Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
Thông tin chung
English
Đề tài NC khoa học
Bài báo, báo cáo khoa học
Hướng dẫn Sau đại học
Sách và giáo trình
Các học phần và môn giảng dạy
Giải thưởng khoa học, Phát minh, sáng chế
Khen thưởng
Thông tin khác
Tài liệu tham khảo
Hiệu chỉnh
Số người truy cập: 111,198,957
Ứng dụng mạng nơ-ron tuyến tính hóa phản hồi điều khiển thích nghi vị trí bàn trượt
Tác giả hoặc Nhóm tác giả:
ThS. Võ Khánh Thoại*
Nơi đăng:
Tạp chí Khoa học Công nghệ ĐHĐN;
S
ố:
1(122).2018;
Từ->đến trang
: 90;
Năm:
2018
Lĩnh vực:
Xã hội nhân văn;
Loại:
Bài báo khoa học;
Thể loại:
Trong nước
TÓM TẮT
Điều khiển vị trí bàn trượt trong các máy gia công cơ khí là vấn đề rất quan trọng, đặt biệt trong các máy CNC đòi hỏi vị trí bàn trượt cần phải có độ chính xác cao. Đa số trong các máy gia công cơ khí, bộ điều khiển tốc độ, vị trí... đều sử dụng bộ điều khiển PID nên ít có khả năng thích nghi với nhiễu cũng như sự thay đổi tham số của mô hình. Bài báo này đề xuất một giải pháp ứng dụng bộ điều khiển NARMA-L2 (Nonlinear Autoregressive-Moving Average) là bộ điều khiển nơron thích nghi. Ý tưởng của bộ điều khiển loại này là xấp xỉ gần đúng hệ thống động lực học phi tuyến thành hệ thống động lực học tuyến tính. Ban đầu là việc xây dựng mô hình hệ thống, sau đó dùng bộ điều khiển NARMA-L2 để nhận dạng hệ thống và tạo ra tín hiệu điều khiển cung cấp cho đối tượng. Kết quả nghiên cứu cho thấy khả năng thích nghi với nhiễu và sự thay đổi của tham số mô hình trong quá trình vận hành của bộ NARMA-L2 tốt hơn bộ PID.
ABSTRACT
Control of sliding table position in mechanical work machines is very important, especially In CNC machines because it requires high accuracy. In most mechanical machines, speed or position controllers have used PID controllers, so they are less adaptable to the noise as well as the parameter changes of the model. This paper proposes a solution that uses a feedback linearization control and a nonlinear autoregressive-moving (NARMA-L2) adaptive neuron controller. The idea of this type of controller is to approximate the nonlinear dynamical system into a linear dynamical system. Initially, the system model is built, then the NARMA-L2 controller is used to identify the system and generate control signals for the object. The results of this study show that the ability to adapt to noise and the change in model parameters during operation of the NARMA-L2 is better than that of the PID controller.
© Đại học Đà Nẵng
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn