学位论文 > 优秀研究生学位论文题录展示

两种抑制电液负载模拟器多余力矩方法的研究

作　者: 孙丰迎
导　师: 赵克定
学　校: 哈尔滨工业大学
专　业: 机械电子工程
关键词: 电液负载模拟器多余力矩可调节流阀神经网络
分类号: V216.8
类　型: 硕士论文
年　份: 2008年
下　载: 47次
引　用: 0次
阅　读: 论文下载

内容摘要

电液负载模拟器是一种地面半实物仿真设备,用来在实验室条件下模拟飞行器舵机飞行过程中受到各种空气动力力矩载荷谱,以检验和考核舵机系统在实际负载条件下的动态频响、控制精度等技术性能指标。电液负载模拟器是典型的被动式力(力矩)伺服控制系统。仿真过程中,舵机系统的主动运动将对加载系统产生一种多余力矩的干扰作用。这种干扰作用强度大、随舵机速度不同连续变化,严重影响了负载模拟器的动态性能,使得加载系统难以准确、快速地复现空气动力铰链力矩。因此,负载模拟器的关键技术问题就是如何抑制和消除多余力矩。除了多余力矩外,系统固有的各种摩擦、非线性等不确定性因素也严重影响了系统的综合性能。论文首先建立了电液负载模拟器的数学模型,分析了多余力矩的产生机理及特性,研究了连接刚度、负载惯量、流量压力系数对加载系统控制性能的影响。随后通过总结国内外对负载模拟器的多余力矩抑制方法,分别提出了在硬件上采用可调节流阀和在软件上采用神经网络的抑制多余力矩的新方法。通过仿真,分析了加载系统总流量压力系数对加载系统频率特性的影响,提出在加载马达两腔间并联可调节流阀来抑制多余力矩的新方法。建立了加入可调节流阀后加载系统的数学模型,并通过仿真分析验证了可调节流阀抑制多余力矩的有效性。同时考虑到电液负载模拟器系统中固有的各种摩擦、非线性等不确定性因素对系统的综合性能的影响,设计了一种基于神经网络的复合控制器,包括基于RBF神经网络的辨识器和基于BP神经网络的控制器。利用RBF神经网络的非线性逼近和自学习特性,对系统进行在线辨识;将BP神经网络与PID控制相结合,把PID的控制参数纳入神经网络的结构中,根据辨识信息和误差实时改变控制参数,以满足系统要求。最后在电液负载模拟器原理样机上进行了实验研究。对加载系统进行静态、动态性能实验;进行了可调节流阀抑制多余力矩的实验研究;将神经网络辨识器和控制器算法编入控制系统中,进行了抑制和消除多余力矩的实验研究。实验结果表明,采用可调节流阀和神经网络控制策略不仅使系统达到了技术指标要求,而且很好地抑制和消除了多余力矩。

全文目录

摘要  3-4
Abstract  4-9
第1章绪论  9-17
  1.1 课题的研究背景及意义  9
  1.2 国内外电液负载模拟器的发展概况  9-11
    1.2.1 国内电液负载模拟器的发展概况  9-10
    1.2.2 国外电液负载模拟器的发展概况  10-11
  1.3 电液负载模拟器的主要问题及评价指标  11-16
    1.3.1 电液负载模拟器的主要问题  11
    1.3.2 电液负载模拟器主要问题的解决方法  11-15
    1.3.3 主要评价指标  15-16
  1.4 论文主要研究内容  16-17
第2章电液负载模拟器数学建模及分析  17-26
  2.1 引言  17
  2.2 电液负载模拟器的工作原理  17-18
  2.3 电液负载模拟器数学模型的建立  18-23
    2.3.1 加载系统数学模型的建立  18-20
    2.3.2 舵机系统数学模型的建立  20-21
    2.3.3 负载模拟器其他环节的数学模型  21-22
    2.3.4 电液负载模拟器系统方块图及传递函数模型  22-23
  2.4 多余力矩的产生机理  23
    2.4.1 多余力矩的定义  23
    2.4.2 多余力矩的产生机理  23
  2.5 负载模拟器主要结构参数与加载系统性能的关系  23-25
    2.5.1 舵机系统综合刚度与加载系统性能的关系  24
    2.5.2 惯性负载与加载系统控制性能的关系  24-25
    2.5.3 加载系统中总流量压力系数与控制性能的关系  25
  2.6 本章小结  25-26
第3章可调节流阀抑制负载模拟器多余力矩的研究  26-37
  3.1 引言  26
  3.2 加载系统动态特性分析  26-29
    3.2.1 主动加载特性分析  27-28
    3.2.2 被动加载特性分析  28-29
  3.3 可调节流阀抑制负载模拟器多余力矩的研究  29-36
    3.3.1 数学模型的建立  30-31
    3.3.2 抑制多余力矩的仿真分析  31-36
  3.4 本章小结  36-37
第4章基于神经网络的复合控制器设计  37-53
  4.1 引言  37
  4.2 神经网络概论  37-38
    4.2.1 神经网络的发展史  37
    4.2.2 神经网络的控制特性  37-38
  4.3 基于神经网络的复合控制器  38-39
  4.4 神经网络辨识器的设计  39-45
    4.4.1 非线性系统的神经网络辨识方法  39-40
    4.4.2 基于RBF神经网络的系统辨识  40-44
    4.4.3 系统辨识仿真  44-45
  4.5 神经网络控制器的设计  45-48
    4.5.1 非线性系统的神经网络控制结构  45-46
    4.5.2 神经网络与PID控制相结合的控制方法  46-48
  4.6 系统仿真与分析  48-52
    4.6.1 多余力矩抑制能力的仿真  49
    4.6.2 加载系统的力矩跟踪仿真与分析  49-52
  4.7 本章小结  52-53
第5章电液负载模拟器系统的实验研究  53-63
  5.1 引言  53
  5.2 实验系统结构组成  53-54
  5.3 加载系统的实验研究  54-57
    5.3.1 静态加载实验  54-55
    5.3.2 动态加载实验  55-57
    5.3.3 多余力矩实验  57
  5.4 可调节流阀抑制多余力矩的实验研究  57-60
    5.4.1 抑制多余力矩的实验研究  57-58
    5.4.2 动态跟踪性能的实验研究  58-60
  5.5 神经网络控制器抑制多余力矩的实验研究  60-61
    5.5.1 不同加载频率时的动态跟踪曲线  60-61
    5.5.2 不同加载梯度时的动态跟踪曲线  61
  5.6 本章小结  61-63
结论  63-65
参考文献  65-70
致谢  70

两种抑制电液负载模拟器多余力矩方法的研究

内容摘要

全文目录

相似论文