导弹尾焰模拟器的温度多变量耦合控制研究
发布时间：2022-01-09 21:06
导弹尾焰模拟器是一种应用与防空训练的红外目标模拟器。红外目标模拟器中红外探头加热棒的温度直接影响红外辐射强度,其温度控制的稳定性直接影响了整体目标模拟器的实际使用效果。红外发射端的温度是较为复杂的控制对象,且其与周围较多温度变量严重耦合。所以迫切需要一种解耦控制来实现将目标模拟器的温度控制在稳定范围内。为了解决这一问题,本文首先分析了导弹尾焰模拟器设计应用的主要原理,包括硬件设计涉及的红外辐射原理和解耦控制理论。根据耦合控制原理对系统进行了耦合性分析,分别使用传统方法和神经网络方法对系统进行解耦仿真,并对比了几种解耦方法的效果。然后对尾焰模拟器硬件部分进行设计研究,根据硬件系统分析其温度特性,对尾焰模拟器温度耦合系统建立模型,设计了基于逆系统的神经网络的PID解耦控制系统。针对温度多变量的耦合问题提出了神经网络逆系统的解耦控制方案;为了对系统的可逆性进行证明,建立了系统模型。为了选择合适的网络结构,分别对不同结构的神经网络进行了仿真分析,最后采用RBF神经网络算法。通过RBF对其逆系统进行逼近,使用MATLAB仿真分析不同网络结构下的训练效果,选择最合适的网络结构。然后将构造的逆系统与...
【文章来源】：长春理工大学吉林省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
导弹尾焰模拟器整体框架
第2章系统总体理论概述13的波长数值所在的位置仅仅一处，那就是图中的bM，与此同时，也能够得到基尔霍夫定律bTbTMM。黑体热辐射的出射度已经得知，结合基尔霍夫定律，便能够精确地获得其它物体的这一参数，如此一来，就能够确定物体的热辐射特性。图2.4不同温度范围内黑体光谱出射度随波长变化曲线2.3多变量耦合控制理论解耦控制系统[24]的研究，主要围绕被控制变量的耦合性分析和解耦方法的确定两个方面。系统耦合性分析经过实验和经验分析导弹尾焰模拟器中可能存在的耦合变量进行分析研究。耦合方法将通过比较几种不同的解耦方法，根据系统的模型特性，选出最优的解耦方法。2.3.1导弹尾焰模拟器耦合性分析对于完整的多变量耦合系统来说，它的结构复杂多样，因此所面临的主要问题就是如何正确地将控制变量和操作变量结合在一起。美国的科研学者辛斯基提出了相对放大系数这一思想。王永初进行了大量实验，对以往的辛氏方法做出相应改进，提出相对放大系统定理，以此来更加科学合理地对多变量耦合系统进行研究。经过实验研究，和经验分析，大致确定有以下几个变量需要解耦控制。1、电阻丝两端温度。加热过程中，由于目标温度极高，但热量低，电阻丝发热部分与两端部分均有发热，两端的热量会对目标辐射测量产生影响。2、抛物辐射反射罩内的腔体温度。
第2章系统总体理论概述14用于控制辐射大小的百叶窗的开合，也会导致腔体内部热量产生变化。3、外部箱体温度。箱体直接与外界接触，这一变量也一定影响主体热量的控制。2.3.2前馈补偿法解耦控制为了验证传统的解耦控制方法，设计了系统方程为式(2-11)的耦合系统。式(2-11)中，1Y、2Y分别是系统的两个输出、给与系统的输入分别为8、10。120.50.182+191151031121YssYss(2-11)simulink仿真结构图如图2.5所示。图2.5耦合系统验证仿真图图2.6耦合系统响应曲线对该系统施加幅值为1的随机信号干扰，并且将耦合系统与PI控制器相连接。
【参考文献】：
期刊论文
[1]基于归一化最小均方差联合集合经验模态分解的运动状态下心率提取算法研究[J]. 耿读艳,赵杰,王晨旭,董嘉冀,宁琦,王琰. 生物医学工程学杂志. 2020(01)
[2]基于Smith预估补偿的RBF神经网络的锅炉燃烧系统解耦控制[J]. 高锦,李勇,周燕弟,章家岩. 江汉大学学报(自然科学版). 2019(05)
[3]基于模糊神经网络的注塑机料筒温度控制策略[J]. 胡亚南,张洪兴,丰会萍. 塑料. 2019(04)
[4]变风量空调系统温湿度解耦控制[J]. 闫秀联,颜菲菲,闫秀英. 制冷与空调(四川). 2019(03)
[5]导弹模拟器研究现状与关键技术[J]. 李尚生,李炜杰,付哲泉,邹翰锋. 兵工自动化. 2017(06)
[6]针对多变量耦合时滞系统的无模型控制改进算法[J]. 牛培峰,李梦宁,孙丽朋,马云鹏,刘魏岩,李刚. 化工学报. 2016(06)
[7]红外加热棒式外热流模拟器在航天器真空热试验中的性能分析[J]. 柳晓宁,郭鹏,申彬,曹志松. 航天器环境工程. 2015(04)
[8]基于多变量耦合反馈的电动助力转向模糊PID控制策略研究[J]. 赵玉兰,吕福麟,贠海涛,曹爱霞,谢建新. 现代制造工程. 2015(05)
[9]工程状态诊断系统多变量耦合问题及拉氏解径[J]. 侯学良,王毅. 系统工程理论与实践. 2015(09)
[10]基于改进型BP神经网络PID控制器的温室温度控制技术[J]. 蒋鼎国. 实验室研究与探索. 2015(01)
硕士论文
[1]基于RBF的高速列车速度跟踪控制及仿真研究[D]. 王明祥.华东交通大学 2018
[2]静态图像人体轮廓提取方法的研究[D]. 董楠.西安理工大学 2018
[3]基于卷积神经网络的图像深度估计研究[D]. 王媛媛.西安理工大学 2018
[4]基于异构处理器的深度卷积神经网络加速系统设计与实现[D]. 姜典坤.北京交通大学 2018
[5]基于BP神经网络PID控制技术在氯化工艺控制中的应用[D]. 杨光辉.南昌航空大学 2018
[6]基于RBF神经网络逆辨识的电弧炉电极控制系统研究[D]. 胡贵妹.安徽工业大学 2018
[7]基于模糊PID参数自整定的细胞培养箱温度控制研究与实现[D]. 刘大军.宁波大学 2017
[8]基于模糊控制的单螺杆挤出机温度控制系统的设计与实现[D]. 王海璇.吉林大学 2016
[9]三种理条机加热装置改进的研究[D]. 邓雪.安徽农业大学 2016
[10]基于PSO神经网络的解耦控制及其在精馏塔上的应用研究[D]. 滕伟峰.浙江理工大学 2015
本文编号：3579442
【文章来源】：长春理工大学吉林省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
导弹尾焰模拟器整体框架
第2章系统总体理论概述13的波长数值所在的位置仅仅一处，那就是图中的bM，与此同时，也能够得到基尔霍夫定律bTbTMM。黑体热辐射的出射度已经得知，结合基尔霍夫定律，便能够精确地获得其它物体的这一参数，如此一来，就能够确定物体的热辐射特性。图2.4不同温度范围内黑体光谱出射度随波长变化曲线2.3多变量耦合控制理论解耦控制系统[24]的研究，主要围绕被控制变量的耦合性分析和解耦方法的确定两个方面。系统耦合性分析经过实验和经验分析导弹尾焰模拟器中可能存在的耦合变量进行分析研究。耦合方法将通过比较几种不同的解耦方法，根据系统的模型特性，选出最优的解耦方法。2.3.1导弹尾焰模拟器耦合性分析对于完整的多变量耦合系统来说，它的结构复杂多样，因此所面临的主要问题就是如何正确地将控制变量和操作变量结合在一起。美国的科研学者辛斯基提出了相对放大系数这一思想。王永初进行了大量实验，对以往的辛氏方法做出相应改进，提出相对放大系统定理，以此来更加科学合理地对多变量耦合系统进行研究。经过实验研究，和经验分析，大致确定有以下几个变量需要解耦控制。1、电阻丝两端温度。加热过程中，由于目标温度极高，但热量低，电阻丝发热部分与两端部分均有发热，两端的热量会对目标辐射测量产生影响。2、抛物辐射反射罩内的腔体温度。
第2章系统总体理论概述14用于控制辐射大小的百叶窗的开合，也会导致腔体内部热量产生变化。3、外部箱体温度。箱体直接与外界接触，这一变量也一定影响主体热量的控制。2.3.2前馈补偿法解耦控制为了验证传统的解耦控制方法，设计了系统方程为式(2-11)的耦合系统。式(2-11)中，1Y、2Y分别是系统的两个输出、给与系统的输入分别为8、10。120.50.182+191151031121YssYss(2-11)simulink仿真结构图如图2.5所示。图2.5耦合系统验证仿真图图2.6耦合系统响应曲线对该系统施加幅值为1的随机信号干扰，并且将耦合系统与PI控制器相连接。
【参考文献】：
期刊论文
[1]基于归一化最小均方差联合集合经验模态分解的运动状态下心率提取算法研究[J]. 耿读艳,赵杰,王晨旭,董嘉冀,宁琦,王琰. 生物医学工程学杂志. 2020(01)
[2]基于Smith预估补偿的RBF神经网络的锅炉燃烧系统解耦控制[J]. 高锦,李勇,周燕弟,章家岩. 江汉大学学报(自然科学版). 2019(05)
[3]基于模糊神经网络的注塑机料筒温度控制策略[J]. 胡亚南,张洪兴,丰会萍. 塑料. 2019(04)
[4]变风量空调系统温湿度解耦控制[J]. 闫秀联,颜菲菲,闫秀英. 制冷与空调(四川). 2019(03)
[5]导弹模拟器研究现状与关键技术[J]. 李尚生,李炜杰,付哲泉,邹翰锋. 兵工自动化. 2017(06)
[6]针对多变量耦合时滞系统的无模型控制改进算法[J]. 牛培峰,李梦宁,孙丽朋,马云鹏,刘魏岩,李刚. 化工学报. 2016(06)
[7]红外加热棒式外热流模拟器在航天器真空热试验中的性能分析[J]. 柳晓宁,郭鹏,申彬,曹志松. 航天器环境工程. 2015(04)
[8]基于多变量耦合反馈的电动助力转向模糊PID控制策略研究[J]. 赵玉兰,吕福麟,贠海涛,曹爱霞,谢建新. 现代制造工程. 2015(05)
[9]工程状态诊断系统多变量耦合问题及拉氏解径[J]. 侯学良,王毅. 系统工程理论与实践. 2015(09)
[10]基于改进型BP神经网络PID控制器的温室温度控制技术[J]. 蒋鼎国. 实验室研究与探索. 2015(01)
硕士论文
[1]基于RBF的高速列车速度跟踪控制及仿真研究[D]. 王明祥.华东交通大学 2018
[2]静态图像人体轮廓提取方法的研究[D]. 董楠.西安理工大学 2018
[3]基于卷积神经网络的图像深度估计研究[D]. 王媛媛.西安理工大学 2018
[4]基于异构处理器的深度卷积神经网络加速系统设计与实现[D]. 姜典坤.北京交通大学 2018
[5]基于BP神经网络PID控制技术在氯化工艺控制中的应用[D]. 杨光辉.南昌航空大学 2018
[6]基于RBF神经网络逆辨识的电弧炉电极控制系统研究[D]. 胡贵妹.安徽工业大学 2018
[7]基于模糊PID参数自整定的细胞培养箱温度控制研究与实现[D]. 刘大军.宁波大学 2017
[8]基于模糊控制的单螺杆挤出机温度控制系统的设计与实现[D]. 王海璇.吉林大学 2016
[9]三种理条机加热装置改进的研究[D]. 邓雪.安徽农业大学 2016
[10]基于PSO神经网络的解耦控制及其在精馏塔上的应用研究[D]. 滕伟峰.浙江理工大学 2015
本文编号：3579442
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/3579442.html
