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。     

多芯线缆故障分析与快速诊断技术

为解决现有多芯线缆故障诊断系统存在的操作困难、效率低等问题,设计一种线缆故障快速诊断系统.采用故障树分析法对多芯线缆进行定性分析,再结合FMECA分析法对故障树顶事件进行评估与预测.系统中硬件控制平台采用STM32+CPLD体系结构,通过visual C++编译人机交互界面,结合控制模块化思想进行设计,并进行实验验证.实验结果表明:该系统能快速、准确地检测待测线缆,具有工作稳定可靠、操作方便和效率高的特点.     

贝叶斯正则化的LMBP神经网络在电气检测系统中的应用

针对现役某型火箭布雷车上装电气系统存在较多的故障,提出了基于贝叶斯正则化的LMBP(levenberg marquardt back propagation)神经网络故障诊断算法。用基于贝叶斯正则化的LM算法来优化BP神经网络,分别结合小数据和大数据对该神经网络进行分析验证。实验结果表明,该方法收敛速度快,且预测精度高,可以用于电气系统的故障诊断和识别。     

基于RRNN的破障武器滑模控制

为了提高某破障武器随动系统响应的快速性和准确性,对其进行神经网络滑模控制研究.结合伺服系统的模型,引入脊波递归神经网络(RRNN)对模型动态自适应逼近,可有效提高响应速度和鲁棒性.通过脊波递归神经网络滑模控制器(RRNN-SMC),有效地抑制了扰动、参数变化等非线性因素的影响.最后,采用粒子群优化算法对脊波参数和链接权...     

利用压电陀螺的自行压制武器复位系统研究

介绍了利用压电陀螺设计的捷联式三自由度位置陀螺,测量出大口径自行压制武器发射引起的变位,通过解算模型,求出修正量,从而保证了射击线稳定的自动复位系统。     

电气传动系统PID自适应控制研究

本文利用神经网络组成的PID自适应控制器，对一大变负载电气伺服系统进行控制，仿真与实验表明：该控制器优于一般伺服控制器的性能并具有较强的鲁棒性。     

基于模糊神经网络控制的电液系统研究

针对大功率电液伺服系统存在严重非线性和时变性,将神经网络与模糊控制理论相结合,根据系统的误差及误差变化对神经网络的学习速率和动量因子进行模糊修正,有效地改善了神经网络的学习速率.实验表明,所设计的神经网络控制器能够保证大功率电液伺服系统的静、动态性能.     

基于模糊聚类和遗传算法的具备解释性和 精确性的模糊分类系统设计

提出一种基于模糊聚类和遗传算法的模糊分类系统的设计方法.首先定义了模糊分类系统的精确性指标,给出解释性的必要条件.然后利用聚类有效性分析确定模糊规则数目,利用模糊聚类算法辨识初始的模糊分类系统.随后利用模糊集合相似性分析与融合对初始的模糊分类系统进行约简,提高其解释性;利用遗传算法对约简后的模糊分类系统进行优化,提高其精确性,该过程反复迭代直至满足中止条件.最后利用该方法进行Iris数据样本分类,仿真结果验证了该方法的有效性.     

基于SRWNN-ADRC的交流伺服系统定位控制

针对高炮位置交流伺服系统控制存在的外界扰动以及非线性特性等问题,提出了一种自回归小波神经网络改进型单神经元自抗扰控制器(SRWNN-ADRC).单神经元自适应控制器(SNAC)将非线性误差反馈控制律中的非线性增益作为其权值系数,利用SRWNN作为辨识器,在线辨识被控对象的梯度信息并将其提供给SNAC.通过SNAC的自学习功能实现ADRC中参数的在线调节.仿真结果证明,此控制策略使系统具有较好的稳态性能,抗干扰能力强,且动态品质也得到了优化.     

变结构模糊控制系统的实验研究

本文应用模糊控制理论,针对一高精度位置伺服系统、设计了变结构模糊控制器,并进行了计算机仿真和实时控制实验。仿真和实验表明:该控制器能够克服系统本身的非线性及系统参数的变化、具有较好的动静态特性,而且具有一定鲁棒性。