随着工业控制技术的发展,液压与气动的应用也得以不断延伸,高校液压课程实践教学的要求也在日益提高,而传统的液压试验台多采用继电器等元件进行控制,存在可靠性,灵活性差等缺点。文章在传统控制方法的基础上,设计研发基于PLC控制的多功能液压教学实验平台,扩大液压实验台的功能范围,提高控制系统的柔性,有利于培养学生在机电液综合控制等方面的综合能力,方便学生学习和掌握用PLC控制各种液压回路的技术。

气动执行机构具有加速度快、成本低、功率重量比高和在恒定负载下不会过热等优点,但同时其非线性特征突出,造成难以实现高精度位置控制。对此,在非线性PID(Nonlinear Proportion-Integral-Derivative,N-PID)控制的基础上,提出了一种自调节非线性PID(Self-regulation Nonlinear Proportion-Integral-Derivative,SN-PID)的控制策略,通过粒子群优化(Particle Swarm Optimization,PSO)算法确定速度变化参数δ和β,不断地更新速动率α,利用Popov稳定判据确定非线性增益k(e)的最大值,从而调整非线性方程的输出,提高气动系统的阶跃响应。实验结果表明:SN-PID能够对负载的变化做出及时的响应,瞬态响应速度较N-PID提高2. 2倍,系统稳态误差可达0. 01 mm,SN-PID控制器下的气缸,可以快速准确地到达指定位置,而且没有明显冲击。

针对铣床主轴运行产生的热误差问题,采用改进BP神经网络预测模型,并对预测结果进行验证。融合量子粒子群算法和差分进化算法的各自优点,给出混合算法寻优操作流程。分析BP神经网络结构,给出改进BP神经网络优化流程图,构造铣床热误差适应度函数,采用混合算法优化BP神经网络预测模型。通过具体实例对铣床热误差进行实验验证,预测结果显示：BP神经网络预测偏差值较大,在Y轴、Z轴方向预测产生的偏差最大值分别为7.3μm和7.5μm,改进BP神经网络预测偏差值较小,在Y轴、Z轴方向预测产生的偏差最大值分别为2.8μm和2.9μm。同时,改进BP神经网络预测铣床热误差与实际偏差值波动较小。采用改进BP神经网络预测铣床热误差精度较高,可以提高主轴加工工件的精度。