一、前言 隨著自動化程度的不斷提高,運動控制系統可以采用以前很難實現的復雜算法,控制性能也有了很大的提高。運動控制系統中控制器的智能化,為解決那些用傳統方法難以解決的復雜系統的控制提供了有效的理論和方法。運動控制方法較為成熟的有:PID控制算法、人工神經網絡控制、模糊控制、專家控制、仿人智能控制等。 二、運動控制的主要方法 1.PID控制。PID控制是最早發展起來的、應用領域至今仍然廣泛的控制方法之一,它是基于對象數學模型的方法,尤其適用于可建立精確數學模型的確定性控制系統。但對于非線形、時變不確定性系統,難以用常規的PID控制器達到理想的控制效果。而且,在實際生產中,由于受參數整定方法繁雜的困擾,常規的PID參數往往整定不良、性能欠佳。 2.人工神經網絡控制。人工神經網絡起源于20世紀40年代,它從某些方面反映了人腦的基本特征,但并不是人腦的真實描寫,而只是它的抽象、簡化和模擬,網絡的信息處理由神經元間的相互作用來實現。神經網絡控制的關鍵是選擇一個合適的神經網絡模
一、前言 隨著自動化程度的不斷提高,運動控制系統可以采用以前很難實現的復雜算法,控制性能也有了很大的提高。運動控制系統中控制器的智能化,為解決那些用傳統方法難以解決的復雜系統的控制提供了有效的理論和方法。運動控制方法較為成熟的有:PID控制算法、人工神經網絡控制、模糊控制、專家控制、仿人智能控制等。 二、運動控制的主要方法 1.PID控制。PID控制是最早發展起來的、應用領域至今仍然廣泛的控制方法之一,它是基于對象數學模型的方法,尤其適用于可建立精確數學模型的確定性控制系統。但對于非線形、時變不確定性系統,難以用常規的PID控制器達到理想的控制效果。而且,在實際生產中,由于受參數整定方法繁雜的困擾,常規的PID參數往往整定不良、性能欠佳。 2.人工神經網絡控制。人工神經網絡起源于20世紀40年代,它從某些方面反映了人腦的基本特征,但并不是人腦的真實描寫,而只是它的抽象、簡化和模擬,網絡的信息處理由神經元間的相互作用來實現。神經網絡控制的關鍵是選擇一個合適的神經網絡模