飞行转台系统混沌故障建模分析

在一定条件下 ,系统本身的非线性或某种故障给系统增加的非线性因素可能使系统变成一个混沌动力系统 ,该文针对一个实际实验中转台出现的异常不规则运动 ,证明了该系统中转台的运动具有混沌特性。对转台系统数学模型进行分析 ,通过仿真加入了一些非线性环节 ,证明了在一定的初试条件下 ,转台系统有可能进入混沌状态。

飞行转台系统混沌故障控制方法研究

在一定条件下 ,系统本身的非线性或某种故障给系统增加的非线性因素可能使系统变成一个混沌动力系统。这里给出了具有混沌故障的转台系统 ,并从自动控制角度出发 ,提出了两种不同结构的有效的控制方法 ,即线性反馈控制方法和神经网络直接控制方法 。

基于微分观测器的飞行模拟转台伺服系统非线性控制

飞行模拟器转台伺服系统是导弹飞行的重要模拟设备,用于获取实验数据;针对飞行模拟转台伺服系统在跟踪控制过程中存在参数不确定性、非线性摩擦等不确定性问题,提出了一种基于微分观测器的飞行模拟转台伺服系统非线性控制方法;考虑系统在跟踪控制过程中存在不确定性问题,设计了微分观测器来估计复合不确定扰动;设计非线性控制器来控制飞行模拟转台伺服系统,使得系统可以收敛到期望位置转角信号;通过李雅普洛夫稳定性证明控制器作用在系统条件下的鲁棒性;通过MATLAB/Simulink仿真试验平台验证了文中提出的控制策略能够使系统有效跟踪期望位置转角,具有一定工程应用价值。

基于NDO的飞行模拟转台伺服系统跟踪控制

针对飞行模拟转台伺服系统跟踪控制问题,提出了一种基于非线性干扰观测器(nonlinear disturb-ance observer,NDO)的反推全局滑模控制方案。该方案利用NDO观测系统的参数不确定性及非线性摩擦干扰,通过选择适当的设计参数使观测误差指数收敛,进而对引入NDO的系统采用反推全局滑模设计控制器,控制律的设计保证了闭环系统的稳定性。仿真结果表明,所提控制方案能够有效克服参数不确定性及非线性摩擦干扰的影响,实现了转角位置的精确跟踪,并且有效去除了控制抖振。

基于神经网络补偿的转台伺服系统控制研究

针对飞行仿真转台伺服系统中存在的非线性摩擦干扰进行了研究,采用一种基于RBF神经网络进行误差补偿的在线自适应控制策略。在基于逆动力学的计算力矩控制方法的基础上,利用RBF神经网络的万能逼近特性在线辨识模型误差,从而对系统进行补偿,其权值自适应律根据Lyapunov稳定性理论推导,保证了系统跟踪误差的收敛及稳定。仿真结果表明该控制策略可使位置MAE指标从0.0087 m提高到0.0016 m,使位置MSE指标从1.0128E-4 m提高到3.3002E-6 m,具有较高的鲁棒性和稳态控制精度。最后分别从隐层节点数及节点中心学习算法的变化两方面提出两种改进方案,仿真结果表明隐层节点数的增加可以进一步减小位置误差,而采用K-means聚类算法解决了神经网络节点中心按经验选取或试凑的困难。