基于多模态控制的交流伺服系统的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题研究背景及其意义 | 第10-11页 |
| 1.2 伺服系统概述 | 第11-13页 |
| 1.2.1 交流位置伺服系统的主要特性 | 第12页 |
| 1.2.2 交流伺服系统的发展趋势 | 第12-13页 |
| 1.3 交流伺服系统控制方法 | 第13-15页 |
| 1.3.1 PID控制 | 第13-14页 |
| 1.3.2 自适应控制 | 第14页 |
| 1.3.3 模糊控制 | 第14页 |
| 1.3.4 神经网络控制 | 第14-15页 |
| 1.4 主要内容与结构安排 | 第15-17页 |
| 2 某火箭炮交流伺服系统综述 | 第17-26页 |
| 2.1 某火箭炮交流伺服系统的构成 | 第17-18页 |
| 2.2 交流伺服系统硬件构成 | 第18-20页 |
| 2.2.1 火控计算机 | 第18页 |
| 2.2.2 位置控制模块 | 第18页 |
| 2.2.3 位置信息采集模块 | 第18-20页 |
| 2.3 伺服系统数学模型 | 第20-25页 |
| 2.3.1 交流伺服电机的d、q轴数学模型 | 第21页 |
| 2.3.2 交流伺服电机矢量控制模型 | 第21-23页 |
| 2.3.3 某型号火箭炮交流伺服系统仿真数学模型 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 某火箭炮交流伺服系统的系统辨识 | 第26-52页 |
| 3.1 系统辨识概述 | 第26-27页 |
| 3.1.1 系统辨识的定义 | 第26页 |
| 3.1.2 系统辨识的步骤 | 第26-27页 |
| 3.2 辨识信号的获取 | 第27-30页 |
| 3.2.1 辨识信号的分类 | 第28-29页 |
| 3.2.2 辨识信号处理 | 第29-30页 |
| 3.3 神经网络辨识 | 第30-33页 |
| 3.3.1 人工神经网络的构成 | 第30-31页 |
| 3.3.2 常用激活函数 | 第31页 |
| 3.3.3 神经网络的智能学习 | 第31-33页 |
| 3.4 BP神经网络辨识 | 第33-39页 |
| 3.4.1 BP神经网络概述 | 第33-34页 |
| 3.4.2 BP神经网络学习算法 | 第34-37页 |
| 3.4.3 BP神经网络的系统辨识 | 第37-39页 |
| 3.5 基于粒子群优化的小波神经网络辨识 | 第39-50页 |
| 3.5.1 小波理论基础 | 第40-43页 |
| 3.5.2 小波神经网络概述 | 第43-46页 |
| 3.5.3 粒子群算法概述 | 第46-48页 |
| 3.5.4 粒子群小波神经网络算法 | 第48-49页 |
| 3.5.5 粒子群小波神经网络系统辨识仿真 | 第49-50页 |
| 3.6 两种辨识方法的结果比较 | 第50-51页 |
| 3.7 小结 | 第51-52页 |
| 4 某火箭炮交流伺服系统的多模态控制 | 第52-67页 |
| 4.1 模糊控制概述 | 第52页 |
| 4.2 神经网络自适应控制 | 第52-55页 |
| 4.2.1 自适应控制 | 第52-54页 |
| 4.2.2 神经网络自适应控制 | 第54-55页 |
| 4.3 多模态控制 | 第55-56页 |
| 4.3.1 多模态控制概述 | 第55-56页 |
| 4.3.2 评价指标 | 第56页 |
| 4.4 RBF神经网络自校正PID控制器设计 | 第56-59页 |
| 4.4.1 控制器结构 | 第56-58页 |
| 4.4.2 RBF神经网络设计 | 第58-59页 |
| 4.5 模糊PID控制器的设计 | 第59-61页 |
| 4.6 多模态控制器的设计 | 第61-63页 |
| 4.7 仿真试验 | 第63-65页 |
| 4.8 本章小结 | 第65-67页 |
| 5 试验论证 | 第67-75页 |
| 5.1 性能指标 | 第67页 |
| 5.2 半实物试验台的硬件组成 | 第67-69页 |
| 5.3 控制软件 | 第69-71页 |
| 5.4 试验结果 | 第71-73页 |
| 5.5 小结 | 第73-75页 |
| 6 结束语 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 附录 | 第81页 |
