電液伺服控制系統(tǒng)因為具有功率密度大和控制精度高等優(yōu)勢,所以在機(jī)器人、國防工業(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,本文采用模糊辨識建立閥控非對稱缸液壓伺服系統(tǒng)的數(shù)學(xué)模型。模糊辨識是一種基于數(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稱缸液壓伺服系統(tǒng)實驗獲取輸入輸出數(shù)據(jù),基于模糊辨識思想,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)計提供基礎(chǔ),旨在提高閥控非對稱缸液壓伺服系統(tǒng)的控制精度和魯棒性。本文對基于模糊辨識的液壓伺服系統(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)辨識中,從定性定量兩方面分析比較模糊C均值聚類算法和Gustafson-Kessel聚類算法的聚類效果,并結(jié)合仿真實例驗證了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)辨識的發(fā)展歷程及研究現(xiàn)狀
        1.2.2 模糊辨識的發(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)辨識和參數(shù)辨識
    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 模型評價函數(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
        3.2.1 Box Jenkins煤氣爐數(shù)據(jù)集
        3.2.2 模糊辨識的結(jié)果
    3.3 結(jié)構(gòu)辨識中聚類算法的選擇
        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聚類算法的辨識精度對比
    3.4 模糊辨識中系統(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結(jié)果對比
    4.5 本章小結(jié)
第5章 閥控非對稱缸液壓伺服系統(tǒng)的模糊建模研究
    5.1 引言
    5.2 閥控非對稱缸液壓實驗臺的設(shè)備選型與加工
        5.2.1 液壓實驗臺的設(shè)備選型
        5.2.2 液壓實驗臺的加工
    5.3 閥控非對稱缸液壓伺服系統(tǒng)實驗數(shù)據(jù)采集
    5.4 閥控非對稱缸液壓伺服系統(tǒng)的模糊辨識
    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算法研究[J]. 楊根新,謝正明.  測繪與空間地理信息. 2020(01)
[2]中國高端裝備制造業(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[J]. 王宏偉,連捷,夏浩.  電子學(xué)報. 2018(04)
[4]基于改進(jìn)PSO和FCM的模糊辨識[J]. 劉楠,劉福才,孟愛文.  智能系統(tǒng)學(xué)報. 2019(02)
[5]電液位置伺服系統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)辨識[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)辨識及控制器設(shè)計[J]. 韓桂華,王鵬飛,張此軍.  哈爾濱理工大學(xué)學(xué)報. 2017(05)
[8]改進(jìn)遺傳算法優(yōu)化設(shè)計模糊控制系統(tǒng)的研究[J]. 李志剛,宣樹人.  自動化儀表. 2016(12)
[9]電液伺服系統(tǒng)建模、辨識與控制的研究現(xiàn)狀[J]. 黎波,陳軍,張偉明,張鎮(zhèn),陳雁.  機(jī)床與液壓. 2016(13)
[10]競爭學(xué)習(xí)的非均勻采樣非線性系統(tǒng)的模糊辨識[J]. 王宏偉,連捷.  哈爾濱工業(yè)大學(xué)學(xué)報. 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)辨識研究[D]. 嚴(yán)曉嵐.蘭州理工大學(xué) 2017



本文編號：3705303