深弹舵机电动力加载控制系统的建模与仿真

通过论述加载系统的组成及控制原理,研究了声制导深弹舵机电动加载控制系统。对系统建立了可行的数学模型,并在matlab中的simulink环境下对系统进行了仿真。通过仿真,分析了影响多余力矩产生的因素,并提出了抑制多余力矩的方法。实验结果表明：系统的响应速度快,精度高,完全符合现实舵机电动力加载的指标要求。从而证实了系统建模用到的原理、理论是可行的、有效的;对实物工程的实现有一定的参考作用;对舵机电动加载的进一步研究有借鉴作用。     

电动负载模拟器多余力矩抑制方法研究

为了解决多余力矩对电动负载模拟器强干扰,影响加载指令跟踪精度的问题,论文将基于蚁群优化的PID控制方法用于加载电机控制器的设计。首先在分析加载电机结构以及工作原理的基础上建立了电动加载系统的数学模型,并利用结构不变性原理进行前馈补偿推导;其次针对常规PID控制器无法通过变参数来应对复杂的非线性环境的问题,提出了一种基于蚁群算法优化PID控制器参数的复合控制策略;最后通过仿真验证了该控制策略在对多余力矩消除上要优于常规的PID控制。     

神经元控制器在电动负载模拟器中的应用

针对在小转矩加载和对快速性要求较高的场合,电动负载模拟器多余力矩和参数变化的问题,提出了一种基于前馈和反馈相结合的新型单神经元控制器,该控制器在误差较大时切换到bang-bang控制模式。仿真结果表明,该控制器在抑制多余力矩、提高系统鲁棒性和对给定信号的动态跟踪性能方面都具有良好的性能;且其算法简单,学习速度快,易于实现,具有较大的工程实用价值。     

基于在线智能优化PI控制器的电动加载系统控制方法

为抑制电动加载系统在加载的过程中受到承载系统主动运动带来的多余力矩的干扰,而经典的PI控制难以满足控制的准确性、快速性的需求,提出了基于Hopfield神经网络在线优化PI控制。研究了电动加载系统工作原理并采用机理法建立了电动加载系统的数学模型,利用Hopfield网络能够寻优的特性优化PI参数,通过选取合适的能量函数,网络从初始状态经过有限次网络反馈与迭代计算过程向着能量极小点演变,此时Hopfield神经网络趋于稳定,其输出即为最优的PI控制参数。仿真结果表明该控制方法能够更好地抑制多余力矩,加载精度高。     

一种自适应CMAC 在交流励磁水轮发电系统中仿真研究

在分析常规CMAC结构的基础上，针对一类非线性、参数时变和不确定的控制系统，提出了一种自适应CMAC神经网络的控制器．该控制器以系统动态误差和给定信号量作为CMAC的激励信号，并与自适应线性神经元网络相结合构成系统的复合控制．为了验证其有效性，将其应用到交流励磁水轮发电机系统的多变量非线性控制中，并与常规的PID控制效果进行了比较．仿真结果表明，该控制器具有较强鲁棒性和自适应能力，控制品质优良。     

被动式电液伺服加载系统控制的方法研究

针对被动式电液伺服加载系统控制过程中的非线性,参数的时变性以及位置扰动引起的多余力等问题,提出了CMAC- PID并行的控制算法;建立系统的非线性数学模型,采用现代控制理论与经典控制理论相结合的方法对系统进行优化设计;利用PID控制器实现反馈控制,并为CMAC网络提供导师信号,CMAC神经网络进行前馈控制,减小多余力、参数时变性对系统带来的干扰,实现非线性逼近;仿真结果表明:CMAC- PID算法可将多余力控制在常规控制的22.5％,其跟踪精度高,抗干扰能力、鲁棒性更强,能优化系统的性能,为实际应用提供了参考.     

电动伺服加载系统双回路控制方法研究

在飞行器舵机测试研究中,衡量负载模拟器系统性能的关键指标是多余力矩的抑制,电动负载模拟器被用于研究仿真飞行器飞行过程中舵机承受的铰链力矩,是舵机测试和半实物仿真的关键设备之一,针对电动负载模拟器在启动过程、正常运行和换向过程中多余力矩产生的机理,为提高负载模拟器在小梯度下的加载精度,提出采用双回路控制方案来减小多余力矩,基于双同路控制系统数学模型进行了仿真实验,仿真结果表明在不同的加载梯度、舵机运动频率和幅度下,双回路控制均实现了良好的控制结果,从而验证了方法的有效性.     

基于RBF神经网络的电动加载控制策略分析

针对电动加载系统特有的多余力矩问题,设计并分析了基于RBF神经网络的直接逆模型控制策略,仿真结果表明,该控制策略能够有效地抑制多余力矩,提高了系统的加载精度及动态特性.同时,本文提出一种改进的RAN算法,离线构建,在线调整,充分利用已有先验知识的同时,实现了网络局部在线优化,有效的控制了运算量及网络规模,为控制算法的硬件实现提供了保证.     

舵机电动负载模拟器的建模与仿真

负载模拟器可以模拟飞行器飞行过程中受到的空气力矩,是重要的半实物仿真设备之一。论述了系统的基本组成结构,并建立电动负载模拟器的数学模型,详细分析了多余力矩的产生原因与消除方法以及提高电动负载模拟器的动态性能策略。通过仿真可以看出,提出的复合控制抑制多余力矩的方法,在一定程度上消除了多余力矩,保持了跟踪给定。对现实的研究有一定的参考作用,对电动加载系统的进一步研究有借鉴作用。     

基于CMAC-PID控制器的水压加载系统研究

为了实现水压加载系统能够动态精确跟踪给定压力的要求,利用小脑模型关节控制器(CMAC)结构简单、收敛速度快、具有局部学习能力的特点,提出了一种除了系统动态误差以外把系统指令信号也作为CMAC的输入信号,并把CMAC控制器与常规PID控制器并联构成的复合控制方法;通过在MATLAB中的编程仿真试验,结果表明这种方法可以得到比常规PID控制更好的控制指标,达到了试验要求,而且具有良好的抗干扰能力,从而证明了该方法的可行性和有效性,可以用来实现对给定信号的跟踪。     

A CMAC-PD compound torque controller with fast learning capacity and improved output smoothness for electric load simulator

The compound architecture of CMAC (Cerebellar Model Articulation Controller) and PD (Proportional-Derivative) can effectively reduce the loading error and restrain the surplus torque of electric load simulators. But due to its generalization ability, the CMAC controller has an unsmooth output, which leads to the motor vibration even the divergence of control system. The unsmooth problem of CMAC is analyzed in this paper and a novel scalar cost function of CMAC is proposed, which consists of an error item and a weight smoothing item to guarantee fast learning capacity and improved output smoothness of CMAC. With the novel scalar cost function, a compound torque controller of PD and smooth CMAC is derived by using the gradient descent algorithm. Both the simulation and experimental results demonstrate that the novel CMAC-PD compound controller can effectively improve the output smoothness of the electric load simulator, eliminate the surplus torque and assure the stability of system as well.     

Credit assigned CMAC and its application to online learning robust controllers

In this paper, a novel learning scheme is proposed to speed up the learning process in cerebellar model articulation controllers (CMAC). In the conventional CMAC learning scheme, the correct numbers of errors are equally distributed into all addressed hypercubes, regardless of the credibility of the hypercubes. The proposed learning approach uses the inverse of learned times of the addressed hypercubes as the credibility (confidence) of the learned values, resulting in learning speed becoming very fast. To further demonstrate online learning capability of the proposed credit assigned CMAC learning scheme, this paper also presents a learning robust controller that can actually learn online. Based on robust controllers presented in the literature, the proposed online learning robust controller uses previous control input, current output acceleration, and current desired output as the state to define the nominal effective moment of the system from the CMAC table. An initial trial mechanism for the early learning stage is also proposed. With our proposed credit-assigned CMAC, the robust learning controller can accurately trace various trajectories online.     

基于CMAC的无人机紧密编队飞行控制研究

针对多无人机紧密编队飞行控制系统,提出一种基于小脑模型神经网络的编队飞行队形保持控制器。该控制器以飞行控制系统横向、纵向及垂直方向通道的动态误差作为小脑模型关节控制器（CMAC）的激励信号,并与常规的PID控制器相结合构成系统的复合控制。仿真结果表明：该控制器能够控制无人机编队,在定常运动和机动过程中都可以保持期望队形,且这种控制方法具有超调量较小,鲁棒性强,响应速度快,抗干扰能力强等优点。     

基于小脑模型关节控制器的电液伺服舵机加载系统多余力矩补偿器研究

针对电液伺服舵机加载系统存在多余力矩的问题,提出一种基于小脑模型关节控制器的多余力矩补偿器设计方法.仿真结果表明,小脑模型关节控制器多余力矩补偿器抑制多余力矩的效果要远远优于传统多余力矩补偿器,且具有良好的鲁棒性.     

一种基于CMAC的自学习控制器

现有的基于CMAC的自学习控制器能够有效地减小跟踪误差,但是在跟踪连续变 化信号如正弦波时,由于累积误差的影响会产生过学习现象,进而导致系统的不稳定.为此, 提出一种新的基于CMAC的自学习控制器,它以系统的动态误差作为CMAC的激励信号, 从而避免了累积误差的影响.仿真结果表明,该控制器不仅是有效的,而且具有很强的鲁棒 性.此外,它可以使用较高的学习速率,实时性强.     

被动式电动加载系统多余力的研究

消除多余力是加载系统保证加载精度的技术难点和关键．基于实时性要求极高的导弹尾翼电动加载系统的硬件结构和控制原理，研究了多余力的产生原因、理论计算和消除方法。实验结果表明，电动加载系统能精确、快速地跟踪载荷谱．