摘要 | 第1-4页 |
Abstract | 第4-10页 |
1 绪论 | 第10-14页 |
·研究课题背景 | 第10-11页 |
·国内外智能伺服系统研究现状 | 第11-12页 |
·本文的主要研究内容 | 第12-14页 |
2 爆破扫雷器系统综述 | 第14-27页 |
·爆破扫雷器电液伺服系统的工作流程 | 第14页 |
·系统硬件组成简述 | 第14-19页 |
·控制计算机模块 | 第15页 |
·数据采集卡模块 | 第15-16页 |
·旋转变压器及RDC转换模块 | 第16页 |
·400Hz正弦波信号发生器 | 第16页 |
·伺服放大器 | 第16-17页 |
·液压模块及执行机构 | 第17-19页 |
·系统工作原理的介绍 | 第19-20页 |
·爆破扫雷器系统高低升降装置旋变值的计算 | 第20-24页 |
·火箭发射结构的简介 | 第20-21页 |
·剪式高低升降机构 | 第21-22页 |
·射角与旋变值的关系 | 第22-23页 |
·车体倾斜状态下旋变值的计算流程 | 第23页 |
·旋变值、倾斜传感器的标定 | 第23-24页 |
·激励信号及模型性能评价 | 第24-26页 |
·激励信号的选择 | 第24-25页 |
·模型性能评价的选择 | 第25-26页 |
·本章小结 | 第26-27页 |
3 基于AMESim与Simulink软件的系统联合仿真建模 | 第27-32页 |
·AMESim软件与Simulink软件的介绍 | 第27-28页 |
·AMESim软件简介 | 第27-28页 |
·Simulink软件简介 | 第28页 |
·联合仿真需要注意的几点介绍 | 第28页 |
·爆破扫雷器仿真模型的建立 | 第28-30页 |
·关于射角与旋变值非线性关系的模拟 | 第29页 |
·关于扰动信号的模拟 | 第29-30页 |
·其它等效处理信息的模拟 | 第30页 |
·爆破扫雷器系统传递函数的建立 | 第30-31页 |
·本章小结 | 第31-32页 |
4 GA-RBF神经网络介绍 | 第32-40页 |
·神经网络介绍 | 第32-34页 |
·人工神经元模型 | 第32-33页 |
·常见的激活函数 | 第33页 |
·神经网络的结构 | 第33-34页 |
·神经网络的学习 | 第34页 |
·RBF神经网络 | 第34-37页 |
·RBF神经网络概述 | 第35页 |
·RBF神经网络结构 | 第35-36页 |
·RBF神经网络的学习算法 | 第36-37页 |
·GA遗传算法 | 第37-39页 |
·遗传算法的基本结构 | 第37-38页 |
·遗传算法的基本概念 | 第38-39页 |
·遗传算法的特点 | 第39页 |
·GA遗传算法对RBF神经网络的优化 | 第39页 |
·本章小结 | 第39-40页 |
5 爆破扫雷器电液伺服系统辨识 | 第40-49页 |
·神经网络辨识的介绍 | 第40页 |
·爆破扫雷器电液伺服系统建模数据及处理 | 第40-43页 |
·输入输出数据 | 第41-42页 |
·输入输出数据的归一化处理 | 第42-43页 |
·系统RBF辨识过程 | 第43-44页 |
·GA-RBF2算法的系统辨识 | 第44-46页 |
·GA-RBF2算法中的重要概念概述 | 第44-45页 |
·GA-RBF2算法的流程 | 第45-46页 |
·GA-RBF2算法辨识的结果 | 第46页 |
·GA-RBF3参数的系统辨识 | 第46-48页 |
·权值参数求解的流程 | 第46-47页 |
·GA-RBF3算法实现遗传操作的方法 | 第47页 |
·GA-RBF3算法辨识的结果 | 第47-48页 |
·系统GA-RBF辨识结果分析总结 | 第48页 |
·本章小结 | 第48-49页 |
6 爆破扫雷器电液伺服系统的控制器研究 | 第49-64页 |
·常用PID控制器的设计介绍 | 第49-50页 |
·模糊控制 | 第50-54页 |
·模糊控制概述 | 第50-52页 |
·模糊控制的特点 | 第52-53页 |
·模糊控制器的结构 | 第53页 |
·爆破扫雷器模糊控制器原理 | 第53-54页 |
·模糊PID控制原理 | 第54-56页 |
·爆破扫雷器模糊控制器的设计 | 第56-58页 |
·控制效果仿真实验及结果分析 | 第58-63页 |
·系统输入为阶跃信号时的仿真 | 第58-61页 |
·阶跃信号输入仿真结果分析 | 第61-62页 |
·系统输入为正弦信号时的仿真及结果分析 | 第62-63页 |
·本章小结 | 第63-64页 |
结论 | 第64-65页 |
致谢 | 第65-66页 |
参考文献 | 第66-69页 |
附录 | 第69页 |