بکارگیری ایده آموزش پسخورد خطا برای کنترل سرعت سیستم سروالکتروهیدرولیک با استفاده از روش لاگور

محورهای موضوعی : انرژی های تجدیدپذیر

امیررضا زارع بیدکی ¹ (مربی - دانشگاه آزاد اسلامی، واحد بوئین زهرا، باشگاه پژوهشگران جوان)
مجتبی ملبوبی ² (مربی /دانشگاه آزاد اسلامی، واحد علوم تحقیقات، تهران)
سید محمد کارگر ³ (مربی /دانشگاه آزاد اسلامی، واحد نجف آباد)
مهدی علیاری شوره دلی ⁴ (استادیار /دانشگاه خواجه نصیر طوسی تهران)

تاریخ دریافت : 1391/07/01 تاریخ پذیرش : 1392/09/15 تاریخ انتشار : 1392/11/12

کلید واژه: سیستم سروالکتروهیدرولیک, آموزش پسخورد خطا, کنترل کننده لاگور,

چکیده مقاله :

در این مقاله کنترل کننده جدید لاگور برای کنترل سرعت سیستم سروالکتروهیدرولیک پیشنهاد شده است. در این کنترل کننده روش آموزش پسخورد خطا با ایده Tracking، برای کنترل سیستم سرو به کار گرفته شده است. کنترل کننده پیشنهادی توانسته است با یک سیگنال کنترلی مناسب و در کمترین زمان نشست نسبت به روش‌های پیشین به اهداف کنترلی دست یابد. نتایج به دست آمده با کمک شبیه‌سازی معادلات غیر خطی سیستم در محیط مطلب (MATLAB)، نشان دهنده مزیت کنترل کننده جدید در زمان نشست و دامنه سیگنال کنترلی می‌باشد.

چکیده انگلیسی:

In this paper, a new Laguerre controller is proposed to control the electro hydraulic servo system. The proposed controller uses feedback error learning method and leads to significantly improve performance in terms of settling time and amplitude of control signal rather than other controllers. All derived results are validated by simulation of nonlinear mathematical model of the system. The simulation results show the advantages of the proposed method for improved control in terms of both settling time and amplitude of control signal.

منابع و مأخذ:

[1] H.E. Merritt, "Hydraulic control system", New York: John Wiley & Sons, Inc., 1967.

[2] J. Watton, "Fluid power system", New York: Prentice Hall, 1989.

[3] M.Jo., "Nonlinear control of an Electro Hydraulic Velocity Servo System", ACC, Anchorage, Alaska, USA, 2002.

[4] S.A.R. Mohseni, M. Aliyari Shooredeli, M. Teshnehlab, "EHSS velocity control by fuzzy neural networks", IEEE/NAFIPS, pp. 13-18, Meeting of the 2006.

[5] H. Azimian, R. Adlgostar, M.Teshnehlab, "Velocity control of an electro hydraulic servomotor by neural networks", IEEE/ICPC, Russia, Aug. 24-26, 2005.

[6] S.A.R. Mohseni, M. Aliyari Shooredeli, M. Teshnehlab, "Decoupled sliding-mode with fuzzy neural network controller for EHSS velocity control", IEEE/ICIAS, Malaysia, 2007.

[7] Ch.L. Asokanthan, "CMAC based controller for hydro mechanical systems", IEEE/ACC, Arlington, VA, SA, 2001.

[8] T. Oliveira e Silva, "Laguerre filters: An introduction", Revista do DETUA, Vol. 1, No. 3, pp. 237-248, Jan. 1995.

[9] H. Miyamoto, M. Kawato, T. Setoyama, R. Suzuki, "Feedback error learning neural network for trajectory control of a robotic manipulator", Neural Networks, Vol. 1, pp. 251-265, 1988.

[10] M. Kawato, "Computational schemes and neural network models for formation and control of multijoint arm trajectory", In W.T. Miller, R.S. Sutton, P.J. Werbos (Eds), Neural networks for control, The MIT Press, 1990.

[11] V.D. Kalanovic, D. Popovic, N.T.Skaug, "Feedback error learning neural netmoral 1989work for Trans-femoral prosthesis", IEEE Trans. on Rehab. Eng., Vol. 8, No.1, March 2000.

[12] M. Tavan, M. Aliyari Shooredeli, A.R. Zare Bidaki, "Stability of feedback error learning for linear systems", Milano, Italy, IFAC World Congress, 2011.

[13] M. Malboubi, F. Razzazi, M. Aliyari Shooredeli, "Elimination of power line noise from EMG signals using an efficient adaptive laguerre filter", IEEE/ICSES, 2010.

[14] H. Belt, "Orthonormal bases for adaptive filtering", PhD Thesis 2008 .

[15] M. Asadi, F. Razzazi, "Adaptive determination of the free parameters of generalized orthonormal IIR adaptive filters using genetic algorithm", IEEE/ICCCC, 2009.