1.1 分数阶微积分定义 |
| 3.1.2 分数阶微积分基本性质 |
| 3.2 二自由度分数阶PI~λD~μ控制原理 |
| 3.2.1 分数阶PI~λD~μ控制 |
| 3.2.2 二自由度分数阶PI~λD~μ控制 |
| 3.3 二自由度分数阶PI~λD~μ控制器设计 |
| 3.3.1 分数阶微分算子Oustaloup近似离散化 |
| 3.3.2 二自由度分数阶PI~λD~μ控制器参数对AFM系统性能影响 |
| 3.3.3 二自由度分数阶PI~λD~μ控制器参数整定 |
| 3.4 实验与结果分析 |
| 3.4.1 基于二自由度分数阶PI~λD~μ的AFM轨迹跟踪 |
| 3.4.2 基于二自由度分数阶PI~λD~μ的AFM样品成像 |
| 3.4.3 基于二自由度分数阶PI~λD~μ的AFM样品刻画 |
| 3.5 本章小结 |
| 第四章 基于BP神经网络和二自由度分数阶PI~λD~μ的AFM运动控制方法 |
| 4.1 BP神经网络 |
| 4.2 基于BP神经网络和二自由度分数阶PI~λD~μ控制原理 |
| 4.3 基于BP神经网络和二自由度分数阶PI~λD~μ控制器设计 |
| 4.3.1 控制器二自由度分数阶PI~λD~μ部分设计 |
| 4.3.2 控制器BP神经网络部分设计 |
| 4.4 基于BP神经网络和二自由度分数阶PI~λD~μ控制器参数寻优 |
| 4.4.1 控制器分数阶积分阶次和微分阶次寻优 |
| 4.4.2 控制器二自由度参考点权值寻优 |
| 4.4.3 控制器神经网络隐含层节点寻优 |
| 4.5 实验与结果分析 |
| 4.5.1 基于BP神经网络和二自由度分数阶PI~λD~μ的AFM轨迹跟踪 |
| 4.5.2 基于BP神经网络和二自由度分数阶PI~λD~μ的AFM样品成像 |
| 4.5.3 基于BP神经网络和二自由度分数阶PI~λD~μ的AFM样品刻画 |
| 4.6 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 未来展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（7）永磁同步伺服系统二自由度PID速度控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及研究意义 |
| 1.2 二自由度控制方法研究现状 |
| 1.2.1 伺服系统设计存在的问题 |
| 1.2.2 二自由度控制原理和典型结构 |
| 1.2.3 二自由度控制研究现状 |
| 1.3 本文内容安排 |
| 第二章 永磁同步电机控制原理 |
| 2.1 永磁同步电机的结构 |
| 2.2 永磁同步电机的矢量控制 |
| 2.3 电压空间矢量调制算法 |
| 2.3.1 空间矢量调制原理 |
| 2.3.2 空间矢量调制算法的实现 |
| 2.4 本章小结 |
| 第三章 速度环二自由度PID控制器 |
| 3.1 二自由度PID控制器结构 |
| 3.2 速度环反馈控制器 |
| 3.2.1 Ⅰ型系统指标速度环反馈控制器 |
| 3.2.2 Ⅱ型系统指标速度环反馈控制器 |
| 3.2.3 灵敏度指标速度环反馈控制器 |
| 3.3 反馈控制器的稳定裕度分析 |
| 3.3.1 反馈控制器稳定裕度分析 |
| 3.3.2 转动惯量变化前后速度环稳定性分析 |
| 3.4 前馈控制器 |
| 3.4.1 考虑粘滞摩擦系数前馈控制器 |
| 3.4.2 不考虑粘滞摩擦系数前馈控制器 |
| 3.4.3 前馈控制器的简化 |
| 3.5 本章小结 |
| 第四章 灵敏度指标二自由度速度控制优点和仿真结果 |
| 4.1 灵敏度指标应用在二自由度速度控制上的优点 |
| 4.2 仿真结果 |
| 4.2.1 前馈滤波时间常数的选取 |
| 4.2.2 灵敏度指标与Ⅰ型指标速度控制器速度波形对比 |
| 4.2.3 灵敏度指标与Ⅱ型指标速度控制器速度波形对比 |
| 4.3 本章小结 |
| 第五章 永磁同步伺服控制系统实验 |
| 5.1 实验平台 |
| 5.2 实验结果 |
| 5.2.1 灵敏度指标与Ⅰ型指标速度控制器实验对比 |
| 5.2.2 灵敏度指标与Ⅱ型指标速度控制器实验对比 |
| 5.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（8）空调系统温湿度控制方法研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的意义和目的 |
| 1.1.1 研究背景 |
| 1.1.2 意义和目的 |
| 1.2 空调系统优化控制的国内外研究发展现状 |
| 1.2.1 国外研究发展现状 |
| 1.2.2 国内研究发展现状 |
| 1.3 本文的主要内容 |
| 第二章 热舒适性指标的预测方法 |
| 2.1 人体的热平衡 |
| 2.1.1 人体的人平衡方程 |
| 2.1.2 人体与外界的热交换 |
| 2.2 主要可控因素对PMV指标的影响 |
| 2.3 PMV指标的求解方法 |
| 2.4 基于粒子群算法的RBF神经网络的PMV值预测 |
| 2.4.1 RBF神经网络 |
| 2.4.2 粒子群优化的RBF神经网络 |
| 2.4.3 PMV指标预测模型的训练与评价 |
| 2.5 小结 |
| 第三章 空调系统温度的Smith预估控制 |
| 3.1 PID控制器的结构 |
| 3.2 PID控制器的参数整定计算方法 |
| 3.3 Smith-PID温度控制 |
| 3.3.1 Smith预估补偿器 |
| 3.3.2 Smith-PID控制系统仿真 |
| 3.4 小结 |
| 第四章 带前馈的PID参数整定的温度复合控制器设计 |
| 4.1 概述 |
| 4.2 前馈控制器的设计 |
| 4.3 基于极点配置的二自由度复合控制器设计 |
| 4.3.1 极点配置法概述 |
| 4.3.2 极点配置的PID控制器设计 |
| 4.3.3 控制系统仿真 |
| 4.4 基于RBF神经网络的二自由度控制器设计 |
| 4.4.1 RBF神经网络整定PID参数 |
| 4.4.2 RBF网络辨识 |
| 4.4.3 控制系统仿真 |
| 4.5 小结 |
| 第五章 基于迭代学习的空调湿度控制方法 |
| 5.1 概述 |
| 5.2 变风量空调建模 |
| 5.3 二维框架理论 |
| 5.4 迭代学习预测控制 |
| 5.5 仿真验证 |
| 5.6 小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间取得的成果 |
| 作者简历 |
（9）重载强扰动下双缸同步系统的控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 阀控缸系统建模的研究现状 |
| 1.2.2 阀控缸位置控制系统的研究现状 |
| 1.2.3 双缸同步控制的研究现状 |
| 1.3 主要研究内容 |
| 第2章 阀控非对称缸系统的建模 |
| 2.1 引言 |
| 2.2 阀控非对称缸的线性化建模 |
| 2.3 阀控非对称缸系统非线性动态建模 |
| 2.4 基于新的泄漏流量计算方法的阀控非对称缸非线性建模 |
| 2.4.1 液压缸活塞的密封机理 |
| 2.4.2 阀控非对称缸的非线性负载流量方程的新计算 |
| 2.5 实验与仿真 |
| 2.6 本章小结 |
| 第3章 重载阀控缸系统控制性能分析及控制器设计 |
| 3.1 引言 |
| 3.2 阀控缸系统的控制性能分析 |
| 3.3 系统的反馈校正 |
| 3.3.1 组合压力反馈 |
| 3.3.2 基于组合压力反馈的速度负反馈校正 |
| 3.3.3 阀控缸系统的闭环动态刚度特性分析 |
| 3.4 2DOF-PID控制 |
| 3.4.1 常规PID控制 |
| 3.4.2 2DOF-PID控制 |
| 3.4.3 2DOF-PID参数调节方法 |
| 3.4.4 2DOF-PID与反馈校正的复合控制 |
| 3.5 实验与仿真 |
| 3.6 本章小结 |
| 第4章 基于流量补偿的双阀并联抗扰控制 |
| 4.1 引言 |
| 4.2 双阀并联控制 |
| 4.3 流量补偿抗扰控制 |
| 4.4 双阀并联抗扰控制的仿真研究 |
| 4.4.1 脉冲补偿信号控制 |
| 4.4.2 斜坡下降补偿信号控制 |
| 4.4.3 阶跃补偿信号控制 |
| 4.5 本章小结 |
| 第5章 双缸同步控制 |
| 5.1 引言 |
| 5.2 双缸负载扰动分析计算 |
| 5.3 双缸同步系统 |
| 5.3.1 双缸同步系统的建模 |
| 5.3.2 交叉耦合同步控制 |
| 5.3.3 自由度控制 |
| 5.3.4 交叉耦合同步自由度控制 |
| 5.4 双缸同步送进系统仿真研究 |
| 5.5 双缸同步控制实验 |
| 5.5.1 无质量偏载下双缸同步实验 |
| 5.5.2 有质量偏载下双缸同步实验 |
| 5.5.3 交叉耦合同步自由度控制实验 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文及其他成果 |
| 致谢 |
（10）基于输出约束的机械臂自适应神经网络控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 神经网络控制方法的国内外研究历史与现状 |
| 1.3 输出约束控制的国内外研究历史与现状 |
| 1.4 本文的主要贡献与创新 |
| 1.5 本论文的结构安排 |
| 第二章 机械臂系统理论知识和方法分析 |
| 2.1 拉格朗日方程 |
| 2.2 系统稳定性理论及反步控制理论分析 |
| 2.2.1 系统稳定性理论 |
| 2.2.2 反步控制理论 |
| 2.3 输出约束控制的实现 |
| 2.3.1 障碍李雅普诺夫函数介绍 |
| 2.3.2 误差转换函数介绍 |
| 2.4 径向基神经网络介绍 |
| 2.4.1 径向基网络算法设计 |
| 2.4.2 径向基神经网络逼近 |
| 2.5 本章小结 |
| 第三章 二自由度机械臂系统建模与PID控制分析 |
| 3.1 二自由度机械臂数学模型构建 |
| 3.1.1 机械臂模型构建 |
| 3.1.1.1 机械臂结构参数设置 |
| 3.1.1.2 机械臂数学模型搭建 |
| 3.1.1.3 机械臂动力学模型中的相关性质 |
| 3.1.2 主动力臂的计算模型 |
| 3.1.3 基于电液伺服驱动的机械臂完整模型 |
| 3.2 二自由度机械臂的PID控制方法研究 |
| 3.2.1 PID控制方法介绍 |
| 3.2.2 PID控制二自由度机械臂的实现 |
| 3.3 本章小结 |
| 第四章 反步控制下两种不同输出约束方法的研究 |
| 4.1 障碍李雅普诺夫函数实现输出约束 |
| 4.1.1 反步控制结合障碍李雅普诺夫函数设计控制器 |
| 4.1.2 控制器的实现 |
| 4.2 基于误差转换函数实现输出约束 |
| 4.2.1 反步控制结合转换函数设计控制器 |
| 4.2.2 控制器的实现 |
| 4.3 本章小结 |
| 第五章 在神经网络控制下两种不同输出约束方法的研究 |
| 5.1 自适应神经网络控制简介 |
| 5.2 神经网络控制下障碍李雅普诺夫函数实现输出约束 |
| 5.2.1 控制器设计 |
| 5.2.2 控制器的实现 |
| 5.3 神经网络控制下转换函数实现输出约束 |
| 5.3.1 控制器设计 |
| 5.3.2 控制器的实现 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
四、基于神经网络补偿的二自由度PID控制（论文参考文献）
- [1]基于改进鲸鱼优化算法的打磨机器人轨迹优化与控制[D]. 王婷. 中北大学, 2021
- [2]多系统集成式车轮模块及线控转向技术研究[D]. 张骁. 吉林大学, 2021(01)
- [3]车辆磁流变半主动空气悬架系统控制策略研究[D]. 顾瑞恒. 华东交通大学, 2021
- [4]9kW螺旋热解装置控制系统的研究与开发[D]. 何蒙. 天津理工大学, 2021(08)
- [5]基于关节位姿的机器人控制方法研究[D]. 丁胜利. 南京邮电大学, 2020(03)
- [6]基于自整定分数阶PIλDμ的原子力显微镜运动控制研究[D]. 代诗强. 电子科技大学, 2020(07)
- [7]永磁同步伺服系统二自由度PID速度控制研究[D]. 王涵. 广东工业大学, 2020(02)
- [8]空调系统温湿度控制方法研究[D]. 陆烨. 苏州科技大学, 2019(01)
- [9]重载强扰动下双缸同步系统的控制策略研究[D]. 王坤. 哈尔滨工业大学, 2019(01)
- [10]基于输出约束的机械臂自适应神经网络控制方法研究[D]. 刘乙力. 电子科技大学, 2019(01)