舵面负载模拟系统控制策略研究

来源 :北京交通大学 | 被引量 : 0次 | 上传用户:wuhuwuyang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
舵面负载模拟系统是一种地面条件下飞行器伺服控制机构的半实物仿真试验设备,主要用于复现飞行器舵面所受的各种空气动力载荷,以实现对伺服控制机构的检测和验证,从而确保飞行器的飞行控制精度。因此,舵面负载模拟系统对空气动力载荷谱的复现精度,将直接影响飞行器伺服控制机构检测结果的可信度和可靠性,并最终会关系到飞行器的飞控性能。然而,舵面负载模拟系统属于典型的被动式加载系统,将会受到多余力矩以及其它因素的干扰,严重影响载荷谱的跟踪精度,这对舵面负载模拟系统的动态加载控制带来了极大挑战。论文依托航天院某所舵面负载模拟系统项目,以舵面负载模拟系统为研究对象,为提高系统载荷谱动态跟踪精度,提出了基于神经网络的复合控制策略,并通过仿真与实验对其进行了分析及验证。首先,介绍了舵面负载模拟系统的结构组成及工作原理,建立了舵面负载模拟系统的数学模型,作为后续系统理论特性分析的研究基础;分析了系统在无扰和有扰条件下的动态特性,研究了不同结构参数对系统性能的影响,并给出了结构设计方面的合理性建议。其次,分析了舵机系统在不同工作阶段下的干扰特性,揭示了舵面负载模拟系统多余力矩的产生机理;研究了系统多余力矩的特性,并探究了多余力矩的影响因素,为多余力矩的抑制奠定理论基础。再次,针对提高系统动态加载精度的问题,对PID控制、基于前馈补偿的复合控制以及基于神经网络的复合控制分别进行相应算法的推导和控制器设计。然后,利用Matlab/Simulink进行仿真分析,包括多余力矩抑制以及多余力矩干扰下的不同载荷谱(含有常值载荷、三角波载荷、正弦波载荷)动态加载仿真实验,对比仿真结果,分析不同控制策略下的控制效果。最后,根据课题要求,给出负载模拟系统的相关设计;在此基础之上,搭建了实验加载验证系统,编写了测控软件程序,进行了多余力矩抑制实验和多余力矩干扰下的动态加载实验,验证了本文所提出控制策略的有效性,并与PID控制策略以及基于前馈补偿的复合控制策略的控制效果进行对比分析。
其他文献
根据现行动车组检修规程的要求,动车组的运行里程是决定其进入高级修的时机的主要依据,准确的动车组运行里程预测结果是编制合理的高级修计划的基础前提。目前,随着我国高铁规模不断扩大,投入运营的动车组不断增多,各检修单位所能提供的高级修检修资源显得愈发有限,这对高级修检修计划的编制提出了新的挑战,也间接对动车组运行里程预测方法提出了更高的要求。当前普遍采用以动车组日均走行里程数为关键参数的推算法来预测动车
柔性机械臂具有多自由度、可以实现多方向弯曲以及布置灵活等显著优点,在工业中有广泛的用途。本文针对排水管道检测机器人和清淤机器人的需求,研制了电机-钢丝绳驱动的机械弹簧式柔性臂及摆动气缸驱动的复合软管式柔性臂,应用力学理论分析了两种机械柔性臂的弯曲特性,通过了实验验证并成功应用于排水管道检测与清淤机器人。本论文主要做了以下工作:建立两种柔性臂的弯曲静态模型并进行实验验证。通过力学分析,建立了弹簧在弯
与轮式和履带式机器人相比,步行移动机器人在面对复杂的地形环境时表现出更强的灵活性、适应性和机动性,因此被广泛应用众多领域,成为移动机器人的研究热点。根据支链的形式可将步行机器人分为开链式和闭链式两类,闭链连杆步行机器人因其具有多腿少驱动特性、曲柄周转高频驱动特性、整体闭链高刚度特性及高可靠性特性等优势受到广泛关注,但其单一的足端轨迹反映出其适应能力较低的缺点,限制了其应用场景,因此设计出一款具有高
干涉型光纤传感器由于其抗电磁干扰、耐腐蚀、探测灵敏度高、体积小、易于集成、探头本征无源等突出优势,在水声探测及地震海啸预警等领域中的研究和应用越来越广泛。在振动传感系统中,结合光学复用技术能够形成大规模的干涉型传感阵列,从而实现准分布式传感结构。同时基于声光调制器产生的脉冲信号具有较高消光比,有助于提升准分布式系统整体的性能。此外,干涉信号的相位解调方法也在检测过程中起到了关键性作用。因此以准分布
空间机械臂在太空中要完成许多复杂的任务,而且真空、失重、温差大的恶劣运行环境也为空间机械臂带来了很强的外扰,因此为空间机械臂设计精度高、抗扰能力强的位置控制策略是很有意义的。关节作为空间机械臂的核心组件,对空间机械臂的平稳运行起着至关重要的作用。关节的柔性、驱动电机的输出平稳性均影响空间机械臂的控制精度,因此本文考虑以上因素,对柔性关节机械臂系统的高精度位置控制开展研究。首先采用了基于端口受控哈密
在无人驾驶领域,驾驶决策是当前研究的热点和难点问题。深度强化学习(Deep Reinforcement Learning,DRL)算法寻求以端到端的方式解决问题,但一般需要大量的样本数据,同时面临输入数据复杂性高、模型复杂的问题,导致驾驶策略学习算法收敛速度慢,无法快速学习到有效策略。驾驶策略与多种因素相关,目前采用DRL的方法大多采用简单的约束奖励函数,仅能适应简单交通场景。由于实际交通场景复杂
随着深度学习的发展,全监督学习在计算机视觉、自然语言处理和语音识别等多个领域取得了巨大的进步。全监督学习依赖大量的数据标注,而大规模精细化标注需要很高的成本,影响了全监督学习进一步发展。弱监督学习只需利用不完整、不确切或不准确的数据标注,便可以完成与全监督学习相同的机器学习任务。因此,基于弱监督学习方法的研究具有重要现实应用意义。本文聚焦于以图像级类别标签为弱监督标注的目标定位研究。针对现有弱监督
随着计算机技术与人工智能的飞速发展,利用数字化智能化手段实现非物质文化资源的保护与传承已成为重要的研究课题。拉班舞谱是一种科学的人体动作分析记录体系,在全世界范围内被广泛应用和传播。作为一种便于存储的书面记录形式,拉班舞谱在记录和保存传统舞蹈方面发挥了巨大作用。由于手工记谱繁琐复杂,运用计算机技术的舞谱自动生成方法应运而生。然而,传统舞谱生成框架下的算法依赖于预先的动作分割,无法进行全局优化;普遍
二氧化碳排放所导致的全球变暖问题给生态环境带来了不可逆的破坏,实现“碳达峰、碳中和”目标已成为世界各国共同努力的方向。努力提升可再生能源发电占比则是持续推进碳减排,助力碳中和最终目标实现的重要手段。风电作为可再生能源发电的主要形式,也必将迎来大规模的发展。然而由于风电自身所固有的间歇性、随机性及波动性特点,其大规模并网会给电力系统带来较大的随机波动功率,对系统频率带来不利影响。自动发电控制(Aut
无人驾驶汽车是传感器、网络通信和信息安全等多种先进技术融合下的产物,包含感知、决策规划和动作执行三大模块。其中决策规划模块等同于人类的大脑,是无人驾驶系统中最核心的部分。近些年随着AI技术的飞速发展,强化学习逐渐崭露头角并成为了通往智慧型未来的主流方法之一。本文将以强化学习为手段设计面向无人驾驶汽车车道保持的决策方案,并在虚拟仿真环境下验证方案的可行性和有效性。首先,本文研究了典型的无人驾驶系统,