共查询到20条相似文献,搜索用时 281 毫秒
1.
洪超 《系统工程与电子技术》1994,(2)
武器系统现代化的要求,以及数字计算机在伺服控制系统中应用的不断加深,以计算机为手段,以控制论为指导形成的微机控制技术,为武器系统的自动化提供了坚实的基础。本文从芯片组成的微机伺服控制系统开始,直到组成分布式计算机控制系统(DCCS),利用微机控制理论和多机分布式计算机控制理论,对数字计算机实现的变结构、变参数的伺服控制,分布式计算机的通讯控制进行了深入的研究探讨,推出了一种较适合导弹发射架伺服系统的分布式计算机控制系统。实验结果表明,这种控制形式,在控制精度、快速性、实时控制能力等几方面,优于传统的发射架系统。 相似文献
2.
3.
地铁头车半自动钩缓装置试验台检测钩头最大水平摆角的联挂状态时,需要液压马达带动装有车钩的可调支座横向移动一定距离以使达到预期的摆角。对阀控马达电液位置伺服控制系统的频率特性、稳定性、控制误差等作了分析,并对DYC1伺服阀进行了详细的建模。通过AMEsim/Simulink的联合仿真分析,同时采用模糊策略优化控制效果,所设计的液压系统准确、稳定、可靠,车钩摆角完全达到预期要求的效果。随着工程对象的复杂化,AMEsim/Simulink联合仿真这方法为解决复杂工程控制难题、液压元件的设计等开创了一条效果很好的途径。 相似文献
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
以液压起重机向上变幅过程为例,研究了对单节液压柔性臂末端位置的模糊控制方法,利用模糊控制器语言变量控制规则能够使复杂系统解耦的特点,对慢变子系统和快变子系统分别进行了独立的控制,即用模糊PD控制方法对柔性臂转角进行了位移的轨迹跟踪控制、用模糊控制方法时柔性臂的弹性振动进行了控制,通过对转角和弹性振动的控制实现对液压柔性臂末端的位置控制.在adams和simulink联合仿真平台上对单节液压柔性臂末端位置的模糊控制问题进行了仿真研究,结果表明采用的控制方法能够实现对液压柔性臂末端较为精确的位置控制. 相似文献
15.
16.
提出一种基于Elman动态回归神经网络模型的鲁棒型广义预测控制(GPC).该算法首先用EIman网络对非线性系统进行辨识,建立预测模型,然后在控制中将模型输出值与测量输出值进行综合,代替量测输出用于控制中,从而降低辨识器与控制器对未建模动态的敏感性,加强控制器的适应能力和鲁棒性.仿真结果证明:将本算法应用于非线性系统预测控制,对未建模动态具有很强的鲁棒性和很好的控制能力。 相似文献
17.
研究了基于HOPSAN和MATLAB/SIMULINK的多领域协同控制仿真技术,并用此技术对一液压位置伺服系统进行了控制仿真。结果表明,这种协同控制仿真技术可以综合液压系统专家、控制技术专家、计算与计算机技术等专家的优势,为协同研发搭建一个的支撑平台,能够高效、经济、可靠地处理液压伺服系统非线性建模和优化控制问题。 相似文献
18.
数字随动(伺服)系统因具有非线性、不确定性和时变性,难以精确地建立系统的数学模型,由此对设计高性能的控制器造成困难.遗传算法因其隐含并行性、全局搜索等优点,在优化问题领域得到了很好的应用,但遗传算法简单应用于如数字随动系统这样的控制系统在线闭环辨识或参数优化时,会面临大量重复实验成本高、实验时间过长引起系统不稳定等实际问题.针对以上困难,提出一种基于嵌入式仿真的系统辨识方法,采用遗传算法进行数字随动系统同步在线闭环模型参数辨识与控制参数寻优.经过在数字随动系统实物环境下实验,证明了该方法的有效性. 相似文献
19.
多模自适应控制在空中飞行模拟器中应用 总被引:1,自引:0,他引:1
为了克服空中飞行模拟器传统上使用增益高控制方式的弱点,设计了一种改善空中飞行模拟器性能的自适应模型跟随控制系统,其中辨识器采用基于卡尔曼滤波器的多模辨识方法,该方法将本机先验信息加入到参数辨识过程中,辨识结构是与卡尔曼滤波器相对应的各个先验模型参数的概率权重和,仿真结果表明,该控制系统克服了原空中飞行模拟器模拟精度依赖于需要精确已知本机气动导数的严重缺陷,并显示出多模辨识算法比一般的辨识方法收敛速度快,精度高,有效地解决了非线性随机系统的参数辨识问题。 相似文献
20.
TSK动态网络及其在非线性动态系统中的应用 总被引:1,自引:1,他引:1
针对非线性动态系统特点,提出了一种新型的基于TSK模糊模型的动态回归模糊神经网DRFNN(Dynamic recurrent fuzzy neural networks),并给出了网络参教的迭代算法和基于李亚普诺夫稳定理论的收敛性证明。该动态回归网络由静态网络和内反馈动态回归网络组成,在结构上更好的拟合了非线性动态系统特点,应用于非线性动态系统的辨识和控制的试验结果也说明该动态回归模糊神经网络对解决非线性动态系统辨识和控制问题的有效性。 相似文献