基于神经网络的电动负载模拟器控制策略研究

摘要

电动负载模拟器是采用电动机作为执行元件的舵机加载装置，用来在实验室条件下模拟飞行器飞行过程中其舵面所受的负载情况，是武器系统地面仿真的重要设备。由于加载电机需在被动跟随舵机运动的同时完成力矩加载，不可避免地存在被动式系统共有的多余力矩问题。多余力矩的存在严重制约了加载系统的性能，使得加载电机的力矩输出不能精确复现载荷曲线。因此如何抑制系统的多余力矩，研究发展高性能的舵机加载设备显得十分迫切。
　　由于电动加载系统是一个强干扰的典型非线性系统，系统中存在耦合、滞后、机械摩擦等因素，而且被加载对象通常具有不确定性，因此采用基于被控对象精确数学模型的传统控制策略，多余力矩的抑制效果往往不是很理想。针对电动加载系统控制的复杂性，论文引入了神经网络控制，利用神经网络强大的非线性逼近能力，可以实现转矩输出的精确跟踪。
　　论文首先设计了以永磁直流力矩电机为加载执行元件的电动加载系统总体方案，建立了系统各部分的数学模型。在此基础上，分析了多余力矩与舵机运动的关系以及影响多余力矩的主要因素。结合电动加载系统的运行特点，提出了一种改进结构的单神经元PID自适应控制策略。为了更好地抑制系统的多余力矩，论文从补偿思想出发，进一步设计了基于传统PID结构和对角回归神经网络相结合的复合控制策略。将舵机的位置干扰引入控制器中，利用神经网络进行前馈补偿，不需要辨识系统的模型就可以获得良好的控制性能。同时，对网络规模及学习速率进行了优化处理，增强了系统的泛化能力，有效地控制了计算量。仿真分析结果表明，该复合控制策略无论从多余力矩的抑制还是从系统的快速性、鲁棒性方面来说都具有良好的性能。
　　最后，设计了基于VB语言的电动加载系统主控界面，并采用DSP运动控制卡作为控制器的实现方式，在此基础上进行了相关的实验研究。

目录

基于神经网络的电动负载模拟器控制策略研究

RESEARCH ON ELECTRIC LOADINGSYSTEM CONTROL STRATEGY BASEDON NEURAL NETWORK

摘要

Abstract

绪论

1.1 课题背景

1.1.1 负载模拟器的应用

1.1.2 负载模拟器的发展

1.1.3 负载模拟器的基本原理

1.2 电动负载模拟器研究现状

1.2.1 电动负载模拟器的特点

1.2.2 国内外的研究现状

1.3 电动负载模拟器的发展趋势

1.3.1 系统主要控制问题

1.3.2 抑制多余力矩的控制方法研究

1.4 本文研究的主要内容

第2章 系统总体方案设计

2.1 系统的硬件结构

2.1.1 电动加载系统组成

2.1.2 加载电机

2.1.3 PWM驱动装置

2.2 电动加载系统数学模型

2.2.1 转矩传感器模型

2.2.2 舵机模型

2.2.3 加载电机模型

2.3 系统的软件结构

2.3.1 多余力矩分析

2.3.2 控制策略选择

2.3.3 软件设计

2.4 本章小结

第3章 电动负载模拟器的神经网络控制

3.1 神经网络简介

3.2 单神经元PID自适应控制

3.2.1 单神经元网络结构

3.2.2 单神经元PID网络算法

3.3 基于对角回归神经网络的复合控制

3.3.1 对角回归神经网络的数学模型

3.3.2 复合控制器的设计

3.4 网络参数的确定

3.4.1 网络结构的剪枝算法

3.4.2 学习速率选择

3.5 本章小结

第4章 系统仿真分析

4.1 仿真模型的建立

4.2 电动加载系统仿真分析

4.2.1 舵机位置跟踪

4.2.2 多余力矩对系统性能的影响

4.2.3 控制系统仿真分析

4.3 本章小结

第5章 电动负载模拟器系统的实现

5.1 系统的硬件结构

5.1.1 加载电机及其驱动器

5.1.2 控制器结构

5.1.3 测量元件

5.2 系统软件设计

5.2.1 系统软件结构及功能

5.2.2 调理电路及数字滤波

5.3 控制系统的调试

5.4 本章小结

结论

参考文献

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

哈尔滨工业大学硕士学位涉密论文管理

攻读学位期间发表的学术论文

致谢