Disturbance estimation for the hydraulic drive system based on the state observer and neural network

https://doi.org/10.31130/ud-jst.2023.262E

##plugins.themes.academic_pro.article.main##

Author

  • Chu Duc Chinh
    Academy of Military Science and Technology, Hanoi, Vietnam
    Le Tran Thang
    Academy of Military Science and Technology, Hanoi, Vietnam
    Nguyen Van Vu
    Academy of Military Science and Technology, Hanoi, Vietnam

Từ khóa:

Disturbance estimation
parallel model
RBF neural network
state observer

Tóm tắt

Hệ thống truyền động servo thủy lực có khả năng hoạt động ổn định, có độ tin cậy cao trong điều kiện hoạt động liên tục, công suất lớn. Bên cạnh những ưu điểm đó thì hệ thống luôn tồn tại các yếu tố phi tuyến, bất định ảnh hưởng đến chất lượng của bộ điều khiển truyền động. Các yếu tố phí tuyến, bất định bao gồm các nhiễu tác động và yếu tố bất định của mô hình hệ thống. Bài báo này đề xuất một phương pháp nhận dạng tổng các tác động phi tuyến và nhiễu cho hệ truyền động servo thủy lực sử dụng bơm piston hướng trục trên cơ sở ứng dụng mạng nơron xuyên tâm RBF (Radial Basis Functions) và mô hình quan sát trạng thái. Kết quả mô phỏng cho thấy tổng nhiễu và các yếu tố phi tuyến có thể ước lượng một cách chính xác theo thời gian thực thông qua luật cập nhật trọng số.


 

Tài liệu tham khảo

    [1] Jin, J. Song, Y. Li, Z. Zhang, H. Zhou, and X. Chang, “Linear active disturbance rejection control for the electro-hydraulic position servo system”,Science Progress, vol. 104, no. 1, pp. 1-30, 2021. https://doi.org/10.1177/00368504211000907
    [2] E. M. Essa, M. A. Aboela, and M. A. M. Hassan, “Position control of hydraulic servo system using PID controller turned by some evolutionary techniques”, Journal of Vibration and Control, vol. 22, no. 12, pp. 2946-2957, 2016. https://doi.org/10.1177/1077546314551445
    [3] Yang, Y. Cui, Z. Yuan, and J. Hang, “RISE-based adaptive control of electro-hydraulic servo system with uncertain compensation”, Mathematical Biosciences and Engineering, vol. 20, no. 5, pp. 9288-9304, 2023. https://doi.org/10.3934/mbe.2023407
    [4] K. Pandey, K. Dasgupta, N. Kumar, and A. Vardhan, “Leakage analysis of Bent-axis hydro-motors: An experimental study”, Journal of the Chinese Society of Mechanical Enginners, vol. 38, no. 1, pp. 93-98, 2017.
    [5] Samakwong and W. Assawinchaichote, “PID controller design for electro-hydraulic servo valve system with genetic algorithm”, ISSN 1877-0509, vol. 86, pp. 91-94, 2016. https://doi.org/10.1016/j.procs.2016.05.023
    [6] Guo, X. Zha, Y. Shen, Y. Wang, and G. Chen, “Research on PID position control of a hydraulic servo system based on Kalman genetic optimization”, Actuators, vol. 11, no. 16: 162, 2022. https://doi.org/10.3390/act11060162
    [7] Hao and J. Kan, “Application of self-tuning fuzzy proportional-integral-derivative control in hydraulic crane control system”, Advances in Mechanical Engineering, vol. 8, no. 6, pp. 1-10, 2016. https://doi.org/10.1177/1687814016655258
    [8] H. Cong, “Research on the application of neural networks in identification and control robot arm – a nonlinear dynamic object”. The University of Danang - Journal of Science and Technology, vol. 5, no. 102, pp. 14-18, 2016.
    [9] Song, J. Liu, and H. Wang “Adaptive Neural Network control for uncertain switched nonlinear systems with time delays”. IEEE Access, vol. 6, pp. 22899-22907, 2018. https://doi.org/10.1109/ACCESS.2018.2827399
    [10] Liu, Radial Basis Function (RBF) neural network control for mechanical systems, New York: Springer, 2013.
    [11] Ma and Y. Li, “Active disturbance compensation based robust control for speed regulation system of permanent magnet synchronous motor”, Applied Sciences, vol. 10, no. 2, pp. 709, 2020. https://doi.org/10.3390/app10020709
    [12] Yordanova, M. Slavov, and G. Prokopiev, “Disturbance compensation in fuzzy logic control of level in carbonisation column for soda production”, WSEAS Trans. On Systems and Control, vol. 15, pp. 64-72, 2020. https://doi.org/10.37394/23203.2020.15.8
    [13] Ren, S. Jiao, X. Wang, and J. Li, “Adaptive RBF neural network control method for Pneumatic position servo system”, IFAC PapersOnline, vol. 53, no. 2, pp. 8826-8831, 2020. https://doi.org/10.1016/j.ifacol.2020.12.1394
    [14] Lian, J. Hu and S. H. Zak, “Variable neural network adaptive robust observer for uncertain systems”, IEEE International Symposium on Intelligent Control, pp. 1335-1340, 2011. https://doi.org/10.1109/ISIC.2011.6045403
    [15] Z. Has, M. F. Rahmat, A. R. Husain, and M. N. Ahmad, “Robust precision control for a class of Electro-Hydraulic actuator based on disturbance observer”, Int. J. Precis. Eng. Manuf., vol. 16, pp. 1753-1760, 2015. https://doi.org/10.1007/s12541-015-0230-y
Xem thêm

##plugins.themes.academic_pro.article.sidebar##

Đã Xuất bản

Dec 31, 2023
Download
PDF (English)
Cách trích dẫn
Chinh, C. D., L. T. Thang, và N. V. Vu. “Disturbance Estimation for the Hydraulic Drive System Based on the State Observer and Neural Network”. Tạp Chí Khoa học Và Công nghệ - Đại học Đà Nẵng, vol 21, số p.h 12.1, Tháng Chạp 2023, tr 17-21, doi:10.31130/ud-jst.2023.262E.

##plugins.themes.academic_pro.article.details##