为了克服工业机械臂的未知负载力矩和摩擦等干扰因素的影响,采用迭代学习算法设计了滑模控制律。首先建立了工业机械臂数学模型,然后设计了二阶非奇异快速终端滑模面,同时提出了滑模控制律,最后利用迭代学习方法来改善滑模控制律的抖振现象,并进行了收敛性分析。仿真结果表明设计的基于迭代学习的滑模控制律能够有效消除各种干扰因素的影响,实现对工业机械臂运动轨迹的精确控制,最大跟踪误差仅为0.3mm,在实测验证中的最大跟踪误差也仅为0.17mm,平均运行时长仅为1.73s,大幅提升了对工业机械臂的控制精准度。

为了提高双离合自动变速器(DCT)在各种干扰条件下对期望液压的跟踪精度,提出了一种基于状态观测器的滑模鲁棒控制方法。首先将DCT的工作过程分为空程和滑磨两个阶段进行分析,并分别建立数学模型,然后通过设计自适应律估计出DCT不确定性,并设计了状态观测器来估计DCT活塞位移,最后提出空程和滑磨阶段的滑模鲁棒控制律,实现对DCT液压的精确控制。实验结果表明:设计的方法较模糊PID控制具有更优的性能,液压最大跟踪误差仅为10kPa,同时设计的自适应律能够快速和准确地估计出不确定性,最大估计误差仅为1kPa/s,设计的状态观测器也能够准确估计出活塞位移,最大估计误差仅为0.3×10-3m,大幅提高了DCT液压的控制精度。

本文提出了"浏览—分解—倒推—整合"的数控机床液压系统图识读方法。该方法根据执行元件数目将系统分解为若干子系统,用油液倒推法将每个子系统划分成若干个分支回路,在分支回路原理分析的基础上整合出子系统原理,进而整合出系统原理。有效解决了识图中分支油路多的困难,并以实例说明该方法的实用性和有效性。