迭代學習控制應(yīng)用——注塑機開合模機構(gòu)精確定位控制研究.pdf

1、由于注塑機在塑料制品生產(chǎn)中不可替代的地位，其開合模機構(gòu)的定位研究也備受人關(guān)注。既有的開合模機構(gòu)控制系統(tǒng)是一個開環(huán)控制系統(tǒng)，用戶在界面設(shè)定各階段液壓、流量、位置等信息，對開合模動作進行控制。但該控制系統(tǒng)存在缺陷，不能對最終停止位置進行精確控制，可能導致合模力不足，甚至導致機械沖擊，縮短機床使用壽命，且其控制效果受環(huán)境影響較大。本文針對這一問題，提出了一種PD型迭代學習控制算法對開合模控制系統(tǒng)進行改進，以提高其控制性能。
　　首先，闡

2、述開合模機構(gòu)研究的意義，并分析該領(lǐng)域的研究現(xiàn)狀。針對控制系統(tǒng)設(shè)計時面臨的問題提出相應(yīng)解決辦法。
　　其次，分析比較各種無模型控制算法，從系統(tǒng)論的角度分析每種算法的優(yōu)劣，從而引出迭代學習算法。
　　再次，針對多輸入時滯系統(tǒng)，建立時滯的模型，并分析，改進現(xiàn)有PD型迭代學習算法，提出了新的PD型迭代學習控制算法，在時滯未知但范圍確定的條件下，對時滯進行補償。在初態(tài)嚴格重復時，給出了系統(tǒng)迭代輸出收斂于期望輸出的充分條件，并進行嚴謹?shù)?/p>

3、數(shù)學證明。當時滯范圍變窄時，改進的PD迭代學習算法能更精確跟蹤期望軌跡。
　　之后，結(jié)合神經(jīng)網(wǎng)絡(luò)遺傳算法以及粒子群算法，對PD型迭代學習算法的控制參數(shù)進行尋優(yōu)，得到最小輸出誤差及其所對應(yīng)的各控制輸入的PD系數(shù)，從而增加控制精度，提高控制性能。得到神經(jīng)網(wǎng)絡(luò)遺傳PD迭代學習算法、粒子群PD迭代學習算法。通過仿真結(jié)果分析證明，這兩種算法控制效果良好。
　　為了驗證上述算法的可行性，本文在實際工廠環(huán)境中，對注塑機開合模機構(gòu)進行控制實