传统传感器控制技术存在响应时间长、稳定性差的问题。为了解决此问题,提出了一种结合比例积分微分(proportional integral differential, PID)控制与自适应连续终端滑模控制的双闭环控制策略对电机进行控制。内环采用基于麻雀搜索算法优化的模糊PID控制,实现了电机的转子位置与速度的快速调节。对于外环,采用龙伯格扰动观测器与自适应趋近律对连续终端滑模控制进行改进,提出了自适应连续终端滑模控制。实验结果表明,自适应连续终端滑模控制可以提高直流电机控制系统的控制精度、响应速度和鲁棒性,并抑制抖振。
开展了实验盘磨过程粉体粒度分布形状预测优化控制方法及物理实验验证的研究。首先,利用径向基函数神经网络(radial basis function neural network, RBFNN)对粉体粒度分布的概率密度函数(probability density function, PDF)进行逼近,采用逆积分计算得到PDF对应的权值向量;其次,基于迭代学习更新机制对径向基函数的中心值和宽度值进行调整,同时采用子空间辨识建立权值向量的动态模型,进而得到实验盘磨过程粉体粒度分布形状的输出PDF模型;最后,基于所建立的输出PDF模型设计预测优化控制器,使粉体粒度分布的实际PDF形状能够跟踪期望PDF形状。数据仿真和物理实验的结果验证了所提方法的有效性和可行性。