基于神经网络解耦控制的平台自动调平系统研究

发布时间：2017-09-18 10:19

  本文关键词：基于神经网络解耦控制的平台自动调平系统研究

  更多相关文章： 自动调平系统 逆系统解耦控制 PID神经网络 布谷鸟算法

【摘要】：平台自动调平技术广泛应用于军事、工业、科研等领域,对国民经济建设和社会发展具有重要的支撑作用。评价自动调平系统控制性能的主要性能指标有调平速度、调平精度以及稳定度等,由于平台调平系统是一个非线性的多变量耦合系统,传统控制方法在自动调平系统中难以取得较好的控制效果。故论文针对调平系统的建模仿真及智能控制展开研究,目的是硕士提高平台调平的速度、调平精度及稳定度。首先,论文以四支腿结构的平台为研究对象,分析了位置误差控制调平法、角度误差控制调平法及逆系统解耦控制调平法的特点,提出了使用最高点不动法结合逆系统解耦控制法的复合调平法为论文的调平方法。其次,分析了平台系统及其子系统的数学模型,并使用Matlab/Simulink建立了平台系统和支腿系统的机电一体化仿真模型。在此基础上使用经典PID控制器对平台加以控制,仿真结果表明其调平速度慢,这是由于PID控制器无法对平台进行完全解耦造成的。针对该问题,提出使用改进PID神经网络(PIDNN)实现平台的解耦控制器。论文主要从PIDNN的结构和学习算法两方面对其加以改进。仿真实验表明改进PIDNN解耦控制器的调平速度明显快于经典PID控制器,但由于PIDNN在线学习过程中容易陷入局部最优,造成其较大的稳态误差,难以满足高精度调平的需求。最后,为了消除PIDNN解耦控制的稳态误差,提出了一种改进布谷鸟算法(MCS)对PIDNN初始权重加以优化。该算法通过与粒子群算法(PSO)和遗传算法(GA)的融合,以及进化算子自适应执行等改进措施进行改进。标准测试函数的对比测试表明,MCS相比于CS和PSO具有更好的优化搜索性能。仿真结果表明,优化后的PIDNN控制器不仅保持了较快的调平速度,还消除了静态误差,提升了平台的调平性能。
【关键词】：自动调平系统 逆系统解耦控制 PID神经网络 布谷鸟算法
【学位授予单位】：重庆交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP273;TP183
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-14
• 1.1 选题背景及研究意义10
• 1.2 国内外研究现状和发展状态10-12
• 1.3 主要研究内容于创新点与章节安排12-14
• 1.3.1 主要研究内容与创新点12-13
• 1.3.2 本文章节安排13-14
• 第二章 平台系统调平方案研究14-26
• 2.1 空间坐标旋转理论14-17
• 2.1.1 二维空间坐标旋转14-15
• 2.1.2 三维空间坐标旋转15-17
• 2.2 平台模型17-21
• 2.2.1 平台结构与姿态矩阵17-19
• 2.2.2 平台倾角与支腿长度关系19-21
• 2.3 调平策略研究21-25
• 2.3.1 角度误差控制调平法21-22
• 2.3.2 位置误差控制调平法22-23
• 2.3.3 逆系统解耦调平法23-24
• 2.3.4 调平方法对比分析与改进24-25
• 2.4 本章小结25-26
• 第三章 平台系统设计与建模分析26-42
• 3.1 平台整体系统设计26-27
• 3.2 支腿系统分析与数学建模27-33
• 3.2.1 伺服电机数学模型27-30
• 3.2.2 伺服电机控制系统设计30-32
• 3.2.3 支腿传动系统数学模型32-33
• 3.3 基于SIMSCAPE的平台系统多物理域建模33-41
• 3.3.1 SIMSCAPE简介34-35
• 3.3.2 支腿系统机电一体化仿真模型建立35-36
• 3.3.3 平台整体仿真系统建立36-41
• 3.4 本章小结41-42
• 第四章 自动调平系统的PID控制研究42-59
• 4.1 经典PID控制原理42-44
• 4.1.1 PID控制系统结构42-43
• 4.1.2 PID控制器参数调整43-44
• 4.2 支腿控制系统电一体化仿真44-53
• 4.2.0 支腿系统控制器结构及参数调整方法44-45
• 4.2.1 伺服电机电流环控制仿真45-47
• 4.2.2 支腿速度环控制仿真47-50
• 4.2.3 支腿系统位置环控制仿真50-53
• 4.3 平台整体控制系统仿真53-58
• 4.4 本章小结58-59
• 第五章 改进PID神经网络的调平解耦控制研究59-76
• 5.1 经典单变量PID神经网络59-64
• 5.1.1 SPIDNN的基本结构59-60
• 5.1.2 SPIDNN前向算法60-61
• 5.1.3 SPIDNN反向学习算法61-64
• 5.2 经典多变量PID神经网络64-68
• 5.2.1 MPIDNN控制系统结构64
• 5.2.2 MPIDNN前向算法64-66
• 5.2.3 MPIDNN反向学习算法66-67
• 5.2.4 PID神经网络的权值初始化67-68
• 5.3 基于改进MPID神经网络控制的自动调平系统研究68-74
• 5.3.1 经典MPIDNN控制的自动调平系统研究68-70
• 5.3.2 MPIDNN网络的改进70-72
• 5.3.3 改进的MPIDNN控制的调平系统仿真72-74
• 5.4 本章小结74-76
• 第六章 改进布谷鸟算法优化控制研究76-92
• 6.1 粒子群算与布谷鸟算法简介76-79
• 6.1.1 粒子群算法简介76-78
• 6.1.2 布谷鸟算法简介78-79
• 6.2 布谷鸟算法的改进研究79-81
• 6.2.1 布谷鸟算法与其他智能算法的融合改进79
• 6.2.2 进化算子概率自适应运行改进79-80
• 6.2.3 改进布谷鸟算法计算流程80-81
• 6.3 改进布谷鸟算法性能对比测试研究81-86
• 6.3.1 对比测试实验设计81-83
• 6.3.2 对比测试实验结果与分析83-86
• 6.4 改进布谷鸟算法对MPIDNN的优化控制应用研究86-91
• 6.4.1 改进布谷鸟算法对MPIDNN的优化设计86-88
• 6.4.2 优化结果与仿真分析88-91
• 6.5 本章小结91-92
• 第七章 总结与展望92-94
• 致谢94-95
• 参考文献95-98
• 作者在学期间的研究成果98

【相似文献】

中国期刊全文数据库 前10条

1 曹学鹏;程磊;焦生杰;曹丹;;机电液融合控制型调平系统的稳定性研究[J];广西大学学报(自然科学版);2013年03期

2 商文忠;袁国安;李志军;;牵引高炮自动调平系统[J];兵工自动化;2009年06期

3 李文成;李岩;姜伟伟;周学仕;;基于两轴角传感器的机动测控装备自动调平系统[J];现代电子技术;2010年14期

4 马久河;周海林;何循来;;装备液压调平系统测试设备的软件设计[J];机械与电子;2010年11期

5 沈亮远;;某液压工作平台自动调平系统的方案设计[J];科技创新导报;2010年28期

6 谭青,傅可明;自动调平系统在防空火炮中的应用[J];兵工自动化;2004年04期

7 张艳兵,姚舜才,任作新;PLC控制的4点调平系统[J];华北工学院学报;2004年03期

8 甘志梅;寇桂岳;;基于PLC的车载平台液压自动调平系统设计[J];南昌工程学院学报;2012年04期

9 丁守成;袁桂慈;;一种基于Keilc51的自动调平系统的设计与实现[J];工矿自动化;2006年02期

10 刘均益;何清华;王石林;陈艳军;;基于PID控制算法的自动调平系统的仿真研究[J];中国工程机械学报;2011年04期

中国重要会议论文全文数据库 前4条

1 金振林;黄大贵;卢朝双;;基于小脑模型的自动调平系统[A];2005年机械电子学学术会议论文集[C];2005年

2 万其;张启杰;;雷达载车双闭环调平系统设计[A];中国电子学会电子机械工程分会2007年机械电子学学术会议论文集[C];2007年

3 高建华;;十点电动自动调平系统的设计与研究[A];2010年西南三省一市自动化与仪器仪表学术年会论文集[C];2010年

4 李侃;赵静一;;全液压自行走平板车电液调平系统研制[A];2008’“先进集成技术”院士论坛暨第二届仪表、自动化与先进集成技术大会论文集[C];2008年

中国博士学位论文全文数据库 前1条

1 田春鹏;机电式高精度快速调平系统控制研究[D];中国海洋大学;2015年

中国硕士学位论文全文数据库 前10条

1 何兵怀;多点调平系统的研究[D];电子科技大学;2014年

2 李泽辉;气浮台系统关键控制技术研究与实现[D];哈尔滨工业大学;2016年

3 王曜初;基于多机通信的机电式调平系统的研究[D];东南大学;2016年

4 王刚;车载式高空作业平台调平系统设计与研究[D];山东大学;2016年

5 颜禹;基于神经网络解耦控制的平台自动调平系统研究[D];重庆交通大学;2016年

6 唐瑜;农机驾驶座椅自动调平系统研究[D];西北农林科技大学;2010年

7 何林立;大型重载平台的自动调平系统研究[D];中北大学;2010年

8 刘林;基于拖拉机三点悬挂耕作机具调平系统研究[D];湖南农业大学;2014年

9 刘伟;海底钻机自动调平系统研究[D];中国地质大学;2012年

10 邢敏剑;自移式机尾自动调平系统的研究[D];安徽理工大学;2014年

，

本文编号：874938