基于神经网络的电动负载模拟器控制方法研究

发布时间：2017-07-29 02:23

  本文关键词：基于神经网络的电动负载模拟器控制方法研究

  更多相关文章： 电动负载模拟器 多余力矩 干扰观测器 神经网络逆控制 在线神经网络 通用模型控制

【摘要】：负载模拟器是地面实验室条件下的设备,能够模拟飞行器飞行阶段受到的力矩。电动负载模拟器因其体积小、使用方便等特点,得到了越来越广泛的应用。航空技术的发展对飞行器舵机的控制性能和精度提出了更高的要求。本文利用基于神经网络方法对负载模拟器的控制进行研究:(1)将舵机的输出看作负载模拟器的外部扰动,然后根据模拟器加载部分的构成及各部分的物理特性,建立负载模拟器加载环节的数学模型。在考虑系统不确定性和模型参数摄动情况下,分析未建模动态、参数摄动、多余力矩及外界干扰对系统性能的影响。(2)对系统多余力矩及其抑制进行了研究,为了有效抑制多余力矩,提出了一种前馈补偿和干扰观测器(DOB)相结合的复合抑制策略。仿真结果表明该复合策略能够有效抑制系统多余力矩。(3)针对负载模拟器加载环节的指令力矩跟踪精度问题,提出了一种动态神经网络广义逆控制方案。方案利用三层前馈网络与积分器组成动态网络,训练得到逆模型并串联在被控对象之前构成伪线性系统;采用附加控制器进行闭环控制。仿真结果表明该策略能够有效提高负载模拟器力矩跟踪精度。(4)针对神经网络广义逆策略中存在的不能保证控制的实时性和伪线性系统的非理想特性这两点不足,采用在线调节和通用模型策略(CMC)对系统性能进行改善,大大改善了电动加载过程的力矩跟踪性能。
【关键词】：电动负载模拟器 多余力矩 干扰观测器 神经网络逆控制 在线神经网络 通用模型控制
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V216.8;TP183
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-17
• 1.1 论文研究意义10
• 1.2 负载模拟器的概述10-12
• 1.2.1 负载模拟器的结构10-11
• 1.2.2 负载模拟器的分类11-12
• 1.2.3 负载模拟器的性能评价12
• 1.3 负载模拟器的控制方法研究现状12-15
• 1.3.1 结构法13
• 1.3.2 控制法13-15
• 1.4 本文主要研究内容及安排15-17
• 第二章 电动加载模型建立及分析17-31
• 2.1 电动加载环节数学模型建立17-19
• 2.1.1 加载电机的数学模型17-18
• 2.1.2 PWM驱动装置的数学模型18
• 2.1.3 力矩传感器的数学模型18-19
• 2.1.4 电动加载环节数学模型19
• 2.1.5 仿真参数的确定19
• 2.2 电动加载环节特性分析19-26
• 2.2.1 电动加载通道频率特性分析19-21
• 2.2.2 多余力矩分析21-24
• 2.2.3 不确定性分析24-26
• 2.3 多余力矩的补偿抑制26-30
• 2.3.1 基于速度前馈补偿的多余力矩抑制26-27
• 2.3.2 基于干扰观测的多余力矩复合抑制27-29
• 2.3.3 仿真研究29-30
• 2.4 本章小结30-31
• 第三章 电动加载神经网络逆控制31-40
• 3.1 神经网络概述31-32
• 3.2 神经网络广义逆控制32-36
• 3.2.1 逆系统原理32-33
• 3.2.2 神经网络广义逆系统及实现33-35
• 3.2.3 电动加载神经网络逆控制实现35-36
• 3.3 仿真研究36-39
• 3.4 本章小结39-40
• 第四章 电动加载在线神经网络逆控制40-49
• 4.1 神经网络逆控制中问题分析40-41
• 4.2 在线学习神经网络逆控制方法41-46
• 4.2.1 L-M（Levenberg-Marqurdt）算法42-43
• 4.2.2 在线L-M神经网络算法实现43-45
• 4.2.3 在线神经网络收敛性45-46
• 4.2.4 在线神经网络的实现过程46
• 4.3 电动加载在线神经网络逆控制46-47
• 4.4 仿真研究47-48
• 4.5 本章小结48-49
• 第五章 电动加载在线神经网络复合逆控制49-54
• 5.1 一般模型控制（GMC）49-50
• 5.2 通用模型控制（CMC）50-51
• 5.3 电动加载在线神经网络复合逆控制51-52
• 5.4 仿真研究52-53
• 5.4.1 在线神经网络复合逆控制仿真52-53
• 5.4.2 电动加载力矩跟踪误差综合分析53
• 5.5 本章小结53-54
• 结论54-56
• 参考文献56-61
• 致谢61-62
• 作者简介62-63
• 附件63-64

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

本文编号：587111