随动系统调试检测平台的设计与实现

随动系统调试检测平台,由积木式试验台架和检测分析装置组合而成。检测分析装置包括:电机测试系统、伺服控制系统调试分析计算机等检测器件组成。该平台对由伺服驱动器与高低/方位伺服电机构成的高低/方位速度控制环(内环)和由该速度控制环与随动控制箱、高低/方位传信仪构成的位置控制环(外环)进行仿真模拟试验,通过选择内外环调节参数使调炮的最大速度,最低速度,最大加速度,调炮精度,满足战技指标要求。     

USB 伺服驱动速度环设计及仿真

根据USB伺服系统设备的原理和组成,对USB伺服驱动速度环设计方法进行研究。分析速度环控制对象特性,详细介绍速度环的设计,给出具体速度环参数及其PID调节器设计方法,运用Matlab建立其仿真模型,检验速度环在不同PID调节参数下的稳态和动态性能。仿真结果表明:该设计正确、可靠,系统仿真形象、直观,为位置环及其他控制方式设计打下了基础。     

BP 神经网络在双伺服同步运动系统中的应用

针对传统的PID调节器不能解决双伺服同步运动系统中经常出现的超调和滞后问题,提出一种将传统PID和BP神经网络的PID调节器相结合的方式来控制两伺服电机轴的运动。其中,传统PID算法用于系统正常运行时的控制,而BP神经网络的PID算法用于调试过程中修改位置调整器和速度调节器的参数。该方案能实现轴B准确地跟踪轴A的速度和轨迹而运动。     

微纳卫星姿态控制系统的半实物仿真

针对脉冲等离子体推进器作为执行机构的微纳卫星姿态控制系统(attitude control system,ACS)仿真的需 要,采用脉冲信号控制双旋翼实验平台对微纳卫星姿态控制系统进行半实物仿真。使用 Elman 神经网络 PID 的控制 策略,在线调整 PID 参数,适应动态系统。通过半实物仿真平台的对比试验,验证了 Elman 神经网络 PID 控制系统 自适应能力强、超调量小等优点,同时也验证了双旋翼实验平台对于脉冲等离子推进器半实物仿真的有效性。     

基于滑模控制的双PID在某型稳定器中的应用

在坦克火炮稳定器的位置伺服控制系统中,PID是最常用的控制方法之一,在位置伺服控制系统中超凋量与调节时间通常是矛盾的.根据滑模控制的思路,给出了一种基于超调量的双PID调节方法,既能实现较小的超调量,又能实现较短的调节时间.该方法可以方便、准确地确定PID控制器的参数,为工程应用提供了方便.在SIMULINK环境下的仿真结果验证了该方法的可行性.采用这种调节方法很好地实现了某型坦克火炮稳定器的火炮位置伺服控制.     

基于PMAC的稳定平台伺服系统设计

研制了一套基于PMAC运动控制卡的陀螺稳定平台系统。该系统以PMAC为核心控制模块,光纤陀螺为速度环反馈传感器,光电编码器为位置环反馈传感器,实现了稳定平台的位置跟踪和伺服稳定两个功能。介绍了系统的工作原理和控制结构,分析了系统的软硬件设计,以及伺服控制算法描述。实验结果表明,该系统完全达到稳定平台性能要求,系统稳定性好且控制精度高。     

基于Smith预估补偿与RBF神经网络的PID控制在工业平缝机脚踏板调速模块中的应用

针对工业缝纫机调速模块的伺服系统普遍存在耦合,大滞后的现象,提出了一种将Smith预估补偿和RBF神经网络算法与PID控制器相结合的Smith-RBF-PID控制算法。该方法利用了Smith预估补偿能克服纯滞后和RBF能处理非线性问题、在线自学习整定PID参数的优点,在调速模块的伺服控制系统中更加有效。     

基于RBF网络的微分先行PID控制器

将微分先行PID控制算法和径向基函数(RBF)神经网络结合,提出基于RBF神经网络的微分先行PID控制器.其微分先行PID控制器直接对被控对象进行闭环控制,实现参数在线自调整.RBF结构神经网络则根据系统的运行状态,利用神经网络的自学习自适应能力调节PID控制器参数的在线自整定,达到误差性能指标最优化.Matlab仿真表明,该控制方案不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好.     

高精度稳定平台伺服控制系统设计与实现

为了准确地跟踪目标和快速地隔离外界扰动,设计了一种以DSP控制器为核心的稳定平台伺服控制系统.结合该稳定平台实际设计过程,从系统的工作原理和总体结构,主要元器件选型及控制系统软件设计、硬件设计等方面进行了详细介绍,设计了系统的位置环、稳定环控制算法.实验结果表明,该系统硬件结构简单,稳定性好,实时性强,具有良好的稳态和...     

基于模糊神经网络PID的串级温度控制系统研究

为解决传统PID 控制存在控制效果不够理想、性能欠佳和很难满足系统精度要求的问题,提出基于模糊 神经网络的自适应PID 控制算法对系统进行控制。采用Labview 构建模糊神经PID 控制器,对环控引气系统温度进 行动态控制,进行仿真研究,并将此控制策略与经典PID 控制进行仿真比较。结果表明：基于模糊神经网络的PID 控制算法在系统的超调量和调节时间上都小于经典PID,能提高系统的快速性和准确性,改善系统特性。     

半实物炮控仿真系统的设计

采用半实物实时仿真的方案设计了坦克炮控仿真系统,该系统由仿真计算机、仿真控制器、炮控计算机以及部分炮控系统部件组成,可以实现静态测量、稳定状态、跟踪与调炮状况的仿真。建立了炮控系统的仿真模型,进行了仿真系统运行剖面和仿真用例的设计。在大量实车测试和理论分析的基础上建立了火炮干扰力矩仿真数据库,仿真结果与实车测试结果对比表明,对不同路面不同速度下火炮运动的仿真都达到了满意的要求,较真实地反映了坦克炮控系统的动态特性。它除可为现有炮控系统进行仿真实验外,还可成为新型炮控系统研制中进行算法研究、性能实验的仿真平台。     

坦克炮控系统定型试验用新型施力系统动态性能研究

在坦克炮控制系统定型试验中,按照常规兵器定型试验方法的要求,需要在坦克火炮身管施加规定大小与规定形式的力。通过测量受力后火炮与炮塔的运动参量,计算出炮控系统的性能参数,为坦克炮控系统能否定型提供依据。提出了利用电动缸与力传感器结合完成施力测量控制的新方法。设计了基于计算机技术的施力测控系统及其单通道力控制模拟实验台。对新型施力系统的动态性能进行了实验研究,结果表明新型施力系统的动态性能满足用户使用要求。     

CMAC与PID的并行控制在火箭炮交流伺服系统中的应用

火箭炮交流伺服系统是复杂的变负载、大功率系统，其控制系统的参数变化大，采用单一的PID控制算法很难取得较高的控制品质和控制精度。根据CMAC控制鲁棒性强和可靠性高，以及PID控制器功能简单、便于使用及在各种不同工作条件下保持较好工作性能的特点，提出了CMAC神经网络与PID结合的复合控制策略。在Matlab中进行计算机仿真，结果表明了该控制策略的有效性和实用性。     

基于并行控制的交流伺服系统控制

针对一般的大口径火箭炮交流伺服系统调控方法难以达到较好性能的问题,提出一种RBF神经网络-单神经元PID自校正控制方法.针对上述算法自适应能力不强的问题,引入一种并行复合控制策略,以RBF神经网络和单神经元PID做并行控制,通过半实物仿真分别对RBF神经网络PID自校正控制器和并行复合控制器的性能进行试验验证.仿真结果表明:采用并行复合控制的火箭炮伺服系统反应速度更快、稳定性更强、精度更高,能够更好地满足火箭炮交流伺服系统的性能指标要求.     

基于FPGA 的交流伺服高精度反馈系统

利用FPGA高速并行处理的特点,设计了一种基于FPGA的交流伺服高精度反馈系统。给出了系统设计的总体思路,并设计实现了位置环、速度环和电流环反馈信息的高速高精度采集,将设计的系统应用于1 kW永磁同步电机交流伺服平台上进行试验。试验结果表明:该系统能克服DSP无法完成算法控制和反馈信息采集同时进行的缺陷,改善了反馈信息采集的实时性和精确度,有效地提高了交流伺服的带宽和总体性能。     

基于自适应鲁棒控制的坦克俯仰系统建模与仿真

为准确描述坦克行进间的火炮俯仰系统,利用动力学软件RecurDyn建立了坦克行进间多体系统动力学模型,并通过仿真与试验初步验证了模型的可信性。对以永磁同步电机(PMSM)为执行机构的火炮俯仰系统进行了动力学建模分析,并建立了火炮俯仰系统的数学模型。在此基础上,针对传统三环结构控制效果不佳的问题,设计了火炮俯仰位置伺服系统自适应鲁棒控制器,以及对系统扰动进行反馈补偿的干扰观测器,完成了控制器的稳定性分析,并建立了火炮俯仰系统控制模型。最后,通过接口模块实现了坦克俯仰系统的联合仿真。仿真结果表明:本文建立的坦克行进间多体系统动力学模型具有一定的合理性,设计的火炮俯仰位置伺服系统控制策略具有较好的阶跃响应和瞄准稳定性能以及较强的鲁棒性和抗干扰能力。     

某定深电液伺服系统的粒子群优化神经网络PID 控制

为解决定深电液伺服系统的系统参数难以确定、运行过程中内部参数具有时变性和外部负载扰动较大等 问题,设计一种将PID 控制器与神经网络相结合的控制策略。分析定深电液伺服系统的数学模型和控制器的结构与 工作原理,用径向基函数神经网络来动态修正PID 控制器中控制参数的策略,采用粒子群算法离线选取最优的神经 网络权值,用Matlab 将控制器应用于定深电液伺服系统中,并与经典的PID 控制器和RBF-PID 控制器进行对比。 仿真结果表明,该控制器具有较好的快速响应能力与鲁棒性。     

基于无刷直流电机的伺服系统低速性能仿真研究

伺服系统低速运动时,无刷直流电机转速低,运动平稳性差,容易产生力矩波动,引起低速爬行现象。为解决这一问题,在伺服系统位置环的基础上引入电流环,其中电流环采用分时反馈策略,根据霍尔信号逻辑对三相电流进行选择;位置环采用神经网络比例、微分、积分控制,并仿真验证伺服系统性能。仿真表明通过双闭环及神经网络PID控制能较好改善系统性能。