空气舵负载模拟器加载系统的控制策略研究

发布时间：2017-12-22 07:34

  本文关键词：空气舵负载模拟器加载系统的控制策略研究　出处：《北京交通大学》2017年博士论文　论文类型：学位论文

  更多相关文章： TPF-ILC控制策略 负载模拟器 迭代学习控制 EMD分解算法 多余力消除 相位校正

【摘要】：空气舵作为飞行器的核心部件之一,用于控制飞行器的飞行姿态和调整及改变飞行轨迹,其性能好坏直接影响飞行器的控制精度和稳定性。空气舵负载模拟器是空气舵的重要地面试验设备,用于模拟飞行过程中的载荷,为空气舵地面实验提供可靠的实验保障和技术支持。随着我国航天和国防事业的大力发展,对飞行器提出了更高的要求,研究能够精确复现飞行过程中力学条件的空气舵负载模拟器势在必行。为了精确模拟真实飞行过程中的空气载荷,负载模拟器不仅要求加载常规的正弦信号,还要求加载三角信号,甚至更为复杂的多频复合信号,并要求加载过程中的多余力消除达到95%及以上。为此,论文首先对国内外负载模拟器的技术发展现状以及以迭代学习控制为代表的智能控制研究现状进行了综述,确立了论文的研究方向以及研究目标。随后为了实现空气舵负载模拟器的加载要求,设计了负载模拟器的测控系统。建立了动力机构、加载系统、伺服阀的数学模型和多余力干扰下的系统数学模型,并对系统进行了仿真研究,分析了多余力产生的机理。利用地面试验的加载载荷具有连续和重复的特点,针对被控电液伺服系统和加载过程所具有的非线性,在迭代学习控制理论的基础上提出了一种基于时变引导因子的迭代学习控制策略(Time varying pilot factor-iterative learning control,简称TPF-ILC)。证明了 TPF-ILC控制策略分别在无多余力干扰和有多余力干扰情况下的系统收敛性,提出了这两种情况下系统收敛的充分条件。随后就迭代学习中的关键问题——初态问题进行了理论分析,利用系统的连续和重复的特性,证明了在TPF-ILC控制策略作用下,即使系统每个迭代周期的初始状态不严格一致,系统的误差和初始状态依然收敛,突破了迭代学习理论中对初始状态要求严格一致的理论限制,使得TPF-ILC控制策略具备更好的实用性和更广的应用范围。论文研究了 TPF-ILC控制策略的鲁棒性,明确了系统误差与干扰之间的关系,为后续的多余力抑制和消除问题提供了理论依据。在TPF-ILC控制策略的实际应用中,针对系统相位延迟导致误差不收敛和学习方法失效的问题,将相位延迟因子引入TPF-ILC算法中,利用新提出的多尺度直线拟合方法实时检测系统的相位延迟,并用该延迟信号对误差信号进行相位校正,从而提出了对TPF-ILC控制策略的改进。针对改进的TPF-ILC控制策略同样在理论上进行了收敛性证明,并给出系统收敛的充分条件。实践中,考虑到加载信号有较为复杂的三角信号和多频复合信号,以及TPF-ILC控制策略对系统相位的敏感性,传统数字滤波器由于相频特性的非线性,其相位延迟会随外部信号频率的变化而变化,会导致TPF-ILC控制失效。为此,论文提出了 OL-EMD(On line EMD,简称OL-EMD)数字滤波算法,能同时兼顾相频特性和滤波效果。将该滤波算法分别进行了仿真验证和实验验证,验证结果说明了该滤波方法的有效性。最后,进行了实验研究。通过6组实验对改进TPF-ILC控制策略和多余力消除效果进行充分验证:无多余力干扰和有多余力情况下的正弦波信号加载实验、三角波信号加载实验、多频率复合信号加载实验。实验结果表明改进TPF-ILC控制策略使加载系统的多余力消除水平优于95%,证明了改进TPF-ILC控制策略的有效性和实用性。
【学位授予单位】：北京交通大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：V216.8

【相似文献】

中国期刊全文数据库 前10条

1 赵丽莉;孙明轩;金奎;;一类非线性不确定系统的迭代学习控制[J];浙江工业大学学报;2011年02期

2 苗静;;迭代学习控制理论[J];西安工业大学学报;2011年05期

3 苗静;;迭代学习控制理论[J];西安工业大学学报;2012年09期

4 陈兴林;姜晓明;王岩;;扫描光刻系统的分段迭代学习控制策略[J];哈尔滨工业大学学报;2013年07期

5 苗静;;迭代学习控制理论[J];西安工业大学学报;2014年02期

6 于少娟,冯冬梅,吴聚华;2-D系统理论在开闭环迭代学习控制中的应用[J];仪器仪表学报;2002年S1期

7 姚仲舒,杨成梧;迭代学习控制在烟叶发酵系统中的应用[J];自动化仪表;2002年12期

8 吕艳慧,杨云,李天石;基于变增益非线性系统的迭代学习控制方法的研究与应用[J];机床与液压;2003年04期

9 刘山,吴铁军;基于H_∞方法的鲁棒迭代学习控制设计[J];浙江大学学报(工学版);2004年03期

10 石成英,林辉;迭代学习控制技术的原理、算法及应用[J];机床与液压;2004年09期

中国重要会议论文全文数据库 前10条

1 毕胜;王福根;鄢达来;吴怀宇;章刚华;熊沈蜀;周兆英;;功能性电刺激P型迭代学习控制方法的研究[A];中国康复医学会第四届会员代表大会暨第三届中国康复医学学术大会论文汇编[C];2001年

2 高巍;孙明轩;俞立;;有界输入下的迭代学习控制[A];第二十四届中国控制会议论文集（上册）[C];2005年

3 孙小强;王银河;;一类组合大系统简单迭代学习控制的收敛性[A];2005全国自动化新技术学术交流会论文集（三）[C];2005年

4 刘山;林坚;;基于二自由度控制的鲁棒迭代学习控制设计[A];第二十六届中国控制会议论文集[C];2007年

5 沈栋;陈翰馥;;Hammerstein-Wiener系统的迭代学习控制[A];第二十九届中国控制会议论文集[C];2010年

6 兰永红;;基于二维模型的鲁棒D型迭代学习控制[A];中国自动化学会控制理论专业委员会C卷[C];2011年

7 孙明轩;王惠峰;毕宏博;;反馈辅助迭代学习控制[A];第25届中国控制与决策会议论文集[C];2013年

8 孙明轩;万伯任;;迭代学习控制系统的初始条件问题[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 师佳;江青茵;曹志凯;周华;;一种基于2维鲁棒预测控制的迭代学习控制方案[A];第二十九届中国控制会议论文集[C];2010年

10 池荣虎;侯忠生;;基于学习自适应估计环的迭代学习控制[A];第三届全国信息获取与处理学术会议论文集[C];2005年

中国博士学位论文全文数据库 前10条

1 张春丽;几类非线性系统的自适应迭代学习控制研究[D];西安电子科技大学;2014年

2 张瑞坤;受限非线性参数化系统的自适应迭代学习控制[D];北京交通大学;2016年

3 周伟;基于高阶内模的离散时间系统的迭代学习控制[D];浙江大学;2016年

4 翟仑;迭代学习控制在非严格重复时延系统中的应用研究[D];山东大学;2017年

5 黄静;空气舵负载模拟器加载系统的控制策略研究[D];北京交通大学;2017年

6 谢振东;非线性迭代学习控制理论及其在机器人控制中的应用[D];华南理工大学;2000年

7 姜晓明;迭代学习控制方法及其在扫描光刻系统中的应用研究[D];哈尔滨工业大学;2014年

8 王轶;基于迭代学习控制的几类列车自动控制问题研究[D];北京交通大学;2010年

9 杨胜跃;迭代学习控制算法设计与优化研究[D];中南大学;2004年

10 曹伟;迭代学习控制及其在故障诊断中的应用研究[D];哈尔滨工程大学;2013年

中国硕士学位论文全文数据库 前10条

1 蔡丽;抗非重复性干扰的迭代学习控制研究[D];郑州大学;2011年

2 李彩丽;基于迭代域的迭代学习控制方法的研究[D];大连海事大学;2015年

3 魏少龙;二维LQG基准下迭代学习控制的性能评估[D];北京化工大学;2015年

4 赵丽娜;基于迭代学习控制的有限状态机在动力型假肢中的应用[D];河北工业大学;2015年

5 余剑平;非线性系统的自适应迭代学习控制[D];云南师范大学;2015年

6 张畅;具有重复特性系统的控制方法研究[D];东北石油大学;2015年

7 李广印;基于未知控制方向的非线性系统的自适应学习控制[D];云南师范大学;2015年

8 钱亚中;自适应鲁棒重复/迭代学习控制及其在电机上的应用[D];浙江工业大学;2015年

9 陈乐剑;约束自适应模糊迭代学习控制[D];浙江工业大学;2015年

10 刘宇;数据驱动的终端迭代学习控制方法及不确定性问题研究[D];青岛科技大学;2016年

，

本文编号：1318970