变负载两轴转台伺服系统控制研究

发布时间：2017-06-11 20:07

  本文关键词：变负载两轴转台伺服系统控制研究，由笔耕文化传播整理发布。

【摘要】：转台作为高精度的机电一体化产品,被广泛应用在航空航天、航海、机器人、火炮及数控机床等领域。比如对雷达、导弹及火炮的方位角与俯仰角的控制；对舰船、卫星中的执行机构的仿真试验；模拟各种船体的偏航、俯仰、横滚等姿态；对机器人的运动控制等等。本论文以某武器转台伺服系统为工程背景,对其进行性能研究。该转台伺服系统精度要求高、负载适应范围大,常规的控制方法已不能满足其性能要求。本文提出的小波神经网络与自适应控制相结合的控制方法,仿真结果表明,在提高了转台伺服系统精度的同时,对系统参数摄动及外部干扰也具有很强的鲁棒性。本论文的主要研究工作集中在以下几个方面：首先,对转台伺服系统的组成结构特点和工作原理进行了深入分析,设计了以TMS320F2812为核心的系统硬件电路。确定永磁直流力矩电机的数学模型,并在此基础上对转台伺服系统进行建模,分析了系统中的不确定性和非线性因素。其次,针对转台伺服系统中存在非线性及不确定性从而导致的难以建立系统精确数学模型的问题,本文采用小波神经网络辨识方案,辨识结果表明,小波神经网络辨识能够很好地适应控制环境的快速变化,且具有良好的动态性能。最后,将小波神经网络与自适应控制结合,提出了间接小波神经网络自校正控制方案。该方案利用基于遗传算法优化的小波神经网络在线辨识器实时地为小波神经网络自适应控制器提供梯度信息,使得控制器的学习修正能够正确的进行。通过仿真实验分析,间接小波神经网络自校正控制方案具有较好的控制性能。
【关键词】：转台 永磁直流力矩电机 小波神经网络 自适应控制
【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP273;TH-39
【目录】：

• 摘要3-4
• Abstract4-9
• 1 绪论9-13
• 1.1 课题背景9
• 1.2 国内外转台发展现状及趋势9-10
• 1.3 转台伺服系统现状10-11
• 1.4 转台伺服系统算法研究现状11-12
• 1.5 论文主要内容12-13
• 2 转台系统组成与工作原理13-19
• 2.1 转台系统组成及工作原理13-14
• 2.2 转台系统技术指标14
• 2.3 转台系统负载分析14-15
• 2.4 转台系统硬件组成简述15-18
• 2.4.1 上位机与控制计算机15-16
• 2.4.2 俯仰与方位电机16
• 2.4.3 电机驱动器16
• 2.4.4 位置检测装置16-18
• 2.5 本章小结18-19
• 3 转台伺服系统硬件设计19-27
• 3.1 转台伺服控制系统硬件设计19-21
• 3.2 伺服控制板的设计21-24
• 3.2.1 TMS320F2812最小系统21-22
• 3.2.2 供电电路22-23
• 3.2.3 电平转换电路23
• 3.2.4 上位机通信电路23-24
• 3.3 D/A转换电路的设计24-25
• 3.4 电源滤波板的设计25-26
• 3.5 本章小结26-27
• 4 转台伺服系统建模27-32
• 4.1 转台伺服系统数学模型27-30
• 4.2 转台伺服系统中的不确定性与非线性因素分析30-31
• 4.2.1 参数的不确定性30
• 4.2.2 非线性因素30-31
• 4.3 本章小结31-32
• 5 转台伺服系统模型辨识32-43
• 5.1 系统辨识基础32-33
• 5.2 辨识数据的获取与预处理33-35
• 5.2.1 辨识数据的获取33-35
• 5.2.2 辨识数据的预处理35
• 5.3 神经网络35-37
• 5.4 小波神经网络辨识37-41
• 5.4.1 小波分析37-38
• 5.4.2 小波神经网络结构形式及学习算法38-40
• 5.4.3 小波神经网络辨识研究40-41
• 5.5 系统辨识结果分析41-42
• 5.6 本章小结42-43
• 6 转台伺服系统控制器设计与仿真43-62
• 6.1 PID控制器43-49
• 6.1.1 PID控制原理43-44
• 6.1.2 小波神经网络PID控制器设计44-47
• 6.1.3 小波神经网络PID控制仿真研究47-49
• 6.2 小波神经网络自适应控制器49-61
• 6.2.1 自适应控制原理49-50
• 6.2.2 间接小波神经网络自校正控制器设计50-55
• 6.2.3 基于遗传算法优化的小波神经网络在线辨识研究55-56
• 6.2.4 间接小波神经网络自校正控制仿真研究56-61
• 6.3 本章小结61-62
• 7 结束语62-63
• 致谢63-64
• 参考文献64-67
• 附录67

【相似文献】

中国期刊全文数据库 前10条

1 黄永红;徐勇;;基于小波神经网络的某边坡预测研究[J];测绘工程;2012年02期

2 祖哲;毕贵红;刘力;郝娟;;基于小波神经网络的电力系统短期负荷预测模型研究[J];计算机技术与发展;2012年10期

3 霍禹同;;基于小波神经网络的电机自动控制研究[J];信息与电脑(理论版);2013年09期

4 江亚东,丁丽萍,夏克俭,李恪,陈因颀;基于小波神经网络的混沌模式提取[J];北京科技大学学报;2001年05期

5 陈农,贾区耀;用自适应小波神经网络辨识动态实验数据[J];飞行力学;2001年01期

6 张增芳,陈瑞中,齐保谦,陆英北;基于小波神经网络的心电数据压缩研究[J];广西工学院学报;2002年01期

7 任少龙,钟秋海,严承华;小波神经网络在装备研制费预测与控制中的应用[J];海军工程大学学报;2002年05期

8 董杰,马壮,吴云,李嘉林;遗传小波神经网络在飞机加油管路设计中的应用[J];机械科学与技术;2002年S1期

9 赵学智,邹春华,陈统坚,叶邦彦,彭永红;小波神经网络的参数初始化研究[J];华南理工大学学报(自然科学版);2003年02期

10 杨春玲,杨茂华,胡艳,戴景民;小波神经网络在多波长辐射测温中的应用[J];计量学报;2003年04期

中国重要会议论文全文数据库 前10条

1 胡博;陶文华;崔博;白一彤;尹旭;;基于小波神经网络的异步电机故障诊断[A];2009中国控制与决策会议论文集（2）[C];2009年

2 何正友;钱清泉;;一种改进小波神经网络模型在电力故障信号识别中的应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

3 鲁艳军;陈汉新;陈绪兵;;基于小波神经网络的齿轮裂纹故障诊断[A];节能减排 绿色制造 智能制造——低碳经济下高技术制造产业与智能制造发展论坛论文集[C];2010年

4 董健;尹萌;张辉;;小波神经网络结合多项式的混合预测方法在通信规划中的应用[A];2011全国无线及移动通信学术大会论文集[C];2011年

5 谢建宏;张为公;;复合材料疲劳剩余寿命预测的动态小波神经网络方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 陈建秋;张新政;;基于小波神经网络的水质预测应用研究[A];2006中国控制与决策学术年会论文集[C];2006年

7 孙正贵;;小波神经网络的高效学习算法及应用研究[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

8 黄敏;朱启兵;崔宝同;;基于小波神经网络的轧机特性回归[A];2007中国控制与决策学术年会论文集[C];2007年

9 周绍磊;张文广;李新;;一种基于改进遗传算法的小波神经网络[A];2007年中国智能自动化会议论文集[C];2007年

10 杜青;刘剑飞;刘娟;乔延华;;基于小波神经网络的模拟调制信号自动识别[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（下册）[C];2007年

中国博士学位论文全文数据库 前10条

1 侯霞;小波神经网络若干关键问题研究[D];南京航空航天大学;2006年

2 章文俊;小波神经网络算法及其船舶运动控制应用研究[D];大连海事大学;2014年

3 高协平;小波参数化与小波神经网络研究[D];湖南大学;2003年

4 宋清昆;自适应结构优化神经网络控制研究[D];哈尔滨理工大学;2009年

5 李永红;广义小波神经网络实现雷达相关滤波的研究[D];大连海事大学;2000年

6 银俊成;量子信道与量子小波神经网络相关问题研究[D];陕西师范大学;2013年

7 李文军;多小波和小波神经网络构造及其在电弧故障诊断中的应用研究[D];吉林大学;2008年

8 刘守生;遗传算法与小波神经网络中若干问题的研究[D];南京航空航天大学;2005年

9 黄同成;基于小波神经网络理论的VOCR与HOCR技术研究[D];上海大学;2008年

10 蔡振禹;基于粗集—小波神经网络的煤炭企业管理研究[D];天津大学;2007年

中国硕士学位论文全文数据库 前10条

1 张清华;小波神经网络参数优化及其应用[D];东北农业大学;2009年

2 王建双;基于小波神经网络控制器设计与研究[D];哈尔滨理工大学;2009年

3 张蓉晖;小波神经网络及其在模拟电路诊断中的应用[D];华中科技大学;2008年

4 吴曦;基于随机小波神经网络的一类随机过程的逼近[D];西北工业大学;2001年

5 王勇;基于小波神经网络的模拟电路故障诊断的研究[D];内蒙古工业大学;2006年

6 孙新强;基于小波神经网络的板料冲压回弹研究[D];西南交通大学;2015年

7 但立;基于小波神经网络的地面三维激光扫描点云数据的滑坡监测研究[D];长安大学;2015年

8 葛小川;基于小波神经网络的某坦克炮平衡与定位控制[D];南京理工大学;2015年

9 蔡崇国;小波分析在大功率交流伺服系统中的应用研究[D];南京理工大学;2015年

10 卢金长;数据挖掘技术在上证指数预测中的应用研究[D];云南财经大学;2015年

  本文关键词：变负载两轴转台伺服系统控制研究，由笔耕文化传播整理发布。

，

本文编号：442358