電液伺服控制系統(tǒng)因?yàn)榫哂泄β拭芏却蠛涂刂凭雀叩葍?yōu)勢(shì),所以在機(jī)器人、國(guó)防工業(yè)等領(lǐng)域被廣泛應(yīng)用。精確的數(shù)學(xué)模型是實(shí)現(xiàn)高品質(zhì)液壓伺服控制的重要前提,但由于液壓伺服系統(tǒng)控制機(jī)理復(fù)雜且存在大量參數(shù)和結(jié)構(gòu)不確定性,僅通過機(jī)理分析難以獲取其精確的數(shù)學(xué)模型。為解決此問題,本文采用模糊辨識(shí)建立閥控非對(duì)稱缸液壓伺服系統(tǒng)的數(shù)學(xué)模型。模糊辨識(shí)是一種基于數(shù)據(jù)的先進(jìn)建模方法,僅通過系統(tǒng)輸入輸出數(shù)據(jù)即可獲取準(zhǔn)確的數(shù)學(xué)模型,在電網(wǎng)系統(tǒng)、食品行業(yè)等領(lǐng)域被廣泛應(yīng)用。本文通過開展閥控非對(duì)稱缸液壓伺服系統(tǒng)實(shí)驗(yàn)獲取輸入輸出數(shù)據(jù),基于模糊辨識(shí)思想,建立液壓伺服系統(tǒng)精確模型,為進(jìn)行系統(tǒng)分析和控制設(shè)計(jì)提供基礎(chǔ),旨在提高閥控非對(duì)稱缸液壓伺服系統(tǒng)的控制精度和魯棒性。本文對(duì)基于模糊辨識(shí)的液壓伺服系統(tǒng)建模方法進(jìn)行了深入分析和研究,具體的研究工作如下:首先,在Takagi-Sugeno模糊模型的結(jié)構(gòu)辨識(shí)中,從定性定量?jī)煞矫娣治霰容^模糊C均值聚類算法和Gustafson-Kessel聚類算法的聚類效果,并結(jié)合仿真實(shí)例驗(yàn)證了Gustafson-Kessel聚類算法的優(yōu)越性;應(yīng)用集群有效性度量函數(shù)和兼容集群合并算法選取了最優(yōu)的聚類中心數(shù),仿真結(jié)果... 

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外發(fā)展歷程及研究現(xiàn)狀
        1.2.1 電液伺服系統(tǒng)辨識(shí)的發(fā)展歷程及研究現(xiàn)狀
        1.2.2 模糊辨識(shí)的發(fā)展歷程及研究現(xiàn)狀
    1.3 課題來源
    1.4 本文主要的研究思路及內(nèi)容安排
第2章 模糊辨識(shí)的基礎(chǔ)理論
    2.1 引言
    2.2 模糊集
        2.2.1 模糊集的定義及表示方式
        2.2.2 模糊集中的隸屬函數(shù)
    2.3 Takagi-Sugeno模糊模型
        2.3.1 Takagi-Sugeno模糊模型介紹
        2.3.2 Takagi-Sugeno模糊模型結(jié)構(gòu)辨識(shí)和參數(shù)辨識(shí)
    2.4 模糊聚類算法
        2.4.1 聚類算法中的數(shù)學(xué)模型
        2.4.2 模糊C均值聚類算法
        2.4.3 Gustafson-Kessel聚類算法
    2.5 模型評(píng)價(jià)函數(shù)
        2.5.1 均方誤差
        2.5.2 百分比方差
    2.6 本章小結(jié)
第3章 基于模糊聚類算法的T-S模型結(jié)構(gòu)辨識(shí)優(yōu)化
    3.1 引言
    3.2 基于Box Jenkins煤氣爐數(shù)據(jù)集的模糊辨識(shí)
        3.2.1 Box Jenkins煤氣爐數(shù)據(jù)集
        3.2.2 模糊辨識(shí)的結(jié)果
    3.3 結(jié)構(gòu)辨識(shí)中聚類算法的選擇
        3.3.1 FCM和GK聚類效果的定性分析
        3.3.2 基于集群有效性度量選擇聚類算法
        3.3.3 FCM和GK聚類算法的辨識(shí)精度對(duì)比
    3.4 模糊辨識(shí)中系統(tǒng)輸入變量的選擇
    3.5 聚類算法中聚類數(shù)的選擇
        3.5.1 基于集群有效性度量函數(shù)選擇聚類數(shù)
        3.5.2 基于兼容集群合并算法選取最優(yōu)聚類數(shù)
        3.5.3 聚類數(shù)對(duì)模型精度的影響
    3.6 本章小結(jié)
第4章 基于最小二乘的T-S模型結(jié)果參數(shù)辨識(shí)研究
    4.1 引言
    4.2 基于總最小二乘算法估算結(jié)果參數(shù)
    4.3 基于普通最小二乘算法估算結(jié)果參數(shù)
        4.3.1 基于局部加權(quán)最小二乘算法估算結(jié)果參數(shù)
        4.3.2 基于全局最小二乘算法估算結(jié)果參數(shù)
    4.4 三種最小二乘算法的辨識(shí)結(jié)果對(duì)比
    4.5 本章小結(jié)
第5章 閥控非對(duì)稱缸液壓伺服系統(tǒng)的模糊建模研究
    5.1 引言
    5.2 閥控非對(duì)稱缸液壓實(shí)驗(yàn)臺(tái)的設(shè)備選型與加工
        5.2.1 液壓實(shí)驗(yàn)臺(tái)的設(shè)備選型
        5.2.2 液壓實(shí)驗(yàn)臺(tái)的加工
    5.3 閥控非對(duì)稱缸液壓伺服系統(tǒng)實(shí)驗(yàn)數(shù)據(jù)采集
    5.4 閥控非對(duì)稱缸液壓伺服系統(tǒng)的模糊辨識(shí)
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]線性回歸參數(shù)的總體最小二乘估計(jì)算法研究[J]. 楊根新,謝正明.  測(cè)繪與空間地理信息. 2020(01)
[2]中國(guó)高端裝備制造業(yè)的發(fā)展現(xiàn)狀及路徑選擇[J]. 李遠(yuǎn)景,薛鵬.  現(xiàn)代商貿(mào)工業(yè). 2018(27)
[3]基于遞階原理的非均勻采樣非線性系統(tǒng)的模糊辨識(shí)[J]. 王宏偉,連捷,夏浩.  電子學(xué)報(bào). 2018(04)
[4]基于改進(jìn)PSO和FCM的模糊辨識(shí)[J]. 劉楠,劉福才,孟愛文.  智能系統(tǒng)學(xué)報(bào). 2019(02)
[5]電液位置伺服系統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)辨識(shí)[J]. 邵俊鵬,王偉,高炳微.  控制工程. 2018(02)
[6]液壓泵控缸伺服系統(tǒng)T-S模糊模型在線辨識(shí)研究[J]. 鄭維,王洪斌,張志明,葛俊禮,任素波.  重型機(jī)械. 2017(06)
[7]電液伺服系統(tǒng)神經(jīng)網(wǎng)絡(luò)辨識(shí)及控制器設(shè)計(jì)[J]. 韓桂華,王鵬飛,張此軍.  哈爾濱理工大學(xué)學(xué)報(bào). 2017(05)
[8]改進(jìn)遺傳算法優(yōu)化設(shè)計(jì)模糊控制系統(tǒng)的研究[J]. 李志剛,宣樹人.  自動(dòng)化儀表. 2016(12)
[9]電液伺服系統(tǒng)建模、辨識(shí)與控制的研究現(xiàn)狀[J]. 黎波,陳軍,張偉明,張鎮(zhèn),陳雁.  機(jī)床與液壓. 2016(13)
[10]競(jìng)爭(zhēng)學(xué)習(xí)的非均勻采樣非線性系統(tǒng)的模糊辨識(shí)[J]. 王宏偉,連捷.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2016(04)

碩士論文
[1]汽輪機(jī)電液伺服系統(tǒng)建模及控制方法研究[D]. 拓福婷.陜西科技大學(xué) 2018
[2]智能優(yōu)化算法在模糊辨識(shí)中的應(yīng)用研究[D]. 劉楠.燕山大學(xué) 2017
[3]基于L-M算法的電液控制系統(tǒng)參數(shù)辨識(shí)研究[D]. 嚴(yán)曉嵐.蘭州理工大學(xué) 2017



本文編號(hào)：3705303