[发明专利]一种液压位置伺服系统反步自适应神经网络控制方法

说明书

本发明公开了一种液压位置伺服系统反步自适应神经网络控制方法，步骤包括：步骤1、液压位置伺服系统建模与模型线性化；步骤2、建立液压位置伺服系统的反步自适应神经网络控制器模型；步骤3、采用神经网络对模型中不确定项进行估计。本发明的方法，针对液压位置伺服系统建立其数学模型并进行线性化处理，利用得到的线性模型，设计反步自适应神经网络控制器，利用RBF神经网络对不确定项进行逼近，Nussbaum函数处理未知控制方向，不需要知道系统模型信息，控制方向，比例阀精确零点，便能够实施有效控制；能够获得更好的跟踪效果和更高的控制精度。

技术领域

本发明属于液压伺服系统的高精度位置跟踪控制技术领域，涉及一种液压位置伺服系统反步自适应神经网络控制方法。

背景技术

液压伺服系统由于具有响应速度快，承载能力强等优点，目前被广泛应用于机器人，航空航天和国防工业等领域。但是由于制造原因和时变的工作条件，很难建立精确的系统数学模型。同时在实际应用中，液压位置伺服系统面临未知的控制方向，比例阀零点不准确等多种不确定性。

上述这些因素使得实现液压伺服系统高性能跟踪控制比较困难，从而限制了液压伺服系统在高性能伺服领域的应用。

发明内容

本发明的目的是提供一种液压位置伺服系统反步自适应神经网络控制方法，解决了现有技术液压位置伺服系统面临未知的控制方向，比例阀零点不准确的问题，在考虑比例阀不准确零点和系统控制方向未知时可以实现跟踪控制。

本发明采用的技术方案是，一种液压位置伺服系统反步自适应神经网络控制方法，按照以下步骤实施：

步骤1、液压位置伺服系统建模与模型线性化；

步骤2、建立液压位置伺服系统的反步自适应神经网络控制器模型；

步骤3、采用神经网络对模型中不确定项进行估计。

本发明方法的有益效果是，针对液压位置伺服系统建立其数学模型并进行线性化处理，利用得到的线性模型，设计反步自适应神经网络控制器，利用RBF神经网络对不确定项进行逼近，Nussbaum函数处理未知控制方向，具体包括：

1)不需要知道系统模型信息，控制方向，比例阀精确零点，便能够实施有效控制；

2)与现有自适应神经网络动态面方法相比，能够获得更好的跟踪效果和更高的控制精度。

附图说明

图1是本发明方法的控制对象(比例阀控制)非对称液压缸的结构示意图；

图2是控制方向为正向时采用本发明方法跟踪正弦曲线的稳态实验结果；

图3是控制方向为正向时采用本发明方法跟踪S曲线的稳态实验结果；

图4是控制方向为正向时采用本发明方法跟踪多频正弦曲线的稳态实验结果；

图5是控制方向为反向时采用本发明方法跟踪正弦曲线的稳态实验结果；

图6是控制方向为反向时采用本发明方法跟踪S曲线的稳态实验结果；

图7是控制方向为反向时采用本发明方法跟踪多频正弦曲线的稳态实验结果。

图中，1.活塞，2.负载，3.非对称液压缸，4.位移传感器，5.比例阀，6.计算机，7.减压阀，8.油泵。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

本发明的液压位置伺服系统反步自适应神经网络方法，按照以下步骤具体实施：

步骤1、液压位置伺服系统建模与模型线性化，