基于神经网络的电动负载模拟器控制方法研究

《基于神经网络的电动负载模拟器控制方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于神经网络的电动负载模拟器控制方法研究研究生姓名：谷新铭导师姓名：王修岩教授2015年4月28日分类号：TP273密级：公开UDC：621.3学号：1202076中国民航大学硕士学位论文基于神经网络的电动负载模拟器控制方法研究研究生姓名：谷新铭导师姓名：王修岩教授申请学位类别：工学硕士学科专业名称：控制理论与控制工程所在院系：航空自动化学院论文答辩日期：2015年4月28日2015年4月28日ResearchofElectricLoadSimulatorControlMethodBasedonNeuralNetworkADissertationSu

2、bmittedtoCivilAviationUniversityofChinaFortheAcademicDegreeofMasterofEngineeringBYGuXin-mingSupervisedbyProf.WANGXiu-yanAeronauticalAutomationCollegeCivilAviationUniversityofChinaApril2015中国民航大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研。尽我所知巧成果，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人己经发表或

3、撰写过的研巧成果，也不包含为获得中国民航大学或其它教育机构的学一位或证书而使用过的材料。与我同工作的同志对本研巧所做的任何贡献均己在论文中作了明确的说明并表示了谢意。．研巧生签名：房日期ｏ媒：＞（Ｃ化泌，气中国民航大学学位论文使用授权声明中国民航大学、中国科学技术信息研巧所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，、缩印或其他复制手段保存论文可Ｗ采用影印。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权中

4、国民航大学研究生部办理。研巧生签名．：导肺络么日期：ｂ＞．＞８作者姓名：谷新铭论文题目：基于神经网络的电动负载模拟器控制方法研究作者简介：谷新铭，女，1989年09月出生，2012年10月师从于中国民航大学王修岩教授，于2015年05月获硕士学位。中文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

5、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

6、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ResearchofElectricLoadSimulatorControlMethodBasedonNeuralNetworkGuXinmingABSTRACTLoadsimulatorisanimportantgroundloopsimulati

7、onequipment,whichcansimulateaerodynamicloadonaircraft.Electricloadsimulatorhasthefeaturesofsmallvolumeandbeenwidelyused.Withthedevelopmentofaviationtechnology,thereputforwardahigherrequirementofcontrollingperformanceandaccuracyforloadingsystem.Thecontrollingstrategybasedonneuralnetwo

8、rkwasresearc