基于神经网络的实时补偿技术实现伺服阀的智能状态约束控制 陈继春、 杨晓伟、 姚建勇、 卢传杰

《Actuators》：Intelligent State-Constrained Control for Servo Valves via Neural Network-Based Real-Time Compensation Jichun Chen, Xiaowei Yang, Jianyong Yao and Chuanjie Lu

　　

摘要

旋转直流驱动伺服阀（RDDSVs）因其紧凑的结构、快速的动态响应和高功率密度而在高性能电液伺服系统中受到了广泛关注。然而，提高RDDSVs的瞬态性能和稳态精度仍然是一个挑战，这主要是由于其内在的强非线性和由高频波动及未建模不确定性所带来的干扰。为了解决这些问题，本文提出了一种基于智能状态约束控制策略的RDDSVs控制方法，并采用神经网络进行实时补偿。具体而言，引入了一个非线性约束函数来直接限制状态变量的范围，从而增强了系统的瞬态响应。随后利用自适应神经网络的通用逼近特性来估计未建模的干扰，显著提高了稳态精度。此外，还集成了非线性滤波技术以减轻控制器的计算负担并提高整体系统的鲁棒性。利用李雅普诺夫理论严格证明了闭环系统的稳定性。最后，通过详细的对比仿真验证了所提出的控制算法的有效性和优越性。