基于小波神经网络的某坦克炮平衡与定位控制

摘要

坦克炮控高低向调炮电液伺服控制系统是坦克炮控系统的重要组成部分，在实际作战中要求其具有反应速度快、控制精度高以及抗干扰能力强等特点。但由于该电液控制系统是一种典型的非线性时变系统，诸多不确定因素以及非线性干扰的存在大大增加了此类系统的控制难度。本文拟采用GA-BP神经网络对系统进行辨识并通过小波神经网络设计系统控制器。通过试验仿真，验证该方法对本文所研究系统的控制效果。
　　本文首先介绍坦克炮控高低向调炮电液伺服控制系统的工作流程与火炮身管平衡的方法，对系统的硬件部分做出设计并对主要元件进行选型，通过计算，推导系统的传递函数。其次对小波分析与神经网络的理论与概念进行大致介绍，最后对两者结合而产生的小波神经网络进行介绍，并确定其结构与算法等。然后选取系统辨识的输入信号，设计系统辨识模型的主要参数。通过AMESim软件搭建系统的液压回路模型，并通过与Simulink软件进行联合仿真得出本液压系统的输出数据。使用BP神经网络算法进行系统辨识。针对BP神经网络辨识结果中存在的不足，使用GA-BP神经网络对系统进行再次辨识，辨识结果显示GA-BP神经网络辨识所得结果有较高的精度，满足系统要求。最后针对本电液伺服系统的位置控制，采用小波神经网络算法与PID算法对系统的控制器进行设计。通过分析仿真结果，得出基于小波神经网络控制算法设计出的控制器具有更好的控制性能。系统的控制精度与响应速度等均能满足系统的性能要求。

目录

声明

摘要

图表目录

1 绪论

1．1 课题背景

1．2 坦克炮控系统

1．2．1 国内外炮控系统的现状及其发展

1．2．2 电液式与全电式炮控系统的优缺点

1．3 炮控系统的控制方式

1．4 论文的主要内容

2 坦克炮控系统综述

2．1 坦克炮控电液伺服控制系统的工作流程

2．2 坦克炮身管的平衡

2．3 系统硬件组成简述

2．3．1 控制计算机模块

2．3．2 数据采集卡

2．3．3 旋转变压器与数字转换模块

2．3．4 伺服放大器

2．3．5 液压模块及执行机构

2．3．6 发射角度与液压缸伸缩长度间的关系

2．4 电液伺服系统传递函数

2．4．1 电液伺服系统

2．4．2 电液伺服系统传递函数的建立

2．5 本章小结

3 小波神经网络

3．1 小波分析

3．1．1 小波变换

3．1．2 几种常用小波

3．2 神经网络

3．2．1 人工神经网络简介

3．2．2 神经网络的结构及学习方式

3．2．3 BP神经网络

3．3 小波神经网络

3．3．1 小波神经网络的结构形式

3．3．2 小波神经网络的学习算法

3．3．3 小波神经网络结构的确定

3．4 本章小结

4 电液伺服系统的辨识

4．1 系统辨识基础

4．1．1 系统辨识的内容

4．1．2 系统辨识的步骤

4．2 辨识数据与数据处理

4．2．1 辨识数据的选取

4．2．2 训练模型的设计

4．2．3 辨识数据获取与预处理

4．3 基于BP神经网络的系统辨识

4．3．1 BP神经网络结构设计

4．3．2 BP神经网络的学习算法

4．4 基于GA-BP神经网络的系统辨识

4．4．1 基于遗传算法优化的BP神经网络算法

4．4．2 GA-BP神经网络的系统辨识

4．6 本章小结

5 系统控制器设计与性能比较

5．1 PID控制器设计

5．1．1 PID控制

5．1．2 基于BP神经网络的PID控制器设计

5．2 小波神经网络控制器设计

5．2．1 自适应控制

5．2．2 神经网络自适应控制

5．2．3 小波神经网络控制器设计

5．3 系统仿真与分析

5．3．1 系统输入阶跃信号的仿真结果与分析

5．3．2 系统输入正弦信号时的结果与分析

5．4 本章小结

6 结束语

致谢

参考文献

附录

读硕士学位期间发表的论文和出版著作情况