电动负载模拟器的智能控制策略分析-analysis of intelligent control strategy of electric load simulator.docx

哈尔 哈尔滨工业大学工学博士学位论文 Abstract Abstract – – PAGE IV – – – III – 神经网络的方法。结合资源优化网络的思想，给出了动态模糊神经网络的原理、 规则的产生、剪裁和权值的训练方法。这种基于RBF的神经网络具有较少的神经 元结构，算法的速度快，同时对于具有不确定性和非线性的系统也具有良好的 逼近能力，更适合于在线的实时控制。针对加载对象位置扰动可测和不可测两 种情形，提出了采用自适应前馈补偿和神经网络内模+PID控制两种电动负载模 拟器控制结构。仿真结果证明该策略有效地抑制了多余力矩，提高了系统的控 制性能。 最后设计了基于MCT8000运动控制卡的控制系统，实现了系统的软件、硬 件设计，实验结果验证了ILC算法的正确性和有效性。 本文采用先进的智能控制策略对于负载模拟器系统的控制做出了较为深入 的研究，体现了负载模拟系统控制的发展趋势，研究成果对实际应用有较好的 指导和参考作用。 关键词： 电动负载模拟器；迭代学习控制；实时递归神经网络；动态模糊神经 网络；内模控制；自适应补偿器 Abstract Torque dynamic load simulators (DLS) are widely applied in many fields such as aviation and aerospace, weapons equ