摘要 | 第3-4页 |
Abstract | 第4页 |
1 绪论 | 第8-12页 |
1.1 研究课题背景 | 第8-9页 |
1.2 国内外电液伺服系统的研究现状 | 第9-10页 |
1.3 本文的主要研究内容 | 第10-12页 |
2 爆破扫雷器电液伺服系统 | 第12-21页 |
2.1 爆破扫雷器电液伺服系统的工作流程 | 第12页 |
2.2 系统硬件组成简述 | 第12-13页 |
2.3 系统工作原理的介绍 | 第13-15页 |
2.4 系统传递函数 | 第15-18页 |
2.5 爆破扫雷器系统高低升降装置旋变值的计算 | 第18-20页 |
2.5.1 火箭发射结构的简介 | 第18-19页 |
2.5.2 射角与旋变值的关系 | 第19-20页 |
2.5.3 标定旋变值、倾斜传感器 | 第20页 |
2.6 本章小结 | 第20-21页 |
3 基于AMESim与Simulink软件的系统联合仿真建模 | 第21-25页 |
3.1 AMESim软件与Simulink软件的简介 | 第21-23页 |
3.1.1 AMESim软件简介 | 第21页 |
3.1.2 Simulink软件简介 | 第21-22页 |
3.1.3 联合仿真需要注意的几点介绍 | 第22-23页 |
3.2 爆破扫雷器仿真模型的建立 | 第23-24页 |
3.3 本章小结 | 第24-25页 |
4 RBF神经网络介绍 | 第25-34页 |
4.1 神经网络介绍 | 第25-27页 |
4.1.1 神经网络原理 | 第25-26页 |
4.1.2 神经网络的分类 | 第26-27页 |
4.1.3 神经网络学习算法 | 第27页 |
4.2 RBF神经网络 | 第27-29页 |
4.2.1 RBF神经网络概述 | 第27-28页 |
4.2.2 RBF神经网络结构 | 第28页 |
4.2.3 RBF神经网络的学习算法 | 第28-29页 |
4.3 遗传算法 | 第29-31页 |
4.3.1 遗传算法的基本流程 | 第29-30页 |
4.3.2 遗传算法的基本操作 | 第30-31页 |
4.3.3 遗传算法的特点 | 第31页 |
4.4 GA遗传算法优化RBF神经网络 | 第31-33页 |
4.4.1 RBF网络拓扑结构编码 | 第32页 |
4.4.2 RBF网络参数编码 | 第32-33页 |
4.5 本章小结 | 第33-34页 |
5 爆破扫雷器电液伺服系统辨识 | 第34-44页 |
5.1 神经网络辨识简介 | 第34页 |
5.2 激励信号及模型性能评价 | 第34-36页 |
5.2.1 激励信号的选择 | 第35-36页 |
5.2.2 采样时间的选择 | 第36页 |
5.2.3 模型性能评价的选择 | 第36页 |
5.3 爆破扫雷器电液伺服系统建模数据及处理 | 第36-39页 |
5.3.1 输入输出数据 | 第37-38页 |
5.3.2 输入输出数据的归一化处理 | 第38-39页 |
5.4 系统RBF辨识过程 | 第39-40页 |
5.5 GA-RBF算法的系统辨识 | 第40-43页 |
5.5.1 GA-RBF算法中的重要概念概述 | 第41页 |
5.5.2 GA-RBF算法的流程 | 第41-42页 |
5.5.3 GA-RBF算法辨识的结果 | 第42-43页 |
5.5.4 系统GA-RBF辨识结果分析总结 | 第43页 |
5.6 本章小结 | 第43-44页 |
6 爆破扫雷器电液伺服系统的控制器研究 | 第44-56页 |
6.1 常用PID控制器的设计介绍 | 第44-45页 |
6.2 模糊控制原理 | 第45-46页 |
6.2.1 模糊控制结构 | 第45页 |
6.2.2 模糊控制的维数 | 第45-46页 |
6.3 模糊PID控制器设计 | 第46-49页 |
6.3.1 模糊PID控制器的结构 | 第46-47页 |
6.3.2 模糊PID控制规则 | 第47-49页 |
6.4 前馈控制器设计 | 第49-50页 |
6.4.1 前馈控制概述 | 第49-50页 |
6.4.2 前馈控制系统的特点 | 第50页 |
6.5 爆破扫雷器前馈模糊复合控制器的设计和仿真 | 第50-55页 |
6.5.1 控制效果仿真实验及结果分析 | 第52-55页 |
6.6 本章小结 | 第55-56页 |
结论 | 第56-58页 |
致谢 | 第58-59页 |
参考文献 | 第59-63页 |
附录 | 第63页 |