基于单神经元PID 水平炮控系统稳定控制

为保证坦克行进间炮塔始终处于稳定位置,针对系统齿隙进行非线性补偿。利用径向基函数(radical basis function,RBF)神经网络对炮塔水平方向调速系统进行系统辨识,同时采用齿隙死区模型代表齿隙环节,建立水平向的模拟炮控系统;提出一种单神经元PID控制器;模拟外界扰动,利用计算机对控制过程完成仿真。仿真结果表明：在给定条件下,考虑齿隙因素,炮塔水平向位置与稳定位置的误差始终足够小。     

参数自学习PID 算法在电动负载模拟器中的应用

针对电动负载模拟器的舵机主动运动引起的多余力矩会严重影响系统的载荷谱跟踪精度的问题,利用前馈控制对多余力矩进行补偿和抑制,提出并使用一种基于BP神经网络的PID参数自学习控制算法来实现高精度跟踪载荷谱的方法。阐释了电动负载模拟器在被动式加载中多余力矩的产生和影响,基于结构不变性原理,使用前馈控制对舵机速度干扰进行补偿,以抑制多余力矩;在前馈控制抑制多余力矩的基础上,分析传统PID算法和静态BP神经网络在非线性和参数时变条件下存在的局限性,并在舵机干扰的情况下,分别对常值和正弦载荷谱进行仿真测试。仿真结果表明:控制算法使得电动负载模拟器可以准确、快速地跟踪载荷谱,提高了电动负载模拟器的自适应性和鲁棒性。     

基于WNN 参数整定的ADRC 在火箭炮伺服系统中的应用

针对多管火箭炮交流伺服系统存在变负载、强耦合和不确定性扰动等非线性问题,提出一种优化型小波 神经网络自抗扰控制器(WNN-ADRC)。简化电流环节得到被控系统的数学模型,将小波神经网络(wavelet neural network,WNN)嵌入自抗扰控制器中进行参数整定,利用分层调整学习速率的方法优化小波神经网络的学习算法得 到WNN-ADRC,采用WNN-ADRC 控制火箭炮伺服系统,实现对非线性特性的精准估计和补偿。数值仿真结果表 明：相对于传统的自抗扰控制器,WNN-ADRC 能改善伺服系统的静态响应和动态性能,具有响应速度快、控制精 度高的优点。     

基于强化学习补偿的地面无人战车行进间跟瞄自适应控制

针对底盘运动和路面起伏对地面无人战车行进间跟瞄带来的非线性干扰问题,提出一种基于强化学习补偿的地面无人战车行进间跟瞄自适应控制方法。该跟瞄控制方法由主控制器与补偿控制器两部分构成,主控制器利用PID控制算法结合当前跟瞄误差得到主控制量,补偿控制器利用Dueling Q网络强化学习算法对战车当前状态和局部规划路径附近的路面起伏信息进行处理得到补偿控制量。建立地面无人战车一体化运动学模型,对基于强化学习的补偿控制算法进行阐述;基于V-REP动力学软件在三维场景中进行仿真验证。实验结果表明：基于强化学习补偿的跟瞄控制方法对底盘运动和路面起伏具备较好的自适应能力,有效地提升了无人战车行进间跟瞄的准确性与稳定性。     

基于新型小波神经网络和灰预测的电动负载模拟器控制

针对某火炮随动系统电动负载模拟器自身复杂的非线性以及多余力矩对系统加载性能的影响,提出了一种基于新型小波神经网络和灰预测的控制策略。该策略主要由变结构的粒子群小波神经网络（VSPSO-WNN）控制器和灰预测补偿器（GPC）构成,前者利用粒子群优化（PSO）算法小波神经网络（WNN）的权值等参数,加快了系统的收敛速度,并利用自学习算法动态改变隐含神经元数目,降低了系统的计算复杂度,提高了系统的动静态响应性能;后者在Lyapunov意义下系统稳定的基础上构造出灰预测补偿器,利用灰理论来预测输入力矩偏差,进一步提高了系统的稳定性和准确性。半实物台架仿真实验结果表明：该复合控制策略具有较强的鲁棒性和较高的控制精度,保证了系统动态加载时的稳定性和抗干扰能力。     

基于ATSMC的破障武器随动系统控制研究

针对电动缸驱动的车载破障武器随动系统控制问题,提出了一种基于指数收敛的干扰观测器和反正切滑模控制器的方法。研究了电动缸传动时系统具有的非线性增益,推导了电动缸机构的变传动比和变负载力矩的公式。为了对随动系统进行位置和速度控制,根据多项式Terminal滑模控制器的思想,采用等效趋近律的方法,设计了反正切Terminal滑模控制器(ATSMC),其具有全局鲁棒性和有限时间可达的能力;为了对系统内部的不确定性和外部扰动进行观测和补偿,设计了一种基于指数收敛的干扰观测器。对控制系统进行仿真,结果表明,ATSMC具有更好的鲁棒性,提高了随动系统控制精度,缩短了响应时间;基于指数收敛的干扰观测器能较好地补偿系统运行中产生的各种扰动,降低了系统稳态误差。     

火箭炮两轴耦合位置伺服系统线性自抗扰控制

为了研究方位和俯仰两轴耦合作用下的火箭炮位置伺服系统控制性能,以含有速度闭环的实际系统为对象建立了火箭炮两轴耦合位置伺服系统数学模型。通过频域分析分别提出了方位和俯仰系统的2阶近似模型,设计了两轴系统的线性扩张状态观测器和自抗扰控制器,对系统未建模干扰进行估计并实时补偿。仿真结果表明：该观测器能较好地估计系统总扰动,所设计的控制器有效抑制了两轴负载力矩耦合效应对系统的影响并补偿了火箭炮发射时燃气流冲击力矩强干扰;在伺服跟踪和发射条件下采用所提出的控制方法充分抑制了耦合系统发射平台振动,保证后续射弹精度,性能指标明显优于PID控制。     

车载大惯量运动平台双电机驱动控制策略

针对某车载大惯量伺服系统刚度欠缺,系统在高动态响应与稳定运行之间存在的矛盾,提出一种基于速度曲线规划的双电机驱动策略。采用双电机同步消隙的方法来补偿方位通道与俯仰通道中传动间隙的影响,使得负载的驱动力矩变化连续,保证了系统的稳定运行。通过对伺服系统的运行速度曲线进行合理规划,避免了系统较大启动速度与加速度对结构造成的冲击而导致的抖动问题;利用速度规划指令前馈补偿的方式提高了伺服系统的动态跟踪精度,保证了系统的快速运行能力。联合仿真及实验结果表明：双电机同步消隙方法能有效补偿传动结构中间隙/齿隙的影响;速度曲线规划及前馈补偿的方式能有效抑制大惯量挠性结构的抖动问题,同时保证了系统运行的快速性。     

粗糙集模糊神经网络在火炮伺服系统中的应用

火炮的射击力矩会引起车体姿态的变化,从而影响火炮的射击精度。将粗糙集理论中的贪心算法和缺省规则获取算法应用到补偿模糊神经网络的输入模糊化和规则提取中,构成粗糙集模糊神经网络;利用此网络对受到射击力矩扰动影响的某方位向火炮伺服系统进行逆建模,并将学习得到的模型作为逆控制系统的控制器来消除扰动。仿真表明此方法能快速消除射击力矩对重定位的影响,新网络与原网络相比,在精简决策规则、缩短训练时间和提高误差精度等方面也都有显著改善。     

电动舵机鲁棒干扰补偿控制

电动舵机工作时会受到模型参数摄动和不稳定负载力矩的影响,为解决由不确定性因素引起的控制问题,本文基于信号补偿方法设计了一种电动舵机角度跟踪鲁棒控制器。将舵机模型中的参数摄动和力矩扰动等不确定项作为等价干扰,首先针对受控对象设计标称控制器,在此基础上设计鲁棒补偿控制器以抑制等价干扰的影响,从而实现鲁棒控制。本文所设计的鲁棒控制器可保证舵机系统的角度跟踪误差收敛到原点的有界区域内,且收敛域的大小可通过鲁棒补偿器的参数进行调节。最后,通过仿真和样机实验结果验证了该方法的有效性。     

陀螺/加速度计稳定环对“动中通”系统的扰动校正

针对"动中通"系统两次上位机指令间隔中载体姿态变化的扰动,提出了基于三轴陀螺和加速度计的稳定回路跟踪控制方法。该方法在传统伺服系统电流环、速度环和位置环的反馈回路中增加了负载速度前馈补偿和稳定回路位置校正环节。利用陀螺和加速度计的测量数据融合、稳定跟踪修正的原理隔离载体姿态变化,对测量噪声信号用卡尔曼滤波技术进行估计和误差补偿,有效地提高了系统对姿态扰动的隔离度。仿真验证结果表明,伺服稳定系统的响应时间小于200ms,动态跟踪误差小于0.1°,隔离度高于97%,具有较高的跟踪精度,能够满足工业应用稳定跟踪控制。     

基于单神经元的永磁同步电机自适应PSD速度控制

为了解决伺服系统电机或负载参数发生变化时对控制带来的影响,提出了一种永磁同步电动机(PMSM)的单神经元自适应速度控制方法,引入速度误差、误差的一次差分及误差的二次差分作为单神经元的输入信号,并设计相应的加权系数和学习规则,给出了单神经元实现的Simulink框图,针对PMSM的矢量控制系统,采用MATLAB进行了单神经元自适应PSD速度控制仿真及电机试验台架的试验验证,仿真和试验结果验证了该方法的可行性。     

基于Elman网络的自适应火箭炮交流位置伺服系统

针对多管火箭炮发射时恶劣的负载特性,如不平衡力矩的大范围变化以及强大的燃气流冲击,设计了一种基于改进Elman网络的自适应位置控制器。在原Elman网络中增加输出层关联单元,并把自反馈增益系数当作连接权值投入到网络的训练中,利用改进Elman网络根据火箭炮跟踪发射过程中的负载特性实时调整PID控制参数,以减小系统参数变化和外部扰动对火箭炮发射性能的影响。仿真及实验结果表明该方法可有效提高火箭炮位置伺服系统的稳定性和抗干扰能力。     

液压缸位置伺服系统模糊PID 控制器

为使电液比例节流控制能够适应负载的变化,修正开度大小,设计一种模糊PID 控制器,对电液比例阀 进行死区补偿。通过查找模糊规律表的方法,使用历史数据计算油缸速度与加速度,对Kp、Ki、Kd 参数进行修正, 并与传统PID 方法进行实验对比。结果表明：该模糊PID 控制器受负载的影响比传统PID 控制器小,能改善控制效 果,且具有较强的鲁棒性以及较短的调节时间,阶跃响应更快。     

某随动系统负载模拟器灰预测模糊PID控制

为了提高某随动系统负载模拟器加载系统的力矩跟踪精度,设计了一种灰预测模糊PID复合控制方法。通过分析随动负载模拟器的系统组成和工作原理,简化力矩电机模型,根据扭矩传感器模型和转动惯量盘模型,建立了随动负载模拟器等效模型,推导出力矩电机输出力矩的传递函数。在传统PID控制的基础上增加了模糊控制器,用于在线调节PID比例、积分和微分参数,使系统响应时间缩短,稳定误差减小,并具有抗干扰能力;同时,加入灰预测模型对加载系统输出力矩补偿。仿真结果表明,所设计的控制方法能够提高加载系统的力矩跟踪精度,且具有较强的抗干扰能力,优于传统PID控制。     

基于神经网络的控制力矩陀螺自抗扰解耦控制

针对Model750控制力矩陀螺(control moment gyroscope,CMG)的耦合及扰动问题,提出一种基于径向基函数(radial basis function,RBF)神经网络逆系统和线性扩张状态观测器(linear extended state observer,LESO)的控制力矩陀螺复合解耦控制方法。利用神经网络的非线性逼近能力构建逆系统并与原系统串接,将原系统解耦成2个等效的伪线性子系统;采用线性扩张状态观测器估计等效系统的残余耦合项和扰动项加以补偿,并与比例微分(proportion differentiation,PD)控制器形成闭环以提高系统的动态控制性能。对提出的控制方法与PID-RBF逆控制方法进行仿真对比,结果表明:该方法可有效实现Model750系统的解耦,具有更好的动态控制性能和鲁棒性。     

火箭炮位置伺服系统的神经网络监督控制

火箭炮发射架位置伺服系统中存在燃气流冲击力矩、参数时变、外部扰动等非线性因素的作用,针对传统PID控制难以在此复杂工况下取得良好控制效果的缺点,文中设计了基于传统PID控制的RBF神经网络监督控制器,完成了神经网络离线样本的选取和训练算法的改进,利用神经网络自学习、自整定能力增强系统的自适应能力。仿真结果表明此复合控制策略可以有效提高系统的控制品质。     

一种自适应模糊小波神经网络及其在交流伺服控制中的应用

针对某武器大功率交流伺服系统所存在的大变负载、慢时变、强耦合的非线性特性和不确定扰动等问题,提出了模糊小波神经网络（FWNN）间接自适应控制器,该控制器的特点为Takagi-Sugeno-Kang (TSK)模糊模型的后件部分由自回归小波神经网络（SRWNN）构成。给出了SRWNN参数的迭代算法,利用SRWNN辨识器为控制器提供实时梯度信息,有效地克服了参数变化和负载扰动等不确定因素的影响,且具有良好的动态特性。采用Lyapunov稳定性理论方法证明了闭环系统的稳定性。仿真研究和样机试验结果证明了所提方案的有效性和正确性。     

一种变参数的复合自抗扰舵机控制器设计

基于导弹舵机系统的特点,结合误差分段PID响应速度快和自抗扰复合控制抗扰动好的优点,进行位置环控制,尝试根据误差变化自适应调节误差增益系数和微分增益系数,运用遗传算法优化参数,对负载力矩外部扰动和模型参数摄动进行补偿,通过与PID控制比较,证明变参数复合自抗扰控制舵机达到指标要求,动态响应相移、幅值衰减都优于分段PID,大动态负载扰动输出脉动频率小,在电枢电阻、转动惯量变化时,具有很好的快速性和鲁棒性。     

基于BP-GSA优化的某随动平台滑模控制

为实现某随动平台负载模拟器响应的快速性和系统的鲁棒性,提出一种基于遗传模拟退火算法(genetic simulated annealing,GSA)优化的BP神经网络(BP-GSA)滑模控制方法。根据负载模拟器各环节硬件组成,建立系统等效数学模型;采取非奇异终端滑模实现对系统的控制,并采用BP神经网络对状态方程中未定项进行逼近,利用GSA算法调整网络节点权值。实验仿真结果表明：相比于传统滑模控制和PID控制,该方法在具有扰动输入的情况下,具有最小的稳态误差和最快的跟踪速度,能够有效提升系统的响应速度和力矩跟踪精度。