شماره ركورد :
1234400
عنوان مقاله :
كنترل تطبيقي سيستم الكتروسروهيدروليك دو عملگره بر مبناي شبكه عصبي موجك بازگشتي
عنوان به زبان ديگر :
Adaptive Control Scheme for Dual Drive Electro Servo-Hydraulic System Based on Self-Recurrent Wavelet Neural Network
پديد آورندگان :
عليرضاپوري، محمدعلي دانشگاه مالك اشتر , ولي، احمدرضا دانشگاه مالك اشتر - مجتمع دانشگاهي برق و كامپيوتر
تعداد صفحه :
10
از صفحه :
79
از صفحه (ادامه) :
0
تا صفحه :
88
تا صفحه(ادامه) :
0
كليدواژه :
الكترو سروهيدروليك , دو عملگره , شبكه عصبي موجك , كنترل‌كننده تطبيقي
چكيده فارسي :
سيستم‌هاي كنترل حركت مبتني بر هيدروموتورها، داراي ديناميكي غيرخطي و متغيير با زمان هستند كه كنترل دقيق آنها را دچار چالش مي‌نمايد. در اين مقاله بر مبناي شبكه عصبي موجك بازگشتي، كنترل‌كننده‌اي تطبيقي براي كنترل سيستم الكتروسروهيدرليك دو عملگره ارايه مي‌گردد. به دليل نياز به پهناي باند و گشتاور بالا از دو عملگر هيدروليكي دوار براي كنترل حركت بار استفاده شده است. كنترل‌كننده پيشنهادي نيازي به مدل دقيق ديناميكي سيستم ندارد و به همين جهت براي كنترل سيستم غيرخطي الكتروسرووهيدروليك مناسب است. شبكه عصبي به كار گرفته‌شده در فرآيند آموزش علاوه بر شناسايي ديناميك سيستم، پيش‌بيني خروجي سيستم در يك نمونه بعدي را نيز فرامي‌گيرد و بدين ترتيب طرح پيشنهادي علاوه بر خاصيت تطبيقي از الگوي پيش‌بين نيز بهره مي‌برد. جهت آموزش شبكه عصبي از الگوريتم بهينه‌سازي اجتماع ذرات انعطاف‌پذير استفاده‌شده است. كنترل‌كننده ارايه‌شده براي سيستم الكتروسروهيدروليك با توجه به عدم استفاده از مدل دقيق سيستم و در حضور اغتشاش بار، شبيه‌سازي‌شده است و نتايج شبيه‌سازي تاييدكننده توانايي طرح كنترلي پيشنهادي در رديابي مناسب فرمان‌هاي ورودي است.
چكيده لاتين :
The motion control systems based on hydro motors, due to the nonlinear and time variant behavior, are complex systems for accurate control. IN this paper, an adaptive control scheme based on self-recurrent wavelet neural network is presented to control dual drive electro servo-hydraulic system. The proposed control scheme does not require the exact dynamical model of the system. As a result, this method will be appropriate for severe nonlinear systems such as electro servo-hydraulic system. In addition to identifying the dynamic of the system, the proposed neural network is trained to predict one-step ahead of the system output. The training process is implemented by employing a novel optimization algorithm called flexible particle swarm optimization (FPSO) algorithm. In order to enhance the performance of this system, two electro servo-hydraulic systems are connected to each other to increase the bandwidth. The controller provided for the electro-servo-hydraulic system is simulated regarding to the unknown dynamic of the system, and the simulation results confirm the effectiveness of the proposed control scheme.
سال انتشار :
1399
عنوان نشريه :
صنايع الكترونيك
فايل PDF :
8450584
لينک به اين مدرک :
بازگشت