起落架磁流变减震器控制算法研究

《起落架磁流变减震器控制算法研究》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、硕士学位论文起落架磁流变减震器控制算法研究研究生姓名：韩玥导师姓名：祝世兴教授2015年5月8日分类号：V226-2密级：公开UDC：681.5学号：1201003中国民航大学硕士学位论文起落架磁流变减震器控制算法研究研究生姓名：韩玥导师姓名：祝世兴教授申请学位类别：工学硕士学科专业名称：飞行器设计所在院系：航空工程学院论文答辩日期：2015年5月8日2015年5月8日TheControlAlgorithmofDamperGearBasedonMRADissertationSubmittedtoCivilAviationUnive

2、rsityofChinaFortheAcademicDegreeofMasterofScienceBYHANYueSupervisedbyProfessorZHUShixingCollegeofAeronauticalEngineeringCivilAviationUniversityofChinaMay2015IIIIV中国民航大学硕士学位论文摘要起落架磁流变减震器具有非线性、时变不确定性的特点，传统的PID只是对于线性系统具有很好的控制效果，其参数整定不具备自适应的能力，很难实现对磁流变减震器输入电流值的精确控制。因此，将具有

3、自学习能力的算法与传统PID结合的控制方法，成为解决起落架磁流变减震器控制系统问题的研究热点。本文首先建立了起落架磁流变减震器的动态力学模型，根据模型列出动态微分方程，并在MATLAB中对其进行了时域、频域特性仿真。观察仿真响应曲线并分析总结，得出控制系统可采用相对位移和加速度作为反馈信息以及减震效果的衡量指标。神经网络具有强大的解决非线性映射问题的能力，将其与传统PID结合，既具有一般神经网络解决非线性映射的能力和经典PID适应性强的优点，同时也克服了单纯神经网络需要大量数据和PID难于解决非线性问题的缺点。针对起落架磁流变减震

4、器系统的动态特性，在建立的数学模型上设计了一种添加动量项的BP网络与PID结合的半主动控制器，BP网络可在线实时调整PID的三个参数。该控制系统反馈相对位移与加速度，并组合成能量的形式输入到控制器中。反馈两个变量转化成控制一个变量，简化了控制器内部网络结构，同时也减小了控制器的运算时间。通过仿真，与传统PID控制进行比较，结果表明BP网络PID控制系统的效果更加理想。通过对控制器的软件与硬件的设计和连接，最后在搭建好的振动实验台上对该控制算法进行振动实验验证，实验结果表明BP网络PID算法控制性能较好，具有一定的实效性。关键词：起

5、落架磁流变减震系统；BP神经网络PID；参数在线调整；振动试验V中国民航大学硕士学位论文AbstractThedamperlandinggearbasedonmagnetorheologicalfluidhascharacteristicsofnonlinearityandtime-varyingvolatility,whichcannotbepreciselycontrolledbythetraditionalPIDbecauseofitsgoodcontroleffectonlyforthelinearsystemandnos

6、elf-adaptionforparametersetting.Therefore,theself-learningalgorithmcombinedwiththetraditionalPIDbecomearesearchfocustosolvecontrollersystemproblemofthedamperlandinggearbasedonmagnetorheological.Firstly,thedynamicmechanicalmodelofmagnetorheologicaldamperonlandinggearwa

7、sestablishedanddynamicdifferentialequationswerelistedaccordingtothemodel.ThesimulationcurvewasanalyzedfromthetimedomainandfrequencydomainsimulationofthedynamiccharacteristicsinMATLAB.Fromthesimulationresponsecurve,theconclusioncanbemadethattherelativedisplacementandac

8、celerationcanbeusedasthefeedbackinformationandthemeasureofeffectofshockabsorptiononthecontrolsystem.Theneuralnetworkhasformi