行器舵机电动伺服加载系统研究

针对现阶段工程实践的需求,对飞行器舵机电动伺服加载系统进行了理论上的分析和研究,建立了电动伺服加载系统的数学模型,对影响其动态控制系统性能指标的多余力矩进行了分析,引入了速度和加速度补偿以减小多余力矩、提高加载系统性能。进行了相关的数字仿真,最后给出了可行性分析。     

飞行器半实物仿真中自适应电动加载系统设计

在飞行器半实物仿真系统中,需要精确模拟飞行器舵面气动载荷,针对舵机运动产生的多余力矩对系统性能的影响,通过构造自适应前馈控制器设计了自适应电动加载系统.基于模型参考自适应控制(MRAC)原理,通过构造合适的李亚普诺夫函数,证明了系统跟踪误差的渐近收敛性.仿真结果表明,自适应电动加载系统有效抑制了多余力矩,系统具有良好的跟踪性能.     

电动舵机极限环机理分析和抑制措施

针对电动舵机结构,建立了一种考虑减速器等效刚度的舵机模型.利用描述函数法,分析了舵机在考虑传动间隙情况下诱导的极限环,进而分析了在有无舵片所受摩擦力情况下极限环的频率特性.针对该类传动非线性,提出了一种工程上可实现的负反馈力矩机制来改变舵机在间隙区间的运动模态,从而抑制极限环振荡,并且给出了负反馈系数的选取准则.最后进...     

应用复合前馈提高加载系统性能的实验研究

从理论上分析了电液伺服加载系统多余力矩的产生机理和特性,建立了相应的数学模型;提出应用速度、加速度复合前馈控制抑制系统多余力矩、提高加载性能的方法。在电液伺服加载试验台上进行相关实验,证明应用此种方法可以有效地抑制系统的多余力矩、将系统的动态响应频带提高到15Hz左右(相差10°、幅差10%)。     

飞机舵机电液加载系统控制补偿器设计与仿真

飞机舵机电液加载系统是一种力伺服系统,是实验中测试舵机性能的专用设备。为了降低系统存在的多余力对控制效果的干扰,提出了基于粒子群算法的径向基神经网络实时整定PID控制器的控制方法。利用粒子群算法的全局寻优与超参数优化的特性来改善控制器的控制效果。同时使用基于退火的学习系数,加快网络收敛速度。仿真结果表明相比于常规径向基神经网络控制方法,该方法有效抑制了多余力的干扰,实现了高精度加载,提高了系统的加载精度与响应速度。     

一种新的RBF神经网络非线性动态系统建模方法

将遗传算法与正交优选法结合 ,用来训练径向基函数 ( RBF)神经网络 ,并对基函数宽度进行自动地调整 ,得到了一种训练 RBF神经网络的新方法 .将其应用于连续流体搅拌反应槽 ( CFSTR)生化反应器的建模中 ,得到了令人满意的结果 .该算法提高了径向基函数神经网络的泛化能力和鲁棒性 ,研究表明是一种有效的“黑箱”动态建模方法     

基于非抽样contourlet和PCNN的图像凹点检测方法研究

在目标识别中,人眼并不凝视整幅图像,为了获得更多图像信息,人眼会在不同区域中进行凹点(foveation points)检测。然而,从某些方向上获得的凹点对实际目标的识别可能是无用或者干扰的信息。为此提出了一种基于非抽样contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的图像凹点检测方法,该方法在传统凹点检测方法中引入非抽样contourlet变换,充分利用了非抽样contourlet变换对图像处理的高度方向选择性。最后,对影响凹点选取的脉冲耦合神经网络输出函数这一数学模型及其阈值的选择问题进行了研究。     

Application of neural networks for permanent magnet synchronous motor direct torque control

Neural networks require a lot of training to understand the model of a plant or a process. Issues such as learning speed, stability, and weight convergence remain as areas of research and comparison of many training algorithms. The application of neural networks to control interior permanent magnet synchronous motor using direct torque control （DTC） is discussed. A neural network is used to emulate the state selector of the DTC. The neural networks used are the back-propagation and radial basis function. To reduce the training patterns and increase the execution speed of the training process, the inputs of switching table are converted to digital signals, i.e., one bit represent the flux error, one bit the torque error, and three bits the region of stator flux. Computer simulations of the motor and neural-network system using the two approaches are presented and compared. Discussions about the back-propagation and radial basis function as the most promising training techniques are presented, giving its advantages and disadvantages. The system using back-propagation and radial basis function networks controller has quick parallel speed and high torque response.     

基于正交函数网络的不确定混沌系统的控制

提出了基于正交函数网络的不确定混沌系统的自适应控制方法．通过利用计算简单、收敛速度快的单隐层正交函数神经网络，构建了一类不确定混沌系统的控制器．利用李雅普诺夫稳定性定理得到了该网络控制器的权值更新规则并保证了权值误差和跟踪误差的有界性．该控制器不仅能够保证混沌系统以有界误差对指定轨迹进行精确跟踪，也能够使有外部扰动的混沌系统快速跟踪一个指定的轨迹．最后，利用陈氏混沌系统和Lorenz系统进行了系统仿真，结果表明了该控制器在混沌控制中的有效性。     

飞机全电刹车系统建模与仿真研究

对飞机全电刹车系统组成及工作原理进行了较为详细的研究，建立了全电刹车系统的整体模型，采用模糊控制方法完成了全电刹车系统控制回路设计。在MATLAB／SIMULINK仿真环境下进行仿真，给出了湿跑道条件下的仿真结果。结果表明系统的模型是基本正确的，全电刹车系统在作动响应及刹车效率等方面均比液压刹车系统有较大提高。     

基于联合仿真的液力缓速器液压控制系统研究

对某重型车辆的液力缓速器系统进行研究。依据台架试验数据和神经网络理论建立了液力缓速器数学模型。基于AMESim建立了液压控制系统模型。基于MATLAB/Simulink建立整车制动模型和PID控制器模型。通过MATLAB-AMESim联合仿真验证液压控制系统的控制性能。仿真结果表明这套液压控制系统和控制算法具有良好的恒力矩控制性能,与试验结果对比也验证了基于联合仿真的液力缓速器液压控制系统研究方法是具有实用意义的。     

BF及模糊神经网络在旋转机械故障诊断中的应用

本文对模糊神经网络用于故障诊断较传统BP(Back-Propagation)网络的优越性进行了分析,并提出了一种利用模糊神经网络进行旋转机械故障诊断的新方法。在这种方法中利用RBF(Radial Basis Function)神经网络获得隶属度函数,并简化了模糊神经网络的训练,使得新的故障诊断专家知识更易于扩充到现有的故障诊断网络中。仿真结果表明,本文方法所构建的故障诊断网络易于扩展且有良好的诊断效果。