频域识别伺服系统使用ABC与摩擦力和安技术

Shaik Rafi Kiran¹,Dr.T.Sairama²,Dr.S.Varadarajan³

研究学者,部门EEE, JNTUACE公益性印度
教授,EEE的部门,Vardhaman工程学院,印度海德拉巴
教授,部门的ECE S.V.U.工程学院S.V.大学Tirupathi,印度

文摘

通常情况下,大多数的机械设备到不必要的非线性。在伺服系统中,频域系统识别方法是非常困难的,因为存在的不必要的非线性。在报纸上,混合动力技术提出了伺服系统的频域识别。提出的混合动力技术的结合人工神经网络(ANN)和ABC算法。通过使用人工网络,生产系统参数在不同质量水平,形成一个数据集。ABC算法用于优化系统参数的数据集,钢管,常数,直流增益和摩擦力等。这些系统参数优化系统和摩擦系统的进行了分析。该方法在MATLAB中实现平台和估计偏差表演。此外,该方法识别的系统参数(ABC-ANN)与实际系统相比,混合动力技术,自适应混合动力技术和PSO-ANN技术。

关键字

伺服系统、非线性摩擦、系统参数、ABC,安。

介绍

系统识别过程利用衡量投入产出评估模型用于捕获系统动力学[11][16]。通过删除从肉体的系统数学模型,系统识别的目标和过程[2][4]是收购。系统识别模型可以建立不同阶段和控制系统可以通过优化选择持续输出[1]。几个电器等声学回波消除、信道均衡、生物系统建模和图像处理取得已知大的忧虑在非线性系统识别在当前时代[3]。一些非线性液压伺服系统中存在由于摩擦力[8]。由于伺服系统的供应能力巨大的驱动力和快速响应的位置控制伺服系统通常利用摩擦[6]。位置依赖摩擦发生[7],通常使用传输机制在提高精密系统,实现高分辨率的动作。因此,摩擦的影响每一个政权的操作伺服系统[9]。

摩擦是一个最重要的缺点在高精度伺服系统[5]。冲突在移动的另一个练习的材料[12][14]被公认为是摩擦力。摩擦力将执行的速度和时间的联系[13]。雷竞技网页版控制伺服系统的摩擦力显著高于低速度运动[15]。一般通过传递函数[17]非线性系统的频域模型可以表示。通过频域技术,检查波形的波形的各种频率成分[18]。非线性系统的制造可以建立使用线性系统的频域研究[10]。生产频率元素是不同的频率分量非线性系统[20]。频域系统认识信任的贡献和生产信号断断续续或时间控制在检查时间内[19]。

取代函数在大部分的作品中,频域识别具有摩擦力的伺服系统控制。作为工厂的目标参数传递函数在任意的结论,这种植物是缺乏创造力的控制方法和摩擦力是身体的选择。因此决定参数和选择不当的摩擦力将花费大量时间。系统识别(SI)可以被看作是一个优化或最小化过程从计算的角度分析,的目的是决定一个模型系统,其预测回复指定输入足够密切评估响应与实际系统[21]。

系统识别由2的任务,如结构方程的识别和估计的参数。评估系统的参数是系统识别的任务[22][6]。参数估计是一项具有挑战性的任务,通常是作为一个优化问题[25]。现在,基于启发式方法随机算法解决优化问题在结构如果一直在利用最新年:特别是,RLS, ARX方法,遗传算法(气),粒子群优化(PSO),蚁群优化(ACO),人工神经网络(ANN),进化策略(ES)和差分进化(DE)算法实现了增加意识[34][21][33]。另一方面,大多数的上述技术需要一个很好的初始估计参数和正确的函数的梯度。此外,困难通过这些技术在大型系统的识别提出了一些测量信息[21]。由于选择方案应用和邻居生产机制使用短的计算时间内,美国广播公司(ABC)包括一个灵活的和均衡的机制来适应全球和本地搜索和利用能力因此[23]。因此,ABC算法查找系统参数从一个特定的范围[22]。ABC算法的主要优点是很容易的,充满活力和能力解决多变量,多和复杂的组合优化问题[24]。

在本文中,我们提出一个混合伺服系统识别方法在频域打败这个话题。剩下的部分文本设计如下。伺服系统的模型和提出的方法的基本数学第二节所示,解释和执行结果在第三节和第四节结束。

伺服系统模型

通常包含一个驱动器的植物和一些驱动电路,它存在于伺服系统。这两个组件可以被描述为一个二阶传递函数,和植物是由执行机构。简化系统见图1伺服系统包含两个组件即静态摩擦和库仑摩擦。静态摩擦来标示Fs +和年代Fs -和库仑摩擦被指定为Fc +;Fc -。伺服系统的摩擦力是基于静态或动态摩擦模型。系统可以分解为线性和非线性的块。

的历史悠久的频域识别技术是基于协方差研究和傅里叶变换,植物被认为是永远应该是线性的。然而,这种猜测是大约不断自摩擦的存在价值。,植物可以通过一个线性元件,它解释了所指的系统动力学前馈路径和一个非线性元件,它说明了摩擦的反馈路径[2]。

答:用于神经网络训练的过程

神经网络的训练过程使用反向传播算法和最优数据集训练。早期调查获得数据集[2]和使用它作为神经网络的训练数据集s D。的输入数据集s D是包含在激励和系统级参数,波兰人,常数,直流增益,最小摩擦力。数据集D可以指定

From 上述 equation, 1 米和 2 米高和低激励大小和 NT 1 P  parameters. 是系统在图2中,代表了前馈网络结构。

反向传播训练算法的程序:

b .优化系统参数通过人工蜂群(ABC)算法

节,ABC算法用于优化系统参数。从网络数据集,系统参数进行了优化。这是一个优化算法求解PQ的问题。ABC算法由一组可能的解决方案j P(人口),由食物来源的位置表示。它包括四个阶段,如初始化阶段,采用蜜蜂阶段,旁观者蜜蜂阶段和侦察蜂阶段。ABC算法的伪代码在以下部分。

从ABC算法,我们可以得到最优控制参数控制伺服系统。提出这种方法的性能分析是在以下部分中描述

结果与讨论

该方法是在MATLAB平台上实现。伺服系统的频域识别使用提议(ABC-ANN)方法。在这里,建立了系统参数和实现。描述这些参数在第一和第三顺序给出伺服系统传递函数和Eq。(12)和Eq。(13)。安的参数使用ABC算法实现技术和代表在表i系统(s)的目标数据1 G和(s) 2 G网络是训练。从线性区块,输入激励和输出级励磁大小了。此外,该方法与实际系统和现有的频域识别方法,如混合动力技术,自适应混合动力技术和PSO-ANN。

c .实验分析伺服系统的一阶传递函数

的输出性能提出ABC-ANN识别方法研究在这一节中。那么性能比较见图4、5、6和7。用情商。(12),系统参数的提出ABC-ANN技术是获得并与PSO-ANN方法。

这里,一阶传递函数的线性分组结果表示为输出激励大小。这些输出激励级G1 (s)见图8 (a),然后确定系统的波德图G1 (s)与给定激励级和拟议中的图见图8 (b)。此外,它可以分析该系统的计算时间,可以与实际系统相比,混合动力技术、自适应混合动力技术和PSO-ANN法。该方法花费更少的时间计算过程,与实际系统相比,混合动力技术、自适应混合动力技术和PSO-ANN方法。

从上面的表中,比较的结果表明,提出的(ABC-ANN)方法提供更好的识别参数。

d .性能分析的三阶伺服系统的传递函数

在本节中,三阶传递函数模型描述。它可以分析由系统的输出ABC-ANN基于系统辨识技术。同时,提出的性能(ABC-ANN)识别方法与实际系统相比,混合动力系统,自适应混合动力技术和PSO-ANN技术。性能比较见图9,10,11和12。提出的系统参数和现有技术从情商获得。(13)。这些获得的值在表二世表示。

线性分组结果的三阶传递函数表示为输出激励大小。这些输出激励大小为2 g (s)见图13 (a)。然后,确定系统的波德图2 g (s)与给定激励大小和拟议中的图见图13 (b)。在系统II,提出系统的分析了计算时间,可以与实际系统相比,混合动力技术、自适应混合动力技术和PSO-ANN方法。该方法花费更少的时间计算过程,与实际系统相比,混合动力技术、自适应混合动力技术和PSO-ANN方法。

在比较分析,频域参数识别现有的识别技术,混合动力技术、自适应混合动力技术,PSO-ANN技术和ABC-ANN技术表II和III中给出。计算时间的混合自适应混合PSO-ANN技术,该方法已被评估。该方法的时间复杂度和现有的技术进行了分析。在系统,该方法的计算时间是62.851630秒。混合动力的计算时间,自适应混合动力和PSO-ANN方法是70.587423,70.136149和68.649127秒。对于系统II,混合的计算时间,自适应混合,PSO-ANN 72.158796和提出方法,分别为71.959824、69.568315和64.175593秒。system I和II,提出的计算性能和现有方法见图14 (a, b)。因此,该方法的计算时间较少,相比其他方法。

结论

本文提出并实现基于ABC-ANN的识别技术。该方法的输出性能与实际系统相比,混合动力技术,自适应混合动力技术和PSO-ANN。该方法优化系统参数是增强的,相比其他技术。分析系统I和II,该方法有更少的计算时间,可以与混合动力系统相比,自适应混合动力系统和PSO-ANN方法。因此,该系统的时间复杂度降低。此外,偏差表明,ABC-ANN方法是确定伺服系统表现良好。

引用

VishwasPuttige SreenathaAnavatti,“实时的基于神经网络的系统辨识技术的低成本无人机”,《工程、计算和架构,第二部,第一,2008年。

容偏航陈、Pai易黄和JiaYush日圆,一个¢频域识别算法对伺服系统与frictionA¢,IEEE控制系统技术,Vol.10,第五,pp.654 - 665, 2002年9月。

YekutielAvargel科恩和以色列,”自适应非线性系统识别在短时傅里叶变换域”,IEEE信号处理,Vol.57, pp.3891 - 3904, 2009年10月10号。

Zulfatman和m·f·马特”自调整模糊PID控制器在工业液压执行器的应用程序使用系统识别方法”,国际期刊在智能传感和智能系统中,二,二,pp.246 - 261年6月,2009年。

Evangelos g·帕帕多普洛斯,乔治·c·Chasparis”分析和基于模型的控制伺服系统的摩擦”,《动态系统,测量和控制,Vol.126 pp.911 - 915, 2004年12月。

华为印度奶茶,龙兴杨,一个¢基于模糊神经网络的模型参考自适应控制对一些武器交流伺服systemA¢,信息与计算科学杂志》上,第1辑,《- 306,2009年1月4号。

JiaYush日圆,Shih荣格黄ShuShong Lu,“新补偿器伺服系统与位置相关的摩擦”,《动态系统,测量和控制,Vol.121 pp.612 - 618, 1999年12月。

Mustafa ResaBecan“模糊边界层解非线性液压位置控制问题”,世界科学院、工程和技术,第5卷,pp.206 - 208, 2005。

LorincMarton和比拉兰托斯,“识别和基于模型补偿Striebeck摩擦”,ActaPolytechnicaHungarica,第三卷,第三,pp.45-58, 2006年。

丽丽Wang历程,曹国伟王Shiyue胡,“非线性系统时频分析:骨骼线性模型和骨架曲线”,ASME的事务,Vol.125 pp.170 - 174, 2003年4月。

文乐,“基于广义学习机神经网络系统辨识”,智能控制和系统的国际期刊,Vol.11,第一,pp.17-25, 2006年3月。

皮埃尔•杜邦文森特•海沃德布莱恩·阿姆斯特朗和FriedhelmAltpeter,“单身状态弹塑性摩擦模型”,IEEE自动控制,Vol.47,第五,pp.787 - 792, 2002年5月。

m·a·Chowdhury d . m . Nuruzzaman和m . l . Rahaman“铜摩擦系数的变化与滑动速度和相对湿度”,高级研究机械工程学报,卷2,第三,2010。

BekirSadikUnlu, HulyaDurmus CevdetMeric,一个¢在杂志上轴承摩擦系数测定实验和通过人工神经网络方法”,数学和计算应用程序,Vol.9,第三,pp.399 - 408, 2004。

j·s·d·h . m . s .康Kim Yoon, b . s .公园和j·k·李,“直线度误差补偿为单轴直线电机伺服系统阶段”,国际机械系统科学与工程学报,卷2,第一,2009年。

王JeenShing梁和Yu许,“动态非线性系统识别使用Wiener-Type复发性网络OKID算法”,信息科学与工程学报,第5期,pp.891 - 905, 2008。

IstvanKollar,“线性系统的频域识别”,IEEE仪表和测量,Vol.42,第一,pp.2-6, 1993年2月。

p . t . AhamedSeyd v . i ThajudinAhamed Jeevamma雅各和保罗·约瑟夫·K”时间和频率域分析心率变异性和相关性糖尿病”,国际生物和生命科学杂志》,第1辑,第一,pp.24-27, 2008年。

r . Pintelon j . Schoukens, g . Vandersteen“使用任意信号频域系统识别”,IEEE自动控制,Vol.42, 12路,pp.1717 - 1720, 1997年12月。

Xiaofeng吴、z .问:朗和s a·比林斯分析非线性系统的输出频率,IEEE信号处理,Vol.55, pp.3239 - 3246, 2007年7月7号。

郝太阳、HilmiLus和RaimondoBetti,¢识别结构模型使用修改后的人工蜜蜂殖民地algorithmA¢,国际期刊《计算机和结构,Vol.116 pp.59 - 74, 2013。

OzdenErcin和RamazanCoban¢线性动态系统的识别使用人工蜜蜂殖民地algorithmA¢,土耳其电气工程和计算机科学学报,第一,2012年第2期。

h . Shayeghi H.A. Shayanfar和A . Ghasemi¢应用ABC算法基于行动派的重组权力SystemsA¢,国际期刊的技术工程和物理问题,第1辑,第一,pp.114 - 119, 2012。

h . Shayeghi和A . Ghasemi¢AMOABC经济/环境负载调度算法SolutionA¢,国际期刊的技术和工程的问题,第1辑,第四,pp.82 - 88, 2012。

ZaryForghany, Mohsen Davarynejad和B。EwaSnaar-Jagalska,一个¢基因调控网络模型识别使用人工蜜蜂殖民地和群IntelligenceA¢,在IEEE国际代表大会上计算情报学报》,2012年。

Shaik。Rafi Kiran, s湿婆Nagaraju, s .同“混合技术伺服系统频域识别的摩擦力”,国际工程科学与技术学报,第三卷,第三,pp.2020 - 2030, 2011年3月。

NadezdaStanarevic,米兰大号,NebojsaBacanin一个¢修改人工蜂群算法约束问题optimizationA¢,国际期刊在应用科学的数学模型和方法,第5卷,第三,pp.644 - 651, 2011。

Mustafa桑麦资一个¢桁架结构的离散优化设计利用人工蜜蜂殖民地algorithmA¢,杂志的结构和多学科优化,施普林格,Vol.43,第一,pp.85 - 97, 2011。

DervisKaraboga和BahriyeBasturk¢一个强大的和有效的数值函数优化算法:人工蜂群(ABC) algorithmA¢,全局优化学报,施普林格,39,第三,pp.459 - 471, 2007。

Rung-Ching Chen Wei-Lung Chang Chia-Fen Shieh和悬崖c .邹一个¢使用混合人工蜂群算法扩展无线传感器网络LifetimeA¢,IEEE第三研讨会论文集在仿生计算和创新应用,156 - 161年,2012页。

翳明燕,你们张和FengjiaoGao¢动态人工蜂群算法基于支持向量机的多参数优化soft-margin classifierA¢,EURASIP杂志在信号处理的发展,施普林格,Vol.2012,第一,pp.1-13, 2012年。

程剑林和苏施郄¢使用高效的人工蜂群算法对蛋白质结构预测晶格ModelsA¢,国际期刊创新计算、信息和控制,Vol.8, 3号(B), pp.2049 - 2064, 2012。

扎基b . Nossair A . A . Madkour m·A . Awadalla和m . m . Abdulhady¢系统识别使用智能AlgorithmsA¢,13日国际研讨会论文集在航天科学和航空技术,pp.1-13, 2009年。

广州陈、王Jiaquan Ruzhong李,一个¢识别化学动力学参数的使用人工蜂群算法的混合算法和simplexA¢,人工智能和计算智能学报,施普林格,Vol.7004 pp.220 - 227, 2011。

阿里Ozturk、SerkanCobanli PakizeErdogmus和SalihTosun¢无功功率优化和人工蜜蜂殖民地algorithmA¢,国际期刊的科学论文,第5卷,No.19 pp.2848 - 2857, 2010。

Shaik Rafi Kiran, T。Sairama, S。同,一个¢频域识别的一种自适应混合动力技术的伺服系统的摩擦forceA¢,一个¢国际评估建模和模拟(I.RE.MO.S)¢,ISSN: 1974 - 9821,下册,第一,2013年2月,pp.235 - 245