CN107015476A - 一种对电液伺服系统的位置和力信号的协同控制方法 - Google Patents

一种对电液伺服系统的位置和力信号的协同控制方法 Download PDF

Info

Publication number
CN107015476A
CN107015476A CN201710190808.4A CN201710190808A CN107015476A CN 107015476 A CN107015476 A CN 107015476A CN 201710190808 A CN201710190808 A CN 201710190808A CN 107015476 A CN107015476 A CN 107015476A
Authority
CN
China
Prior art keywords
power
control
signal
servo system
electrohydraulic servo
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710190808.4A
Other languages
English (en)
Inventor
高炳微
王伟
王思凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin University of Science and Technology
Original Assignee
Harbin University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin University of Science and Technology filed Critical Harbin University of Science and Technology
Priority to CN201710190808.4A priority Critical patent/CN107015476A/zh
Publication of CN107015476A publication Critical patent/CN107015476A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明属于电液伺服系统控制领域，涉及到一种电液伺服系统力/位协同控制方法。该方法实施过程中先通过对电液伺服系统的阀控缸在工作过程中的位置输出信号和力输出信号进行分析，采用在位置控制的基础上增加力的外环控制做为前馈补偿，并设计PID控制器和自适应模糊神经网络控制器分别对位置控制部分和力控制部分进行单独控制，最终实现电液伺服系统的位置信号和力信号的协同控制。本发明的目的是为了减小电液伺服系统的工作过程中由于受力所造成振动和冲击，提高系统的定位精度和稳定性。步骤为：位置控制部分通过位移传感器测得阀控缸的位置输出信号，并将其反馈到位置信号输入部分与输入信号对比，获得位置偏差信号；力控制部分通过力传感器测得阀控缸的力输出信号，并将其反馈给力输入部分与力输入信号做比较，获得相应的力偏差信号；最后将位置控制部分的偏差信号和力控制部分的偏差信号相加（即相当于将力偏差信号作为前馈补偿），作为整个阀控缸的位置期望输入偏差信号，阀控缸利用增量控制来动态的调节阀控缸的位置信号和力信号，并最终完成对电液伺服系统位置和力的协同控制。

Description

一种对电液伺服系统的位置和力信号的协同控制方法
技术领域
本发明属于电液伺服系统控制领域，涉及到一种电液伺服系统力信号和位置信号协同控制方法。
背景技术
电液伺服系统工作过程中不仅会有位姿上的变动，还会与外界产生接触力，同时工作环境也会受到外界和系统的非线性因素产生的振动和冲击的影响。鉴于此，本研究通过对电液伺服系统的力和位置的协同控制进行研究，目的是为了提高电液伺服系统的负载能力和定位精度，实现位置信号和力信号的协同控制，满足生产实践的需要。
此方面的研究有很多，国外学者Mason提出一种力/位协同控制的思想用于完成柔顺控制的功能。其方法单独针对电液伺服系统力信号和位置信号进行控制，因此过于局限，没有考虑位置信号和力信号之间的协同关系。目前常用的方法也是通过各种复杂的传感器对位置信号和力信号进行检测，通过软件处理反馈数据构建位置信号和力信号间的关系来对位置信号和力信号进行协同控制，虽然效果也很好但是过程也较为复杂，容易受到外界环境的影响。本发明采用方法思路简单，其控制性能也非常良好，能够方便且有效解决电液伺服系统位置信号和力信号间的协同控制问题。
发明内容
一种对电液伺服系统的位置信号和力信号的协同控制方法。
本发明按以下步骤实现：
步骤1.设计离散PID控制器：
本文在位置控制部分采用离散PID控制器进行控制。PID控制是指将比例、积分、微分控制进行线性组合而得到控制器，适合用于不能完全掌握系统结构参数的控制对象或不能得到精确的数学模型的场合，在工程实际中应用最为广泛，其特点是结构简单、稳定性好、工作可靠；PID控制器的结构如图1所示。
离散PID控制器理论结构如下：
式中，T为采样周期。K P 为比例系数。K I 为积分系数。K D 微分系数。T I 为积分时间常数。T D 为微分时间常数。第k个采样周期偏差与输入输出关系为：
为了实现有效控制，其参数要求如下：
步骤2.设计自适应模糊神经网络控制器：
自适应模糊神经网络控制算法是不依赖控制对象的控制算法。此算法将神经网络的自学习能力和模糊理论表达知识的能力结合起来，可提高整个系统对知识的学习和表达能力，减小系统在整个工作过程中由于速度变化和系统非线性因素导致的振动和冲击，同时能提高整个控制过程稳定性。自适应模糊神经网络结构示意图如图2所示。
Matlab中的自适应模糊神经网络，是用神经网络理论自动建立Sugeno型模糊模型的一个软件。根据预先装入的测试数据可以自动的生成初始的FIS。生成初始的FIS采用网格分割法，输入向量设置为3和3，隶属度函数类型选用gaussmf型且输出变量选用线性函数类型作为输出类型。对初始的FIS进行对训练中误差设为0.001，训练次数设为100。经过了100次的训练误差以后的误差为0.0056877。据此可以根据高斯隶属度函数公式：
对e和ec进行训练，可以得出e训练以后覆盖模糊子集的高斯隶属度函数表达式：
同样，在训练后输入变量ec的隶属度函数会发生变化。可以得出ec训练以后覆盖模糊子集的高斯隶属度函数表达式：
训练后输出量的隶属度函数为9个输出函数，获取当前9个隶属度函数的相应参数，可以归纳出该系统的输出函数为：
f1=-0.004742e+0.0009752ec+0.003943
f2= -0.5691e+2.076e-06ec+0.2173
f3= -31.49e+8.549ec+17.1
f4= -0.2256e+0.06084ec+0.1203
f5= -0.1678e+0.0001295ec-0.1535
f6= 0.04813e+0.02218ec +0.04439
f7= 0.07298e+0.0001578ec+0.02196
f8= 7.921e+3.359e-07ec+2.361
f9= 0.06705e+0.137ec+0.2741
最后得到9条模糊规则为：
1. If (e is N) and (ec is R1) then (output is f5)
2. If (e is N) and (ec is R2) then (output is f4)
3. If (e is N) and (ec is R3) then (output is f3)
4. If (e is O) and (ec is R1) then (output is f2)
5. If (e is O) and (ecis R2) then (output is f1)
6. If (e is O) and (ec is R3) then (output is f9)
7. If (e is Z) and (ecis R1) then (output is f8)
8. If (e is Z) and (ec is R2) then (output is f7)
9. If (e is Z) and (ec is R3) then (output is f6)
这就完成了整个电液伺服系统的自适应神经模糊控制器的设计。
步骤3、根据位置和力信号的协同控制原理构建系统力/位协同控制的方框图，并添加控制器进行控制
位置和力信号的协同控制原理：位置控制部分通过位移传感器测得阀控缸的位置输出信号，并将其反馈到位置信号输入部分与输入信号对比，获得位置偏差信号；力控制部分通过力传感器测得阀控缸的力输出信号，并将其反馈给力输入部分与力输入信号做比较，获得相应的力偏差信号；最后将位置控制部分的偏差信号和力控制部分的偏差信号相加，作为整个阀控缸的位置增量期望输入，阀控缸利用增量控制来动态的调节阀控缸的位置信号和力信号，并最终完成对电液伺服系统位置和力的协同控制，其原理图如图3所示。根据图3建立力/位协同控制方框图如图4所示，将所设计的PID控制器和自适应模糊神经网络控制器分别加入到位置控制部分和力控制部分进行控制，调节控制器参数就可使系统的位置信号和力信号达到最终输出的要求，图中实线框中表示离散PID控制器，虚线框中表示自适应模糊神经网络控制器。
有益效果：
本发明对比已有的方法思路简单清晰，采用的自适应模糊神经网络控制算法能够将神经网络和模糊控制的有点结合起来，提高系统的自学习能力和表达知识的能力，能有效提高系统对力信号的振动和冲击的抑制作用，提高系统的稳定性和定位精度，提高系统的负载能力。
附图说明
图1 PID基本组成原理结构示意图。
图2 模糊神经网络系统结构示意图。
图3 力/位协同控制原理方框图。
图4 加入控制器的力/位协同控制仿真图。
具体实施方式
步骤1.设计离散PID控制器
本文在位置控制部分采用离散PID控制器进行控制。PID控制是指将比例、积分、微分控制进行线性组合而得到控制器，适合用于不能完全掌握系统结构参数的控制对象或不能得到精确的数学模型的场合，在工程实际中应用最为广泛，其特点是结构简单、稳定性好、工作可靠；PID控制器的结构如图1所示。
离散PID控制器理论结构如下：
式中，T为采样周期。K P 为比例系数。K I 为积分系数。K D 微分系数。T I 为积分时间常数。T D 为微分时间常数。第k个采样周期偏差与输入输出关系为：
为了实现有效控制，其参数要求如下：
步骤2.设计自适应模糊神经网络控制器
自适应模糊神经网络控制算法是不依赖控制对象的控制算法。此算法将神经网络的自学习能力和模糊理论表达知识的能力结合起来，可提高整个系统对知识的学习和表达能力，减小系统在整个工作过程中由于速度变化和系统非线性因素导致的振动和冲击，同时能提高整个控制过程稳定性。自适应模糊神经网络结构示意图如图2所示。
Matlab中的自适应模糊神经网络，是用神经网络理论自动建立Sugeno型模糊模型的一个软件。根据预先装入的测试数据可以自动的生成初始的FIS。生成初始的FIS采用网格分割法，输入向量设置为3和3，隶属度函数类型选用gaussmf型且输出变量选用线性函数类型作为输出类型。对初始的FIS进行对训练中误差设为0.001，训练次数设为100。经过了100次的训练误差以后的误差为0.0056877。据此可以根据高斯隶属度函数公式：
对e和ec进行训练，可以得出e训练以后覆盖模糊子集的高斯隶属度函数表达式：
同样，在训练后输入变量ec的隶属度函数会发生变化。可以得出ec训练以后覆盖模糊子集的高斯隶属度函数表达式：
训练后输出量的隶属度函数为9个输出函数，获取当前9个隶属度函数的相应参数，可以归纳出该系统的输出函数为：
f1=-0.004742e+0.0009752ec+0.003943
f2= -0.5691e+2.076e-06ec+0.2173
f3= -31.49e+8.549ec+17.1
f4= -0.2256e+0.06084ec+0.1203
f5= -0.1678e+0.0001295ec-0.1535
f6= 0.04813e+0.02218ec +0.04439
f7= 0.07298e+0.0001578ec+0.02196
f8= 7.921e+3.359e-07ec+2.361
f9= 0.06705e+0.137ec+0.2741
最后得到9条模糊规则为：
1. If (e is N) and (ec is R1) then (output is f5)
2. If (e is N) and (ec is R2) then (output is f4)
3. If (e is N) and (ec is R3) then (output is f3)
4. If (e is O) and (ec is R1) then (output is f2)
5. If (e is O) and (ecis R2) then (output is f1)
6. If (e is O) and (ec is R3) then (output is f9)
7. If (e is Z) and (ecis R1) then (output is f8)
8. If (e is Z) and (ec is R2) then (output is f7)
9. If (e is Z) and (ec is R3) then (output is f6)
这就完成了整个电液伺服系统的自适应神经模糊控制器的设计。
步骤3、根据位置和力信号的协同控制原理构建系统力/位协同控制的方框图，并添加控制器进行控制。
如图4所示，通过图3构建出的力/位协同控制方框图中，位置控制部分采用了PID控制器，力控制部分采用了自适应模糊神经网络控制器控制器以后，先调节力控制部分的自适应模糊神经网络控制器，当系统的控制效果达到最佳的时候停止调节自适应模糊神经网络控制器，保留其参数，再开始调节位置控制部分的PID参数，直到最终的位置信号和力信号的控制效果达到最佳状态，就说明了图4中的电液伺服系统位置信号和力信号的协同控制效果已经达到了理想状态，最终非常好的实现了位置信号和力信号的协同控制。

Claims (5)

1.一种电液伺服系统力/位协同控制方法，其特征在于：将位置控制偏差信号和力控制偏差信号之和作为整个阀控缸的最终输入信号；同时设计两种不同控制算法，包括PID控制器和自适应模糊神经网络控制器，分别对位置控制部分和力控制部分进行单独控制，最终达到力信号和位置信号协同控制效果。
2.根据权利1所述的一种电液伺服系统力/位协同控制方法，其特征在于：所述PID控制器采用离散的PID控制算法。
3.根据权利1所述的一种电液伺服系统力/位协同控制方法，其特征在于：所述的自适应模糊神经网络控制器采用的是5层ANFIS网络构建的Takagi Sugeno型模糊推理系统；系统的输入部分为2输入1输出形式；图中第一层完成接受e和ec作为输入；第二层完成模糊化任务，把e和ec转换成模糊量，即属于某个模糊子集的隶属度；第三层、第四层共同完成模糊推理过程，第三层完成规则前件；第四层完成规则的后件，进行模糊推理并输出模糊量；第五层完成清晰化过程，最后输出控制量。
4.根据权利1所述的一种电液伺服系统力/位协同控制方法，其特征在于：位置控制部分通过位移传感器测得阀控缸的位置输出信号，并将其反馈到位置信号输入部分与输入信号对比，获得位置偏差信号；力控制部分通过力传感器测得阀控缸的力输出信号，并将其反馈给力输入部分与力输入信号做比较，获得相应的力偏差信号；最后将位置控制部分的偏差信号和力控制部分的偏差信号相加，作为整个阀控缸的位置期望输入偏差信号，阀控缸利用增量控制来动态的调节阀控缸的位置信号和力信号，并最终完成对电液伺服系统位置和力的协同控制。
5.根据权利1所述的一种电液伺服系统力/位协同控制方法，其特征在于：在力/位协同控制方框图中，位置控制部分添加PID控制器进行控制，力控制部分添加自适应模糊神经网络控制器进行控制，通过不断调节控制器参数，最终实现电液伺服系统的力/位协同控制。
CN201710190808.4A 2017-03-28 2017-03-28 一种对电液伺服系统的位置和力信号的协同控制方法 Pending CN107015476A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710190808.4A CN107015476A (zh) 2017-03-28 2017-03-28 一种对电液伺服系统的位置和力信号的协同控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710190808.4A CN107015476A (zh) 2017-03-28 2017-03-28 一种对电液伺服系统的位置和力信号的协同控制方法

Publications (1)

Publication Number Publication Date
CN107015476A true CN107015476A (zh) 2017-08-04

Family

ID=59445938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710190808.4A Pending CN107015476A (zh) 2017-03-28 2017-03-28 一种对电液伺服系统的位置和力信号的协同控制方法

Country Status (1)

Country Link
CN (1) CN107015476A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108181812A (zh) * 2017-12-28 2018-06-19 浙江工业大学 一种基于bp神经网络的阀门定位器pi参数整定方法
CN109828453A (zh) * 2019-01-25 2019-05-31 西北工业大学 一种用于振动抑制的小型开关式主动控制系统及方法
CN110703608A (zh) * 2019-11-18 2020-01-17 南京工业大学 一种液压伺服执行机构智能运动控制方法
CN111781834A (zh) * 2020-07-21 2020-10-16 西安理工大学 一种气动位置伺服系统自适应模糊神经网络控制方法
CN112296995A (zh) * 2019-07-26 2021-02-02 广州中国科学院先进技术研究所 机器人协作搬运系统
CN112372637A (zh) * 2020-10-27 2021-02-19 东方红卫星移动通信有限公司 低轨卫星空间机械臂自适应阻抗柔顺控制方法、模块及系统
CN113983033A (zh) * 2021-10-25 2022-01-28 燕山大学 用于识别挖掘机斗杆液压缸工况的控制方法及其控制装置
CN114355842A (zh) * 2021-12-28 2022-04-15 中国航空工业集团公司北京长城航空测控技术研究所 一种电液伺服加载系统位置和力控制的切换方法及系统
CN114397808A (zh) * 2021-12-09 2022-04-26 北京航空航天大学 一种呼吸机比例阀的高精度控制系统和方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2793790Y (zh) * 2005-09-21 2006-07-05 郭俊杰 全智能比例电液控制机构
CN1916787A (zh) * 2005-08-16 2007-02-21 比亚迪股份有限公司 一种用于汽车道路模拟的电液伺服控制系统及方法
US20090012772A1 (en) * 2007-07-03 2009-01-08 Quan Zheng Method for generating an electro-hydraulic model for control design
CN103775437A (zh) * 2014-02-28 2014-05-07 南京理工大学 液压缸试验台负载模拟装置及其控制方法
CN103984234A (zh) * 2014-05-15 2014-08-13 张万军 一种电液伺服系统自修正模糊pid控制的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1916787A (zh) * 2005-08-16 2007-02-21 比亚迪股份有限公司 一种用于汽车道路模拟的电液伺服控制系统及方法
CN2793790Y (zh) * 2005-09-21 2006-07-05 郭俊杰 全智能比例电液控制机构
US20090012772A1 (en) * 2007-07-03 2009-01-08 Quan Zheng Method for generating an electro-hydraulic model for control design
CN103775437A (zh) * 2014-02-28 2014-05-07 南京理工大学 液压缸试验台负载模拟装置及其控制方法
CN103984234A (zh) * 2014-05-15 2014-08-13 张万军 一种电液伺服系统自修正模糊pid控制的方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
KAZUO KIGUCHJ 等: "Fuzzy-Neuro Position/Force Control of Robot Manipulators Two-Stage Adaptation Approach", 《IEEE XPLORE》 *
M.W. DUNNIGAN 等: "Hybrid position/force control of a hydraulic underwater manipulator", 《IEE PROCEEDINGS-CONTROL THEORY AND APPLICATIONS》 *
丛爽: "《智能控制系统及其应用》", 31 August 2013, 中国科学技术大学出版社 *
刘德胜 等: "《计算机控制技术》", 31 August 2016, 中国人口出版社 等 *
张德丰: "《MATLAB模糊系统设计》", 30 April 2009, 国防工业出版社 *
高炳微 等: "电液伺服系统位置和力模糊切换控制方法", 《电机与控制学报》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108181812A (zh) * 2017-12-28 2018-06-19 浙江工业大学 一种基于bp神经网络的阀门定位器pi参数整定方法
CN109828453A (zh) * 2019-01-25 2019-05-31 西北工业大学 一种用于振动抑制的小型开关式主动控制系统及方法
CN112296995A (zh) * 2019-07-26 2021-02-02 广州中国科学院先进技术研究所 机器人协作搬运系统
CN112296995B (zh) * 2019-07-26 2023-08-08 广州中国科学院先进技术研究所 机器人协作搬运系统
CN110703608B (zh) * 2019-11-18 2021-08-06 南京工业大学 一种液压伺服执行机构智能运动控制方法
CN110703608A (zh) * 2019-11-18 2020-01-17 南京工业大学 一种液压伺服执行机构智能运动控制方法
CN111781834A (zh) * 2020-07-21 2020-10-16 西安理工大学 一种气动位置伺服系统自适应模糊神经网络控制方法
CN111781834B (zh) * 2020-07-21 2022-03-29 西安理工大学 一种气动位置伺服系统自适应模糊神经网络控制方法
CN112372637B (zh) * 2020-10-27 2022-05-06 东方红卫星移动通信有限公司 低轨卫星空间机械臂自适应阻抗柔顺控制方法、模块及系统
CN112372637A (zh) * 2020-10-27 2021-02-19 东方红卫星移动通信有限公司 低轨卫星空间机械臂自适应阻抗柔顺控制方法、模块及系统
CN113983033A (zh) * 2021-10-25 2022-01-28 燕山大学 用于识别挖掘机斗杆液压缸工况的控制方法及其控制装置
CN113983033B (zh) * 2021-10-25 2022-07-01 燕山大学 用于识别挖掘机斗杆液压缸工况的控制方法及其控制装置
CN114397808A (zh) * 2021-12-09 2022-04-26 北京航空航天大学 一种呼吸机比例阀的高精度控制系统和方法
CN114355842A (zh) * 2021-12-28 2022-04-15 中国航空工业集团公司北京长城航空测控技术研究所 一种电液伺服加载系统位置和力控制的切换方法及系统
CN114355842B (zh) * 2021-12-28 2024-03-15 中国航空工业集团公司北京长城航空测控技术研究所 一种电液伺服加载系统位置和力控制的切换方法及系统

Similar Documents

Publication Publication Date Title
CN107015476A (zh) 一种对电液伺服系统的位置和力信号的协同控制方法
CN103853046B (zh) 一种压电陶瓷驱动器的自适应学习控制方法
CN106054594B (zh) 基于控制输入饱和的无模型自适应控制方法
CN105538325B (zh) 一种液压四足机器人单腿关节解耦控制方法
CN110488754A (zh) 一种基于ga-bp神经网络算法的机床自适应控制方法
CN101986564A (zh) 基于Backlash算子和神经网络的自适应滤波器
CN112925207A (zh) 一种基于参数辨识的温室环境温度自适应方法
CN108388115A (zh) 基于广义预测控制的ncs网络时延补偿方法
Ling et al. ANFIS modeling and Direct ANFIS Inverse control of an Electro-Hydraulic Actuator system
Rajan et al. Performance improvement of fuzzy logic controller using neural network
Zhang et al. Design of multivariable self-tuning PID controllers via quasi-diagonal recurrent wavelet neural network
Tervo et al. Adaptation of the human-machine interface to the human skill and dynamic characteristics
Menghal et al. Application of artificial intelligence controller for dynamic simulation of induction motor drives
Yan et al. Design and verification of fuzzy neural network automatic control algorithm in intelligent agriculture
Xie et al. Adaptive control of uncertain gear transmission servo systems with dead-zone nonlinearity
CN106444389A (zh) 一种废塑料裂解温度系统的模糊rbf网络优化pi控制方法
CN111898235B (zh) 磁控形状记忆合金执行器的Duhem模型参数辨识方法
Xue et al. Application of fuzzy neural network controller for cement rotary kiln control system
Çakıcı et al. Performance analysis for load frequency control of interconnected power systems with different techniques
Li et al. An indirect adaptive fuzzy approach for uncertain nonlinear SISO systems with disturbances
Wang et al. Optimal PID control of DC motor with ABC and PSO algorithms
CN113783479B (zh) 基于神经网络矩阵的无刷直流电机模糊pid控制方法
CN112507604B (zh) 可再生电源的数据驱动电压频率响应特性建模方法
Yu et al. Fuzzy PID-type iterative learning control for electro-hydraulic servo system
Zhao et al. Hydromechanics Research of Pump Flow Control System Based on BP Neural Network PID

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination