随着控制需求的提高,计算机技术已经逐步深入地渗透到控制领域,其中尤为突出的包括以模糊神经网络等智能技术解决控制中的非线性模型辨识和自适应控制问题。对用于大型构件高效精确制造的巨型重载操作装备,其单机控制和双机协调控制具有高度的非线性,且其操作过程具有很强的面对时间有序特性。本文针对面向时间有序的操作装备过程辨识和控制问题,对计算机智能方法进行了研究,设计出用于过程辨识的模糊神经网络方法、基于动态规化的控制优化和基于决策树的双机协调控制方法,为此类工程问题提供了有效的解决方案。本文具体研究内容和主要贡献包括:(1)系统地分析了应用在过程辨识与控制方面的智能方法通过对国内外相关理论与文献的研究学习,系统地分析总结了应用在非线性模型辨识及控制方面的智能方法,包括:针对本文所研究对象的模型特点,分析了模糊神经网络在非线性辨识和自适应控制方面的应用,如操作机目前在控制中的方法及其所存在的问题;系统研究了用于最优化问题的动态规划,、机械结构顺应控制的方法及特点,现有双机械结构协调控制的方法与特点,以及数据挖掘中的分类方法决策树。(2)构建对象的相似模型并对其工作过程特点进行了分析为了提高锻造操作机的工作性能,针对某一型号的锻造操作机设计了相似机构,并采用几何方法建立了该机构的正运动学和逆运动学模型,分析了其工作空间,采用雅克比矩阵的方法分析了奇异性,给出了钳杆在不同姿态角时奇异点的轨迹;基于正向雅克比矩阵分析了各自由度之间的运动学耦合性。分析表明,机构在工作空间内无奇异,钳杆做小幅度锻压运动时,各自由度之间的运动学耦合性可以忽略不计,这很大程度上简化了机构的运动学控制。采用虚功原理方法建立了其逆动力学模型。为减小机构动力学非线性对响应性能的影响,采用动力学前馈方法将钳杆按期望轨迹运动时所需的驱动力分配给各液压缸驱动单元,并以液压缸驱动单元位置动态性能的提高来改善钳杆的位姿跟踪性能。为此,考虑液压系统的非线性,利用反馈线性化方法将液压缸驱动单元转化为一个二阶线性系统,通过四个参数的设定来确定液压缸驱动单元的自然频率及阻尼比、以及改善系统的动态响应过程。仿真结果表明了这种控制方法的有效性。然后对该操作机对象的工作条件、原理及控制问题进行了分析,以便设计适当的智能方法解决此类过程控制问题。(3)提出了一种面向时间有序的模糊神经网络过程辨识方法操作过程分成不同的有序阶段,根据载荷的不同在每个阶段呈现出不同的非线性特点,而一般的模糊神经网络只具有无序的非线性映射能力,在处理这类针对时间有序的过程辨识时,通过提出一个对操作过程有序分段的算法、一个对相应段的判断函数和一个层内神经元的激活函数,来构建一种层内神经元之间带有向链接的特殊的模糊神经网络,从而实现对对象的过程辨识。其中有序分段算法按照震荡或者平稳对整个过程进行有序划分,过程判断函数判断某个采样时间的变量输入属于哪个阶段并使该段的神经元激活,激活函数实现将其相邻段的神经元激活,通过该模糊神经网络得到输出后,利用边界调整算法和误差反传的思想对网络进行修整学习。仿真实验结果表明,得到的网络可充分描述装备在整个操作过程中不同阶段输入的力的输出情况,解决了无法对对象进行数学建模的问题。(4)提出了一种基于动态规划与模糊神经网络的控制优化方法为了保证巨型重载操作装备在运动过程中操作杆输出速度的平稳,通过构造一种新型层内神经元之间带有向链接的适用于过程辨识的模糊神经网络,来辨识操作机的对象模型,为动态规划提供非线性关系模型,然后设计一种具有优化比例因子的动态规划算法对操作杆液压缸的速度与力进行寻优,解决了动态规划算法很难在互相耦合的约束条件间寻优的问题,继而通过液压缸的闭环速度控制完成操作杆的主动顺应过程,使其实际速度得到控制优化。仿真实验结果表明,该方法有效消除了控制优化前实际输出的震荡,并在增大受力的必然约束下寻找到了一个优化控制解,为重载操作装备的双机协调控制提供了单机基础。(5)提出了一种基于决策树与模糊神经网络的双机协调控制方法将双机协调控制过程整体设计为决策和执行两层,其中决策层通过构建有序的模糊决策树生成对双机的协调策略;执行层则用模糊神经网络控制结构来完成协调后的单机自适应控制执行过程。首先用适应于过程辨识的模糊神经网络为决策树提供对象模型,然后设计了分类结果为模糊隶属度的针对时间有序的决策树,为双机提供上层协调策略,并为单机控制器提供了输入,最后由模糊神经网络控制器对决策树的分类决策执行单机的自适应控制,从而完成整个双机的协调自适应控制过程,并通过仿真实验验证了其有效性。本文以上的研究内容与成果丰富了模糊神经网络、动态规划及数据挖掘中分类方法决策树等方向的研究工作,有效解决了面向时间有序的模型辨识和控制问题,提供了解决这类问题的一套整体方案,扩展了计算机领域中的智能方法在控制领域中的应用,具有一定的理论意义和应用价值。