基于模糊PID的电动负载模拟器控制

针对机械负载的动力学模拟问题,该文给出了基于电动系统的负载模拟控制方法,该控制方法可以模拟机械负载的静态和动态特性。负载模拟系统可用于电力传动系统的测试以及复杂的控制算法的验证,在系统中采用负载模拟电动机代替实际机械负载。首先给出了负载模拟实验平台的数学模型,然后详细推导了负载模拟控制方法,该策略利用闭环控制计算负载模拟电机的参考转矩。仿真结果表明,不仅在负载模拟系统转动惯量与真实机械系统转动惯量相近情况下有效,而且在二者转动惯量相差很大的情况下依然有效。     

基于迭代学习的电动负载模拟器复合控制

为保证电动负载模拟器力矩精确加载,设计了基于迭代学习控制和舵机位置前馈补偿结合的复合力矩控制器.引入弹性杆结构以提高系统稳定性及加载精度,并从系统响应速度、频宽及稳定性等方面对弹性杆刚度约束进行了分析.建立了控制系统模型,在三闭环结构基础上,引入了舵机位置前馈补偿.为保证正弦负载模拟效果,设计了基于指令力矩幅值和相位修正的迭代学习控制器,并基于P型控制器实现对幅值和相位的迭代学习.最后,分别进行了力矩加载及多余力矩抑制实验,结果证明了该方法的可行性及有效性.     

基于CMAC的电液负载模拟器自学习控制

通过建立某飞行器舵机电液负载模拟器与操舵系统联动的数学模型，分析了电液负载模拟器的多余力产生原理。提出了采用结构不变性原理设计补偿环节的基于CMAC神经网络的控制结构和算法。通过对系统的动态仿真表明，该方法可有效地抑制多余力，明显改善电液负载模拟器的动态加载性能。     

RTX在负载模拟器控制软件中的应用

为解决负载模拟器控制系统的实时性问题,提出了Windows+RTX的软件解决方案,并对RTX系统的实时性进行了分析和测试.针对某型电动负载模拟器项目要求,为其设计了控制系统,并实现了Windows+RTX的实时控制软件方案一利用MFC开发了控制软件系统界面程序,且利用RTX开发了实时控制后台RTSS程序.实验结果表明,方案完全满足项目指标要求,有较好的加载效果,并具有很好的工程实用价值.     

电动负载模拟器的研究进展

简要叙述了研究电动负载模拟器的必要性,介绍了目前国内外电动负载模拟器的研究情况,以及应用于负载模拟器的典型控制方法,并分析了它们的特性,结构简单、体积小、成本低,具有小信号跟踪能力强,加载分辨率高,特性稳定,集成度高适合试验研究,成为新型负载系统的探索研究方向。     

基于神经网络的无人机负载模拟器的复合控制

衡量负载模拟器系统性能的关键指标是多余力矩的抑制。针对无人机负载模拟器系统的非线性及多余力矩强扰动的特点,依据神经网络的非线性逼近和自学习特性,提出了一种基于神经网络和前馈相结合的复合控制器,用来提高系统的性能。复合控制器利用前馈来补偿定常多余力,利用神经网络进行在线辨识、控制来补偿系统的非线性部分,很好地抑制了多余力矩。该文给出了具体的控制结构和算法。仿真结果还表明该方法极大地改善了系统动态加载性能,有很强的鲁棒性。     

即时学习算法在非线性系统迭代学习控制中的应用

运用即时学习算法来解决一类非线性系统的迭代学习控制初值问题。对于任何类型的迭代学习控制算法，即时学习算法都能有效地估计初始控制量，减小了初始输出误差，加快了算法的收敛速度，使得经过有限次迭代后系统输出能严格跟踪理想信号。对机器人系统的仿真结果表明了该方法的有效性。     

基于周期信号的迭代学习控制在逆变器中的应用

提出一种基于周期信号的迭代学习控制方法,并将其应用于电力逆变器,分析了跟踪误差沿迭代方向的收敛条件,给出了控制律的时域表达形式以及参数的确定方法.由于该方法理论上可实现跟踪误差收敛到零,因而使逆变器输出电压跟踪精度大幅提高.通过MATLAB/Simulink仿真,该方法的有效性得到验证;此外,与传统PID控制相比,仿真结果显示出该方法具有较好的负载适应能力以及优越的跟踪性能.     

基于CMAC 的带有未知负载干扰电液位置伺服系统的自学习控制

针对电液伺服系统的特点,提出了基于ＣＭＡＣ神经网络非线性控制的结构和算法。对电液位置伺服系统的动态仿真表明,雇地未知和时变外负载干扰具有明显的抑制作用。     

表达式求值在通用数据模拟器设计中的应用

针对某空间飞行器子系统的地面测试中所使用的数据模拟器的数据量可变性、数据类的可变性和公式系数的可变性,以及传统的编程解决方案设计、维护量大的问题,通过对算符优先算法的改进,递归下降语法分析器的扩展及其两者结合,给出了一个集成语法分析与表达式求值的新的表达式求值算法。以此为基础设计了一个多赋值表达式解释器,将此解释器嵌入到数据模拟器设计中,同时结合数据库技术,实现了通用的数据模拟器软件的设计,并成功应用到飞行器子系统的地面测试中。     

新型电动负载模拟器的控制器设计

现有的电动负载模拟器大多采用力矩单闭环的控制结构,因此,人们难以随意控制电流的动态过程以及快速而精确地跟踪力矩。针对这一问题,提出了采用力矩、电流双闭环控制来构造电动负载模拟器的方法;并根据系统的频率特性,采用极点配置和前馈补偿相结合的混合校正策略来改善系统的动态跟踪品质,最后给出了多余力矩的前馈补偿方案。仿真和试验结果验证了该方法的有效性。     

基于DSP的电磁脉冲模拟器控制系统

本文在分析了电磁脉冲模拟器发展现状的基础上,采用TMS320LF2407A数字信号处理器实现对电磁脉冲模拟器的控制;通过合理的硬件设计实现了对模拟器开关、输入按键、LED状态显示等的自动控制,触发器的时序控制设计保证了电磁发射的连续性,这些都弥补了传统模拟器手动操纵的缺陷。     

Research on Data Management and Configuration in RBC Simulator

The Radio Block Center(RBC) is the key component of CTCS-3 which is responsible for monitoring the safe operation of all trains within its control area A complete RBC system shall have data configuration capability to support the application function of RBC,and shall be able to generate the data flow needed by the system.This paper focuses on the research of data management and data configuration in RBC on the basis of RBC simulator.Based on the analysis of the RBC simulator and its external interface,the requirements of the RBC database are analyzed and models of RBC databases are designed. The key technical issues concerning the data configuration and data flow generation are introduced.     

基于灰色预测PID球磨机负荷控制

为改善球磨机的负荷PID控制系统,提出了基于灰色预测PID控制的球磨机负荷控制方案。方案融合了灰色预测、常规PID控制这两者的设计思想;并将灰色预测在线应用,用其预测结果代替被控对象测量值进行控制运算。仿真结果表明,与传统的反馈方法相比,使用灰色预测PID控制器可得到更为优良的动态性能,具有鲁棒性好、跟踪快速等优点。     

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。     

基于多环QFT的飞行仿真转台鲁棒控制

阐述了定量反馈理论(QFT)的基本原理及设计方法,并给出了某型飞行仿真转台的QFT控制器设计实例。为了有效地抑制高频测量噪声对系统的干扰,以及避免系统的高频不确定性,在单环QFT控制的基础上,引入了基于多环QFT的鲁棒控制。理论分析和仿真实验表明,这种多环QFT控制可以明显地缩减控制器的带宽,使系统具有很强的抗高频测量噪声的性能,达到了理想的控制效果。该方法在转台的控制上取得了成功的应用,具有广泛的应用价值。     

单元机组负荷控制系统的动态矩阵方法研究

本文力图从对受控模型要求不太严格的非参数模型——阶跃响应出发,运用动态矩阵控制算法,建立一种基于模型预测控制技术的新型火电机组负荷控制系统,并对这种控制系统的实际性能进行仿真研究,仿真结果表明,控制性能良好。     

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.