電動負載模擬器的智能控制策略研究.pdf

1、力矩負載模擬器在航空航天、武器裝備、工業(yè)生產和科研實驗等許多領域有著廣泛的應用。在飛行器研制過程中,作為一種能夠模擬地面試驗或真實飛行過程中其所承受的力矩載荷的半實物仿真設備,在對舵系統(tǒng)的機械結構、控制性能以及飛行器自動駕駛控制系統(tǒng)性能測試和分析中,負載模擬器都發(fā)揮著重要的作用。近年來隨著電機制造及驅動控制技術的發(fā)展,電動負載模擬器得到了越來越多的應用。
　　負載模擬器的高性能主要表現在對指令轉矩的快速、精確的跟蹤,以及對承載對象

2、運動引起的多余力矩的抑制和補償上。由于多余力矩是一種由于力矩和位置的耦合產生的強干擾,加上系統(tǒng)本身的非線性和不確定性,傳統(tǒng)的控制方法難以對其進行有效的抑制。因此為提高系統(tǒng)的性能,對適合于負載模擬器的先進的控制結構和策略進行深入的研究是非常必要的。
　　本文首先提出負載模擬系統(tǒng)的基本結構和組成?；陔p慣量系統(tǒng)對加載和承載系統(tǒng)之間耦合動力學特性進行了研究和分析,提出了在加載轉矩控制中基于速度控制的新模式,并利用永磁同步伺服電機與減速機

3、構作為加載執(zhí)行單元,從而形成了轉矩、速度和電流的三環(huán)基本控制結構。利用的速度環(huán)的特性可以改善連接環(huán)節(jié)的彈性和慣量引起的諧振以及電機電流環(huán)的負載擾動、摩擦等非線性因素產生的不利影響。建立了包含加載系統(tǒng)和承載系統(tǒng)的完整的負載模擬系統(tǒng)數學模型,詳細分析了系統(tǒng)的特性和多余力矩產生的原因及構成,對系統(tǒng)的不確定性和非線性因素進行了分析,為先進控制策略的應用打下了基礎。
　　針對負載模擬系統(tǒng)加載運行方式的重復性的特點,提出了PID反饋控制和前饋

4、迭代學習的控制策略,并基于2-D系統(tǒng)的方法給出了控制穩(wěn)定性和收斂性的判據以及設計方法。對傳統(tǒng)的PID型迭代學習控制進行改進,提出了基于前饋-狀態(tài)反饋控制結構的非因果濾波器型迭代學習律,分析了其收斂性,給出了濾波器參數的設計方法。這種方法可以在對反饋信號中的噪聲有較好的濾波特性的同時,使迭代學習控制有更好的收斂性,設計和調試簡單。進一步地提出了采用基于遞歸神經網絡的迭代學習控制策略,使系統(tǒng)具有更好的學習能力和適應性。這些控制方法具有較好的

5、實時性和控制精度,適于負載模擬系統(tǒng)的工程應用。仿真和實驗都證明了該控制方法的有效性。
　　對負載模擬器的神經網絡控制策略進行了研究,提出了采用基于動態(tài)模糊神經網絡的方法。結合資源優(yōu)化網絡的思想,給出了動態(tài)模糊神經網絡的原理、規(guī)則的產生、剪裁和權值的訓練方法。這種基于RBF的神經網絡具有較少的神經元結構,算法的速度快,同時對于具有不確定性和非線性的系統(tǒng)也具有良好的逼近能力,更適合于在線的實時控制。針對加載對象位置擾動可測和不可測兩種

6、情形,提出了采用自適應前饋補償和神經網絡內模+PID控制兩種電動負載模擬器控制結構。仿真結果證明該策略有效地抑制了多余力矩,提高了系統(tǒng)的控制性能。
　　最后設計了基于MCT8000運動控制卡的控制系統(tǒng),實現了系統(tǒng)的軟件、硬件設計,實驗結果驗證了ILC算法的正確性和有效性。
　　本文采用先進的智能控制策略對于負載模擬器系統(tǒng)的控制做出了較為深入的研究,體現了負載模擬系統(tǒng)控制的發(fā)展趨勢,研究成果對實際應用有較好的指導和參考作用。<