某火箭破障武器电液伺服系统的模糊免疫PID控制的研究

某火箭破障武器火箭弹发射系统,执行机构由液压驱动,其负载阻力矩和转动惯量都随着发射架位置的变化和系统带弹量的变化而变化,常规确定系数的PID控制器难以获得理想的控制效果。该文借鉴生物免疫响应的反馈调节机理,采用模糊免疫PID控制算法,并通过模糊控制规则对免疫反馈规律的非线性函数进行自动调整。仿真和实际应用表明,在阶跃和正弦下的静态和动态指标达到了系统的技战术指标要求并有较强的鲁棒性。

基于模糊神经网络的破障武器PID控制

火箭破障武器装甲车在道路起伏的环境中车体易产生振动,在发射火箭炮破障弹时也会产生较大的振动,这些容易导致再次调炮破障时方向角度出现偏差影响破障精度,同时,其他扰动和不确定因素的存在也使得破障武器系统成为非线性时变系统。利用模糊控制良好的鲁棒性、适应性以及神经网络的自适应、自学习的能力,提出一种基于模糊RBF神经网络PID控制方法,同时采用K-means层次聚类对模糊神经网络的结构参数值进行初始化,采用LM算法对模糊神经网络进行训练。仿真结果表明,该方法可以有效提高系统的抗干扰能力、破障精度以及加快调炮的快速性。

基于RRNN的破障武器滑模控制

为了提高某破障武器随动系统响应的快速性和准确性,对其进行神经网络滑模控制研究。结合伺服系统的模型,引入脊波递归神经网络(RRNN)对模型动态自适应逼近,可有效提高响应速度和鲁棒性。通过脊波递归神经网络滑模控制器(RRNN-SMC),有效地抑制了扰动、参数变化等非线性因素的影响。最后,采用粒子群优化算法对脊波参数和链接权值进行优化,可以有效降低滑模抖振的影响。通过仿真实验发现,该方法能够保证随动系统的稳定性,加快动态实时响应的速度,提高随动控制的精度。

基于RBF神经网络的破障武器内模PID控制

针对破障武器伺服系统中存在的非线性、参数时变和不确定性等因素,提出了一种基于RBF神经网络的内模PID控制策略。通过RBF神经网络对内模PID控制器的唯一参数进行调节,同时对RBF神经网络采用LM算法进行训练。仿真结果表明,控制方法具有良好的系统动态品质、鲁棒性和抗干扰能力,能够有效地加快破障武器的调炮速度以及提高破障武器的破障精度。

基于NNCA的某破障武器模糊自适应动态面控制

为解决某破障武器发射架的液压随动系统因系统内部泄露、摩擦及外部负载变化等因素造成的非线性问题,采用模糊逻辑系统来逼近电液伺服系统中的未知非线性函数,利用最近邻聚类算法(NNCA)对初始参数进行归类,以降低模糊规则的数目。结合动态面控制方法设计自适应控制器以解决模糊控制带来的控制精度差的问题。仿真结果表明,该方法可以有效提高系统的抗干扰能力、破障精度并提高调炮的快速性。

基于BP神经网络优化的某破障武器自抗扰控制研究

针对某破障武器位置随动系统工作时,受到各种非线性扰动导致系统的响应速度和跟瞄精度受到影响的问题,设计了一种改进型自抗扰控制器(ADRC)。利用BP神经网络(BPNN)适应性好和自学能力强的优点,对ADRC的相关参数在线寻优,并采用人工鱼群算法(AFSA)对神经网络的权值进行优化,来进一步提升控制器性能。利用MATLAB软件对控制器进行仿真验证,仿真结果表明:该控制方法能有效提高随动系统的抗干扰能力和跟踪精度。

基于GA-RBF算法的FUZZY-RBF交流伺服系统控制

针对某火箭破障武器交流伺服系统的不确定性和非线性等问题,设计基于GA-RBF算法的FUZZY-RBF神经网路控制方法。将GA算法和RBF神经网络结合起来作为系统辨识器用来优化FUZZY-RBF控制器的权值、节点和中心矢量等参数,并通过半实物仿真实验进行验证。半实物仿真结果表明:该控制策略能满足某火箭破障武器精度控制指标,保证其交流伺服系统控制的精度和稳定性,具有很强的自适应性和鲁棒性。