基于多模态控制的交流伺服系统的应用研究-机械工程专业论文.docxVIP

硕士学位论文 硕士学位论文 基于多模态控制的交流伺服系统的应用研究 目 录 摘 要 I Abstract．．．．．．．．．．． ．．．．．．．．．．．． ．．．．．．．．．．．．．．．．．．．．．．．．．．．． ．．．．．．．．．．．．． ．．．．．．．．．．．II IiI 录．．．．．．．．．．．．．．．． ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．1lI 图表目录 ．VI 1绪论 ．1 1．1课题研究背景及其意义 ．1 1．2伺服系统概述 ．2 1．2．1交流位置伺服系统的主要特性 ．3 1．2．2交流伺服系统的发展趋势 ．3 1．3交流伺服系统控制方法 ．4 1．3．1 PID控制 ．4 1．3．2自适应控制 ．5 1．3．3模糊控制 ．5 1．3．4神经网络控制 ．5 1．4主要内容与结构安排 一6 2某火箭炮交流伺服系统综述 8 2．1某火箭炮交流伺服系统的构成 ．8 2．2交流伺服系统硬件构成 ．9 2．2．1火控计算机 ．9 2．2．2位置控制模块 ．9 2．2．3位置信息采集模块 ．9 2．3伺服系统数学模型 11 2．3．1交流伺服电机的d、q轴数学模型 ．12 2．3．2交流伺服电机矢量控制模型 12 2．3．3某型号火箭炮交流伺服系统仿真数学模型 ．．． 14 2．4本章小结 16 3某火箭炮交流伺服系统的系统辨识 17 3．1系统辨识概述 1 7 3．1．1系统辨识的定义 17 3．1．2系统辨识的步骤 17 3．2辨识信号的获取 l 8 3．2．1辨识信号的分类 19 III 万方数据 目录 目录 硕士学位论文 3．2．2辨识信号处理 20 3．3神经网络辨识 2l 3．3．1人工神经网络的构成 21 3．3．2常用激活函数 22 3．3．3神经网络的智能学习 22 3．4 BP神经网络辨识 ．24 3．4．1 BP神经网络概述 ．24 3．4．2 BP神经网络学习算法 ．25 3．4．3 BP神经网络的系统辨识 ．28 3．5基于粒子群优化的小波神经网络辨识 30 3．5．1小波理论基础 3 l 3．5．2小波神经网络概述 ． ．．34 3．5．3粒子群算法概述 37 3．5．4粒子群小波神经网络算法 39 3．5．5粒子群小波神经网络系统辨识仿真 40 3．6两种辨识方法的结果比较 41 3．7小结 ．42 4某火箭炮交流伺服系统的多模态控制 ．43 4．1模糊控制概述 43 4．2神经网络自适应控制 43 4．2．1自适应控制 43 4．2．2神经网络自适应控制 45 4．3多模态控制 46 4．3．1多模态控制概述 46 4．3．2评价指标 47 4．4 RBF神经网络自校正PID控制器设计 ．．47 4．4．1控制器结构 47 4．4．2 RBF神经网络设计 一49 4．5模糊PID控制器的设计 一50 4．6多模态控制器的设计 52 4．7仿真试验 54 4．8本章小结 56 5试验论证 。58 5．1性能指标 58 万方数据 硕士学位论文 硕士学位论文 基于多模态控制的交流伺服系统的应用研究 5．2半实物试验台的硬件组成 58 5．3控制软件 60 5．4试验结果 62 5．5小结 ．64 6结束语 ．．66 致 谢 ．68 参考文献一 69 附 录 71 V 万方数据 图表目录 图表目录 硕士学位论文 图表目录 图2．1某火箭炮交流伺服系统结构图 ．8 图22位置采集模块简易原理图 ．9 图2．3位置采集模块详细原理图 10 图2．4旋转变压器实物图 l 0 图2．5 RDC原理图 1 1 图2．6矢量控制原理图 13 图2。7某型号火箭炮交流伺服系统的动态结构图 14 图3．1系统辨识过程流程图 18 图3．2伪随机二位制信号 19 图3．3伪随机多幅值信号 20 图3．4 MP人工神经元模型 ．2l 图3．5 BP神经网络结构图 一24 图3．6 BP神经网络系统辨识步骤图 ．．28 图3．7输入数据 29 图3．8输出数据 29 图3．9用于训练的BP神经网络辨识结果和误差曲线图 30 图3．10用于检验的BP神经网络辨识结果和误差图 ．．30 图3．11 Haar小波 32 图3．12 Morlet小波 一32 图3．13 Marr小波 ．33 图3．14 Daubechies小波 ．．33 图3。15松散型小波网络 ．34 图3．16紧致型小波网络 ．35 图3．17小波神经网络学习步骤 ．37 图3．18粒子群算法优化的小波神经网络辨识流程 ．40 图3．1