DFNN及其在非线性动态系统中的应用

为了更好地辨识和控制非线性动态系统,在FNN基础上对其进行优化和改进,形成了动态模糊神经网络(DFNN)。给出了基于BP梯度算法的参数迭代学习算法,并应用于某非线性动态系统仿真试验中。仿真试验表明,该网络比单纯的FNN具有更强的辨识和控制能力,应用于非线性动态系统的控制中可以有效解决系统的非线性和不确定性,提高系统的跟踪性能,并且控制系统具有很强的鲁棒性。     

高精度机械伺服系统的一种新型自适应滑模控制方法

针对高精度机械伺服系统,提出一种高性能的新型自适应滑模控制方法,使闭环系统渐近跟踪给定的参考模型.该方法对转动惯量的大范围变化及非线性摩擦等外干扰均具有很强的鲁棒性.该方法的主要思想是用滑模方法抑制系统中的外部力矩扰动,对系统参数进行自适应估计,用估计值来补偿转动惯量的变化.对于控制算法的全局稳定性,采用李雅普诺夫直接法给出了严格的证明.该算法简单,其实现不需要误差的高阶微分信号,适于实时控制.本文方法以某高精度飞行仿真转台为例,对提出方法进行了实验研究,结果表明了该方法具有良好的跟踪性能,暂态响应和鲁棒性.     

雷达寻的制导半实物仿真误差研究

在介绍雷达寻的制导控制基本原理、半实物基本方法及仿真原理的基础上,详细介绍了雷达寻的制导控制半实物仿真系统的组成、各关键设备的工作原理并进行了主要误差因素分析,同时对关键仿真设备的误差进行研究,并建立数学模型,进一步推导出此类雷达仿真系统具有一般意义的仿真误差模型.最后通过型号半实物仿真试验对仿真系统的仿真精度进行验证.仿真试验表明,该半实物仿真系统的仿真精度满足控制系统半实物仿真试验的要求.     

高精度伺服系统基于Pade近似的数字前馈控制器

针对指令超前信息未知的情况,提出一种基于Pade近似原理的数字前馈控制器。以某电机伺服系统为例进行仿真,结果表明了本控制器的有效性。     

基于DSP的飞行仿真转台控制系统

文章介绍了一种新型的基于高速数字信号处理器(DSP),以永磁同步电动机(PMSM)为驱动部件的飞行仿真转台控制系统的原理及构成,并介绍了控制系统的硬件和软件结构.给出了一些实验结果.     

三轴飞行仿真转台结构有限元分析

通过建立三轴转台的有限元模型,对其进行了结构刚度、模态分析和结构优化设计。通过改善台体机械结构,来满足结构刚度的要求;利用有限元模态分析,合理安排谐振点,同时利用优化方法,采用混合罚函数法,转化为无约束优化问题,再采用Powell法求解出外框的目标尺寸。通过上述分析计算,使台体结构更加合理,同时也说明了在三轴转台机械系统设计中有限元的重要性。     

高精度位置伺服系统的鲁棒非线性摩擦补偿控制

对含非线性摩擦环节的位置伺服系统，提出一种基于Lyapunov直接法的非线性鲁棒控制算法，在非线性摩擦函数未知和系统参数时变的情况下，使跟踪误差趋于零，并以转台伺服系统为例进行数值仿真，结果表明该方法有效，且有很强的鲁棒性。     

参数不确定机械伺服系统的鲁棒非线性摩擦补偿控制

对含非线性摩擦环节的机械伺服系统,提出一种基于Lyapunov方法的鲁棒非线性控制方法,通过引入非线性增益和摩擦补偿项,来克服参数不确定性和补偿非线性摩擦,从而保证跟踪误差渐进收敛.对转台系统的实验研究,表明了该方法的有效性.     

自适应反推神经网络的转台鲁棒控制器设计

针对未知非线性、外界干扰和参数摄动等不确定因素对实际转台控制系统的影响,提出了自适应反推神经网络的转台鲁棒控制器设计.首先给出自适应Backstepping控制器的设计方法及步骤,接着采用RBF神经网络对转台对象参数的不确定因素上界值加以辨识,实现转台系统的鲁棒控制.其中Backstepping鲁棒控制作为主控制器,RBF神经网络实现了不确定上界值的在线辨识.仿真结果表明,自适应Backstepping神经网络控制很好地克服了对象的不确定性,实现控制系统的较强鲁棒性,适于高精度飞行仿真转台系统的实时鲁棒控制.     

基于线性外推原理的圆感应同步器输出动态补偿

针对含圆感应同步器的高精度位置采样伺服系统 ,提出一种动态补偿方法 ,对圆感应同步器数显表的测量输出进行动态补偿 ,以减小由于数显表测量频率变化所带来的采样时刻位置误差 ,从而提高系统的跟踪精度。理论分析和针对三轴转台系统的仿真和实验都表明了该方法的有效性。