欢迎来到天天文库
浏览记录
ID:32714414
大小:2.22 MB
页数:72页
时间:2019-02-14
《电动舵机动态加载仿真控制方法研究》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、两北1一业大学硕十毕业论文摘要本文针对电动舵机液压加载系统的设计与实现进行了研究。论文首先建立了加载系统的数学模型,并在单通道加载模型的基础上分析了加载系统的动态特性。加载系统最为关键也最难解决的问题就是如何减小强位置干扰,这也是评价加载系统品质的一个重要的指标,因此如何设计控制策略来减小强位置干扰是一个很关键的因素。论文阐述了强位置干扰产生的机理,分析了影响位置干扰的因素,并采用前馈补偿原理对其进行了前馈补偿,从根本上来减小位置干扰的影响。利用Matlab软件对采用前馈补偿原理对强位置干扰的影响做了数字仿真。仿真
2、结果表明,采用的控制策略是可行的。理论上采用前馈补偿方法可消除位置干扰,但补偿器中的高阶微分在物理上难以实现。另外,电液伺服系统的非线性、参数不确定性因素也使得该控制方法的实际效果变差,难以达到较高的设计要求。针对传统控制方法的缺陷,将经典控制理论与GCMAC神经网络相结合,提出一种基于GCMAC神经网络的最优控制策略,并证明该闭环系统具有渐近稳定性。将该控制策略应用于电液伺服加载系统的仿真表明,该控制策略是有效的。控制系统动态性能较纯经典控制有了明显改善,对系统非线性和参数不确定性有较强的自适应性。论文第五章根据
3、所研究的控制理论设计了上下两级集散计算机控制系统,分别从硬件和软件两个方面介绍了整个加载系统的实现,对系统在具体实现过程中存在的工程问题以及解决方法做了介绍。论文最后给出了系统各项性能指标的测试方法、测试结果以及测试结论。测试结果表明系统基本满足设计指标要求。关键词:电液伺服加载系统强位置干扰前馈补偿GCMAC最优控制西北工业大学硕士毕业论文ABSTRACTThispaperdiscusseshowtodesignandrealizetheelectricactuatorhydranlicloadingsystem
4、.Firstlyamathematicalmodeloftheloadingsystemisestablished.Onthebasisofsinglechannelloadingsystem’Smathematicalmodel,thesystem’SdynamiccharacteristicWasanalyzed.Strongpositiondisturbanceforceisachiefproblemfacingaerodynamicloadingsystem,anditisalsoanimportantta
5、rgettOevaluatethequalityoftheloadingsystem.Sohowtodesignapropercontrolstrategytoreducepositiondisturbanceforceisakeyfactor.Secondly,thispaperelaboratesthecauseofthepositiondisturbanceforce,analyzesthefactorswhichinfluencesthepositiondisturbanceforce,andtheposi
6、tiondisturbancehasbeendiminishedultimatelybyadoptingStructureInvariabilityprincipleasfeedforwardcompensationtothedisturbance.Relatedsimulationshowsthatthecontrolstrategywasfeasible.TheoreticallyfeedforwardcompensationCaneliminatethepositiondisturbance,butthehi
7、gh-orderdifferentialofthecompensatorishardtorealizeinphysicalform.Besides,electro—hydraulicservosystemhasthecharactersofnon—linearityandparameteruncertainty,whichmakesthelealpracticaleffectofthatcontrolmethodpoor.Thirdly,Aimingatthedisadvantagesoftraditionalco
8、ntrolmethod,theapplicationinthecontrolsystemofGCMAChasbeenstudiedinChapterIV.ThepapercombinestheOptimalControltheorywithGCMACneuralnetwork,proposestheOptimalControlstrategybasedont
此文档下载收益归作者所有