基于神经网络的惯性平台系统自适应温度控制方法研究

《基于神经网络的惯性平台系统自适应温度控制方法研究》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、密级：公开硕士学位论文基于神经网络的惯性平台系统自适应温度控制方法研究ResearchonadaptivetemperaturecontrolmethodforinertialplatformsystembasedonNeuralNetwork研究生姓名：张浩学科专业：导航、制导与控制导师姓名：王汀完成日期：2016年1月26日中国航天科技集团公司第一研究院TheFirstAcademyofChinaAerospaceScienceandTechnologyCorporation中国航天科技集团公司第一研究院硕士学位论文摘要惯性平台系统中的陀螺

2、等惯性器件的精度受温度影响很大，惯性平台温控系统直接影响着惯性导航系统的精度，因此对惯性平台系统实行精密的温度控制对于提高整个惯性导航的精度有重要意义。本文通过对某型高精度惯性平台系统内部的传热过程进行分析，针对惯性平台温控系统结构复杂、多耦合的情况，采用基于伪随机数的相关分析法建立了系统的数学仿真模型，针对温控回路中存在非线性环节和负载扰动的情况，采用遗传寻优神经网络系统辨识的方法建立系统的在线预测模型，结合单神经元自适应PSD控制器构成单神经元自适应智能控制器，通过仿真和试验验证该控制方法增强了温控系统的抗干扰能力和鲁棒性。本文的主要研究内

3、容包括以下几个方面：首先分析某型高精度惯性平台系统内部台体和惯性仪表的传热过程，推导出惯性平台温控系统内台体和惯性仪表的加热功率和其温度之间的关系矩阵的结构，为了简化计算和方便仿真分析，通过进一步分析简化关系矩阵的结构形式，通过设计伪随机数，获取了辨识的输入输出数据，采用基于伪随机数的相关分析法辨识关系矩阵的参数，建立了惯性平台温控对象的数学模型。其次从解决温控回路中的非线性、模型复杂度和在线获取过程参数的角度出发，采用神经网络系统辨识的方法建立带有神经网络结构的系统的在线预测模型，为了提高神经网络模型的辨识精度，采用遗传算法优化神经网络初始参

4、数，建立了惯性平台温控系统的在线预测模型，为自适应智能控制方法的应用奠定的基础。最后在传统控制器的基础上，为了提高系统的抗干扰能力和鲁棒性，设计了基于二次型性能指标的单神经元自适应PSD智能控制器，结合前向神经网络在线预测模型构成单神经元自适应智能控制器，通过仿真和试验结果表明，该控制方法提高了惯性平台温控系统的抗干扰能力，改善了平台的温控效果。关键词：惯性平台；温控系统；系统辨识；神经网络-I-张浩：基于神经网络的惯性平台系统自适应温度控制方法研究Researchonadaptivetemperaturecontrolmethodforine

5、rtialplatformsystembasedonNeuralNetworkAbstractTheprecisionofgyroininertialplatformsystemisgreatlyinfluencedbytemperature.Itcanbeseenthattheinertialplatformtemperaturecontrolsystemdirectlyaffectstheprecisionoftheinertialnavigationsystem.Therefore,itissignificanttoimprovethea

6、ccuracyoftheinertialnavigationsystemtoimprovetheprecisionoftheinertialplatform.Inthispaper,theheattransferprocessofacertaintypeofhighprecisioninertialplatformisanalyzed,inviewofthecomplicatedstructureandmulticouplingofthetemperaturecontrolobject,themathematicalsimulationmode

7、lofthesystemisestablishedbasedonthecorrelationanalysismethodbasedonthecorrelationanalysismethodbasedonpseudorandomnumber.Aimingattheexistenceofnonlinearlinkanddisturbanceinthetemperaturecontrolloop,thepredictionmodelofthesystemisestablishedbyusingthemethodofgeneticoptimizati

8、onneuralnetworksystemidentification.CombinedwiththesingleneuronadaptivePSDc