舵机负载模拟器设计与实现

摘要

舵机负载模拟器是在实验室条件下对飞行器舵机进行模拟气动载荷实验的半实物仿真设备。负载模拟器工作在被动加载模式时，舵机主动运动会引起多余力矩，严重影响系统载荷谱跟踪精度。如何补偿和抑制多余力矩是负载模拟器需要解决的重要技术难题。本文主要对电动负载模拟器的控制与实现进行了研究，所完成的主要工作主要包括以下几个方面:
　　首先，建立了包含死区非线性环节的电动负载模拟器数学模型，分析了多余力矩的产生机理。使用基于结构不变性原理的前馈控制对多余力矩进行补偿和抑制，并结合传统PID算法对电动负载模拟器进行控制，验证传统控制算法的有效性，并指出其存在的不足。
　　然后，针对经典控制算法在解决电动负载模拟器数学模型不精确、非线性和参数时变等问题存在的局限性，研究了使用神经网络对电动负载模拟器进行控制。使用BP神经网络控制器实现PID参数的在线调节;使用网络结构固定的RBF神经网络与网络结构动态调整的RAN网络和MRAN网络对电动负载模拟器进行在线辨识;神经网络辨识器与单神经元PID控制器相结合，对负载模拟器进行控制，实现了电动负载模拟器的高精度加载。
　　最后，对所设计的电动负载模拟器进行关键设备选型，介绍电动负载模拟器加载控制器各模块的软硬件实现，给出控制软件的算法实现流程和实际的加载控制效果。测试结果表明，所设计的电动负载模拟器满足性能指标要求。

目录

摘要

注释表

缩略词

第一章 绪论

1．1 课题研究的背景和意义

1．2 舵机负载模拟器系统的关键技术

1．3 舵机负载模拟器评价指标

1．4 舵机负载模拟器控制方法研究

1．4．1 传统控制方法

1．4．2 先进控制方法

1．5 论文研究内容

1．6 本章小结

第二章 电动负载模拟器系统建模及其控制分析

2．1 引言

2．2 电动负载模拟器系统组成及工作原理

2．3 电动负载模拟器的数学模型

2．3．1 直流力矩电机的数学模型

2．3．2 扭矩传感器的数学模型

2．3．3 直流力矩电机驱动器的数学模型

2．3．4 电动负载模拟器的整体数学模型

2．4 多余力矩的产生机理

2．5 多余力矩的前馈控制

2．6 电动负载模拟器的经典PTD控制

2．6．1 静态加载特性

2．6．2 动态加载特性

2．7 本章小结

第三章 神经网络控制在舵机负载模拟器中的应用

3．1 引言

3．2 传统控制算法的局限性

3．3 基于BP神经网络参数自学习PID算法

3．3．1 BP神经网络

3．3．2 基于BP神经网络参数自学习PID控制器

3．3．3 仿真分析

3．4 基于RBF神经网络辨识的单神经元PID算法

3．4．1 RBF神经网络

3．4．2 RBF神经网络辨识

3．4．3 仿真分析

3．5 基于RAN网络辨识的单神经元PID算法

3．5．1 RAN网络

3．5．2 RAN网络学习算法

3．5．3 RAN网络算法实现

3．5．4 RAN网络的优点

3．5．5 仿真分析

3．6 改进的RAN网络

3．6．1 RAN网络的不足

3．6．2 MRAN算法

3．6．3 仿真分析

3．7 几种算法的对比

3．8 本章小结

第四章 负载模拟器系统设计与实现

4．1 引言

4．2 舵机负载模拟器的关键部件选型

4．2．1 加载电机的选型

4．2．2 光电编码器的选型

4．2．3 扭矩传感器的选型

4．2．4 直流力矩电机驱动器的选型

4．3 舵机负载模拟器的实现

4．3．1 μC／OS-Ⅱ嵌入式实时操作系统

4．3．2 数据通信

4．3．3 力矩采样

4．3．4 力矩输出

4．3．5 采集编码器

4．3．6 开关量控制

4．3．7 传感器标定

4．3．8 算法流程实现

4．4 舵机负载模拟器实物

4．5 实际控制效果

4．5．1 多余力矩抑制

4．5．2 静态加载

4．5．3 动态测试

4．6 本章小结

第五章 总结与展望

5．1 论文主要内容

5．2 工作展望

参考文献

致谢

在学期间的研究成果及发表的学术论文