机电一体化系统中智能控制应用研究

《机电一体化系统中智能控制应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、机电一体化系统中智能控制应用研究　　摘要：随着科学技术的不断发展，机电一体化系统已日趋成熟并得以广泛应用。我国的机电一体化系统建设正处于一个快速发展的黄金时期，随着智能系统在机电一体化中的应用越来越广泛，在现阶段机电一体化起着至关重要的作用，也必将促使机电一体化技术的发展产生质的飞跃。本文将从智能系统与机电一体化的角度出发，着眼两者的融合应用，研究机电一体化系统中智能控制的应用。关键词：机电一体化；智能控制；应用；分析中图分类号：TH-39文献标识码：A文章编号：前言目前，机电一体化已经覆盖了多个领域，促进了机电一体化技术不断进步。但在实际的生活中，很多机电一体化应用中的农业与工

2、业对象具有多层次、不确定性、非线性等特征，给机电一体化的发展带来了很大的难题。智能控制系统的出现及应用，为机电一体化的长远发展创造了良好的外部环境。因此，智能控制在机电一体化方面的应用越来越受到人们的重视。一、机电一体化系统中智能控制的概述6智能控制是在传统理论的基础上发展起来的，传统控制仅是智能控制的一部分，属于智能控制的最低级阶段。智能控制系统的机构是开放的、分布式的，对综合信息的处理能力比较强。智能系统不仅追求机电一体化的高度自治，更注重全局性的优化。智能控制是一个多学科相互交叉的学科，其理论基础是自动控制理论、人工智能、信息论及运筹学的交叉。智能控制的任务及主要对象具有不

3、确定性、高度复杂及非线性的要求，而传统控制形式的方法，一般仅能用于单一的任务对象，通常要求有精确的数学模型。二、智能控制的有效应用是机电一体化的必然趋势6从20世纪90年代的后期开始，一些较发达国家的机电一体化技术已经进入了智能控制的新阶段。一方面，通信技术、光学等加入到机电一体化行列中，微细加工技术也逐步在机电一体化中得以有效应用，出现了微机电一体化及光电一体化等新的分支结构；另一方面，有关机电一体化系统建模的分析、设计以及集成方法，机电一体化学科体系及发展趋势等都开展了深刻的研究。同时，因为神经网络技术、人工智能控制和光纤技术等多领域都有了较大进步，这为机电一体化的技术发展提

4、供了广阔空间，也为产业化奠定了基础。智能控制已成为21世纪机电一体化发展的必然趋势，它在控制理论的基础上，加以运筹学、模糊数学、计算机科学、生理学、心理学、混沌动力学及人工智能等众多新方法、新思想，通过对人类智能的模拟，使其具有思维逻辑、判断推理能力以及决策能力，以获得更准确的控制目标。智能控制已经在机电一体化的系统研究中日益受到重视，建筑智能化及机器人的智能化就是其典型应用。三、智能控制在机电一体化系统中的应用从20世纪90年代后期，机电一体化技术向智能控制发展，开辟了机电一体化技术发展的新篇章。机电一体化的未来发展必将是以智能化作为主要方向，智能控制的优劣直接决定机电一体化系

5、统的整体水平。1、智能控制在机械制造过程中的应用。机械制造是机电一体化系统中的重要组成部分，当前最先进的机械制造技术就是将智能控制技术与计算机辅助技术有机结合，向智能机械制造技术的方向发展。其最终目标是利用先进的计算机技术取代一部分脑力劳动，从而模拟人类制造机械的活动。同时，智能控制技术利用神经网络系统计算的方法对机械制造的现状进行动态地模拟，通过传感器融合技术将采集的信息进行预处理，从而修改控制模式中的参数数据。智能控制在机械制造中的应用领域包括：机械故障智能诊断、机械制造系统的智能监控与检测、智能传感器及智能学习等。2、智能控制在数控领域中的应用。6随着科学技术的发展，我国的

6、机电一体化技术的发展对数控技术提出了更高的要求，不仅需要完成很多的智能功能，还需要扩展、模拟、延伸等新的智能功能，从而使得数控技术可以实现智能编程、智能监控、建立智能数据库等目标，运用智能控制技术可以实现这些目标。比如说，利用专家系统可以数控领域中难以确定算法与结构不明确的一些问题进行综合处理，再运用推理规则将数控现场的一些数控故障信息进行推理，从而获得维修数控机械的一些指导性建议。3、智能控制在机器人领域的应用在动力学体系中，机器人通常是强耦合、非线性、时变的；在传感器的信息中，机器人是多信息的；在控制参数中是多变的、控制任务上是多任务的；机器人的这些特点非常适合智能控制的有效

7、应用。6目前，智能控制已经应用到机器人领域的多个方面，比如机器人的多传感器信息的融合及视觉上的处理、机器人在移动行走时躲避障碍的行为以及行走的路径、定位与轨迹跟踪；机器人手臂的动作、姿态的控制等。通过人工神经的网络系统、模糊控制及专家技术队机器人进行环境建模、控制、检测、定位及规划等方面的研究日趋成熟，并在众多应用系统中得以证明。神经网络的特点是自学能力强、非线性映射能力强、实效性好，所以在机器人的动力学中广泛应用，尤其适用于多角度的机械臂现场学习及控制。通过神经网络的方式，可融