期刊文献+
共找到10篇文章
< 1 >
每页显示 20 50 100
自适应光学系统迭代控制算法超参数优化 被引量:3
1
作者 罗宇湘 杨慧珍 +1 位作者 何源烽 张之光 《应用光学》 CAS 北大核心 2024年第1期126-133,共8页
无波前探测自适应光学系统中,选择合适的超参数是迭代控制算法达到最佳性能的关键。现有的迭代控制算法的超参数设置一般采用遍历法,这种方法虽然容易理解和实现,但计算量大、耗时较长,同时也可能因为找到一个局部最优值而错过全局最优... 无波前探测自适应光学系统中,选择合适的超参数是迭代控制算法达到最佳性能的关键。现有的迭代控制算法的超参数设置一般采用遍历法,这种方法虽然容易理解和实现,但计算量大、耗时较长,同时也可能因为找到一个局部最优值而错过全局最优值。本文采用贝叶斯优化方法,选择适合自适应光学系统迭代控制算法的超参数。分别以常用的随机并行梯度下降算法(stochastic parallel gradient descent algorithm,SPGD)、Momentum-SPGD和CoolMomentum-SPGD控制算法为例,对比分析采用遍历法和贝叶斯优化方法选择超参数的控制算法的校正效果。结果表明,采用贝叶斯优化方法进行超参数选择优势明显。对于SPGD控制算法,取得相同收敛效果时,贝叶斯优化方法所需样本实例数量是遍历法的10%;对于Momentum-SPGD和CoolMomentum-SPGD控制算法,贝叶斯优化方法所需样本实例数量分别是遍历法的7%和9%。研究结果可为自适应光学系统迭代控制算法的实际应用提供超参数设置理论基础。 展开更多
关键词 超参数优化 贝叶斯优化 自适应光学 迭代控制算法
在线阅读 下载PDF
基于迭代学习控制算法的下肢外骨骼机器人跟随特性 被引量:8
2
作者 杨凯歌 钟佩思 +2 位作者 郑义 倪伟 刘梅 《科学技术与工程》 北大核心 2018年第34期196-201,共6页
目前下肢外骨骼机器人存在的运动控制算法追踪人体髋关节和膝关节期望轨迹时存在误差,从而导致人机系统随动性能差。因此,提出迭代学习控制算法追踪人体髋关节和膝关节期望轨迹。首先,结合人体下肢结构分析,建立下肢外骨骼机器人动力学... 目前下肢外骨骼机器人存在的运动控制算法追踪人体髋关节和膝关节期望轨迹时存在误差,从而导致人机系统随动性能差。因此,提出迭代学习控制算法追踪人体髋关节和膝关节期望轨迹。首先,结合人体下肢结构分析,建立下肢外骨骼机器人动力学模型;其次,基于迭代学习控制算法建立下肢外骨骼机器人随动控制模型;最后,利用Matlab软件设计指数变增益闭环D型运动控制系统,分析收敛速度与谱半径的关系,追踪得到人体下肢髋关节和膝关节期望轨迹。仿真结果表明该算法能够有效提高下肢外骨骼机器人步态轨迹跟踪精度,提升人机系统随动性能。 展开更多
关键词 下肢外骨骼机器人 学习控制算法 运动控制系统 步态轨迹跟踪精度
在线阅读 下载PDF
基于迭代学习的6-DOF平台控制与仿真研究
3
作者 侯士豪 王勇亮 +1 位作者 武光华 段永胜 《机床与液压》 北大核心 2012年第11期128-131,163,共5页
在建立某型模拟器平台动力学模型的基础上,提出一种迭代学习控制(ILC)算法。通过多体系统动力学分析软件ADAMS建立虚拟样机模型,运用Matlab/Simulink建立控制策略模型,利用接口文件将两者结合起来进行机械系统与控制系统的联合仿真。结... 在建立某型模拟器平台动力学模型的基础上,提出一种迭代学习控制(ILC)算法。通过多体系统动力学分析软件ADAMS建立虚拟样机模型,运用Matlab/Simulink建立控制策略模型,利用接口文件将两者结合起来进行机械系统与控制系统的联合仿真。结果表明:联合仿真具有较好的直观性和分析的快速性,验证了迭代学习控制策略的优越性,对控制器的设计与验证具有重要的借鉴意义。 展开更多
关键词 六自由度平台 学习控制算法 动力学模型 控制 联合仿真
在线阅读 下载PDF
基于聚合物熔体PVT参数的注射过程保压控制技术 被引量:3
4
作者 章锦雷 陈小强 庄俭 《塑性工程学报》 CAS CSCD 北大核心 2010年第3期162-165,共4页
基于聚合物熔体PVT参数及其特性曲线图,研究并实施了注射成型机的注射保压过程控制技术,包括注射时间转压、位置转压、位置时间转压、压力转压和PVT(比容控制)。采用迭代控制技术,使注射过程控制更加精密,保压过程控制依照设定的PVT曲... 基于聚合物熔体PVT参数及其特性曲线图,研究并实施了注射成型机的注射保压过程控制技术,包括注射时间转压、位置转压、位置时间转压、压力转压和PVT(比容控制)。采用迭代控制技术,使注射过程控制更加精密,保压过程控制依照设定的PVT曲线执行,目标是提高注射制品的品质和重复精度,同时在保压环节也能够达到节能的效果。 展开更多
关键词 注射成型 PVT控制 迭代控制算法 注射保压过程
在线阅读 下载PDF
双马达回转同步驱动系统建模与控制研究 被引量:6
5
作者 刘湘琪 蒙臻 +1 位作者 倪敬 朱泽飞 《中国机械工程》 EI CAS CSCD 北大核心 2015年第4期469-474,496,共7页
针对双液压马达回转高性能同步驱动问题,引入无阻尼行星系齿轮传动弹性动力学理论,基于双液压马达回转运动特性建立了系统非线性动力学模型;针对回转系统跟踪性能和同步性能要求,引入迭代学习控制算法(ILC),提出了结合离散化PID控制器... 针对双液压马达回转高性能同步驱动问题,引入无阻尼行星系齿轮传动弹性动力学理论,基于双液压马达回转运动特性建立了系统非线性动力学模型;针对回转系统跟踪性能和同步性能要求,引入迭代学习控制算法(ILC),提出了结合离散化PID控制器结构的IL-PID同步控制策略。该控制策略基于"等同式"同步控制原理,在各单通道内部采用独立的离散化PID控制实现系统跟踪性能,在多通道间采用基于闭环D型学习律的IL控制实现系统同步性能。在五自由度液压伺服机械手上的实际应用结果表明,该控制策略相比于传统的PID控制具有较好的跟踪性能和同步驱动性能。 展开更多
关键词 双液压马达回转驱动模型 学习控制算法(ILC) IL-PID同步控制 电液伺服驱动
在线阅读 下载PDF
基于自适应模型非线性系统容错控制的研究 被引量:3
6
作者 薄翠梅 王执铨 陆爱晶 《系统仿真学报》 EI CAS CSCD 北大核心 2007年第22期5103-5107,5111,共6页
针对未知的多变量非线性动态系统,提出了一种新型的自适应故障容错控制方法。该方法首先通过设计一个自适应RBF神经网络模型建立未知过程的动态模型,并利用扩展卡尔曼滤波算法在线调节RBF网络权值学习系统的时变参数和故障动态,然后设... 针对未知的多变量非线性动态系统,提出了一种新型的自适应故障容错控制方法。该方法首先通过设计一个自适应RBF神经网络模型建立未知过程的动态模型,并利用扩展卡尔曼滤波算法在线调节RBF网络权值学习系统的时变参数和故障动态,然后设计基于此模型的自适应迭代逆模控制算法实现相应的容错控制策略。将容错方法成功应用到一个连续的多变量三水箱过程。 展开更多
关键词 主动容错控制 自适应RBF网络模型 扩展的卡尔曼滤波算法 逆模控制算法 三水箱过程
在线阅读 下载PDF
基于虚拟车桥试验台的后桥疲劳寿命预估 被引量:6
7
作者 胡毓冬 周鋐 徐刚 《同济大学学报(自然科学版)》 EI CAS CSCD 北大核心 2014年第8期1231-1237,共7页
介绍建立车桥虚拟试验台系统的方法流程,给出虚拟试验台机械系统和液压系统的建立方法,通过编程实现了虚拟试验台的控制算法即频域迭代自学习控制算法.通过联合仿真实现虚拟试验台载荷施加,对某扭转梁式后桥进行虚拟试验.利用虚拟试验... 介绍建立车桥虚拟试验台系统的方法流程,给出虚拟试验台机械系统和液压系统的建立方法,通过编程实现了虚拟试验台的控制算法即频域迭代自学习控制算法.通过联合仿真实现虚拟试验台载荷施加,对某扭转梁式后桥进行虚拟试验.利用虚拟试验所得的车桥边界条件,结合有限元分析方法对后桥疲劳寿命和损伤进行了预估,并与试验结果比较,结果表明两者具有较高的一致性. 展开更多
关键词 虚拟试验台 迭代控制算法 联合仿真 疲劳寿命
在线阅读 下载PDF
New Iterative Learning Control Algorithms Based on Vector Plots Analysis^1) 被引量:13
8
作者 XIESheng-Li TIANSen-Ping XIEZhen-Dong 《自动化学报》 EI CSCD 北大核心 2004年第2期161-168,共8页
Based on vector plots analysis, this paper researches the geometric frame of iterativelearning control method. New structure of iterative learning algorithms is obtained by analyzingthe vector plots of some general al... Based on vector plots analysis, this paper researches the geometric frame of iterativelearning control method. New structure of iterative learning algorithms is obtained by analyzingthe vector plots of some general algorithms. The structure of the new algorithm is different fromthose of the present algorithms. It is of faster convergence speed and higher accuracy. Simulationspresented here illustrate the effectiveness and advantage of the new algorithm. 展开更多
关键词 学习控制算法 向量图分析 数值仿真 收敛性
在线阅读 下载PDF
河南科技大学学报:自然科学版2008年第29卷第1~6期(卷终)总目次
9
《河南科技大学学报(自然科学版)》 CAS 2008年第6期100-104,共5页
关键词 河南科技大学学报 自然科学版 学习控制算法 目次 卷第
在线阅读 下载PDF
Fuzzy iterative learning control of electro-hydraulic servo system for SRM direct-drive volume control hydraulic press 被引量:18
10
作者 郑建明 赵升吨 魏树国 《Journal of Central South University》 SCIE EI CAS 2010年第2期316-322,共7页
A new kind of volume control hydraulic press that combines the advantages of both hydraulic and SRM(switched reluctance motor) driving technology is developed.Considering that the serious dead zone and time-variant no... A new kind of volume control hydraulic press that combines the advantages of both hydraulic and SRM(switched reluctance motor) driving technology is developed.Considering that the serious dead zone and time-variant nonlinearity exist in the volume control electro-hydraulic servo system,the ILC(iterative learning control) method is applied to tracking the displacement curve of the hydraulic press slider.In order to improve the convergence speed and precision of ILC,a fuzzy ILC algorithm that utilizes the fuzzy strategy to adaptively adjust the iterative learning gains is put forward.The simulation and experimental researches are carried out to investigate the convergence speed and precision of the fuzzy ILC for hydraulic press slider position tracking.The results show that the fuzzy ILC can raise the iterative learning speed enormously,and realize the tracking control of slider displacement curve with rapid response speed and high control precision.In experiment,the maximum tracking error 0.02 V is achieved through 12 iterations only. 展开更多
关键词 hydraulic press volume control electro-hydraulic servo iterative learning control fuzzy control
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部