發(fā)布時(shí)間：2024-06-01 16:53

　　導(dǎo)引頭系統(tǒng)是一類高精度的伺服系統(tǒng),由于受外界環(huán)境等諸多不確定因素的影響,伺服機(jī)構(gòu)的參數(shù)會(huì)發(fā)生變化,從而造成整個(gè)系統(tǒng)的性能下降。本文將針對導(dǎo)引頭系統(tǒng)提出一種離線檢測和模型修正的方法。 本文首先對兩軸穩(wěn)定平臺(tái)進(jìn)行了動(dòng)力學(xué)分析,結(jié)合機(jī)電控制理論建立了系統(tǒng)的狀態(tài)空間模型。然后根據(jù)此模型,簡要分析了模型中參數(shù)變化對系統(tǒng)的影響。由于變化后的模型是未知的,因此本文將通過系統(tǒng)辨識(shí)技術(shù)建立系統(tǒng)的精確模型。辨識(shí)主要包括算法設(shè)計(jì)和實(shí)驗(yàn)仿真兩部分：(1)文中提出采用動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)(DFNN)模型對導(dǎo)引頭系統(tǒng)進(jìn)行辨識(shí),分析了DFNN的結(jié)構(gòu)、數(shù)學(xué)描述和具體的學(xué)習(xí)算法。文中引入EKF算法調(diào)整前提參數(shù),采用線性最小二乘算法更新結(jié)論參數(shù),對參數(shù)的學(xué)習(xí)算法進(jìn)行了改進(jìn)。(2)文中基于單軸轉(zhuǎn)臺(tái)搭建了相應(yīng)的測試系統(tǒng),完成了系統(tǒng)的測試實(shí)驗(yàn)。然后分別采用DFNN和改進(jìn)的DFNN進(jìn)行了辨識(shí)仿真實(shí)驗(yàn),結(jié)果表明：與基本的DFNN相比,改進(jìn)的DFNN總體性能有所提高。辨識(shí)獲得的模型可以近似描述導(dǎo)引頭系統(tǒng)的非線性、動(dòng)態(tài)等特性,精度在要求的范圍之內(nèi)。 文章最后提出將參考模型自適應(yīng)控制與改進(jìn)的遺傳算法相結(jié)合的控制器參數(shù)優(yōu)化方案。仿真結(jié)果表明采...

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
目錄
第一章 緒論
    1.1 課題背景和研究意義
    1.2 系統(tǒng)辨識(shí)的理論
    1.3 控制器參數(shù)研究現(xiàn)狀
    1.4 本文的基本內(nèi)容安排
第二章 導(dǎo)引頭機(jī)械系統(tǒng)的動(dòng)力學(xué)分析
    2.1 穩(wěn)定平臺(tái)簡介
    2.2 系統(tǒng)框架間的運(yùn)動(dòng)學(xué)關(guān)系
    2.3 系統(tǒng)動(dòng)力學(xué)分析
    2.4 狀態(tài)空間方程
    2.5 機(jī)構(gòu)參數(shù)變化對系統(tǒng)的影響
    本章小結(jié)
第三章 導(dǎo)引頭系統(tǒng)辨識(shí)的算法設(shè)計(jì)
    3.1 引言
    3.2 動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)(DFNN)的結(jié)構(gòu)與數(shù)學(xué)描述
    3.3 動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)(DFNN)的學(xué)習(xí)算法
    3.4 基于DFNN的導(dǎo)引頭系統(tǒng)辨識(shí)設(shè)計(jì)
    本章小結(jié)
第四章 導(dǎo)引頭系統(tǒng)辨識(shí)的實(shí)驗(yàn)設(shè)計(jì)與仿真
    4.1 實(shí)驗(yàn)設(shè)計(jì)
    4.2 測試系統(tǒng)設(shè)計(jì)
    4.3 實(shí)驗(yàn)數(shù)據(jù)的預(yù)處理
    4.4 導(dǎo)引頭系統(tǒng)的辨識(shí)仿真
    本章小結(jié)
第五章 基于辨識(shí)模型的控制器參數(shù)優(yōu)化
    5.1 參數(shù)優(yōu)化方案設(shè)計(jì)
    5.2 基于改進(jìn)遺傳算法的控制器參數(shù)優(yōu)化設(shè)計(jì)
    5.3 仿真實(shí)驗(yàn)
    本章小結(jié)
結(jié)論與展望
致謝
參考文獻(xiàn)



本文編號(hào)：3986191