论文部分内容阅读
随着军事技术和战场形势的发展与变化，现代战争对火箭炮武器系统的射击精度提出了更高的要求。火箭炮位置伺服系统的性能，是影响其射击精度和射击速度的主要因素。本论文以某舰载火箭炮武器系统为工程背景，对其位置伺服系统的控制策略进行研究，以期实现火箭炮伺服系统在参数摄动和强干扰等情况下的高精度位置控制;研究结果对于有效提高火箭炮的射击精度，具有重要的理论意义和工程应用价值。 本论文的主要研究工作集中在以下几个方面: (1)深入分析了某舰载火箭炮位置伺服系统的组成特点和工作原理，采用矢量控制方法得到永磁同步电机的数学表达式;并在此基础上，建立了舰载火箭炮交流伺服系统的数学模型。讨论了系统存在的时变性与非线性因素，为下一步位置环的控制策略与实验研究奠定了理论基础。 (2)由于舰载火箭炮交流伺服系统中非线性和不确定性等因素的存在，难以建立系统的精确数学模型。为此，采用RBF神经网络、小波神经网络、粒子群小波神经网络和动态自回归小波神经网络等方案进行模型辨识，并结合测试数据及所提出的性能评价指标，对不同辨识方案所得结果进行了比较和分析。结果表明，动态自回归小波神经网络辨识方案，能够更好地适应系统的快速变化，且具有良好的动态性能。 (3)提出了一种后件为动态递归小波函数的模糊小波神经网络间接模型参考自适应控制方案，建立了该方案的基本结构并分析了其特性。由于神经网络控制器的反向传播需要被控对象的数学模型，而本文所研究的舰载火箭炮伺服系统具有较强的非线性和时变性，使控制器的学习修正很难进行。为了解决该问题，利用动态自回归小波神经网络辨识器，实时地为模糊小波神经网络控制器提供梯度信息，保证了控制器参数学习与修正的正确进行。采用Lyapunov函数，证明了闭环系统的稳定性和收敛性。 (4)研究了滑模变结构控制与模糊小波神经网络相结合的自适应模糊小波滑模控制方案。采用一种快速终端滑模函数，通过滑模理论推导出系统的控制率，利用自适应模糊小波神经网络来逼近快速终端滑模控制律;使用Stone-Weierstrass定理证明了该模型对非线性函数的逼近能力，从而解决了舰载火箭炮伺服系统由于外界干扰和参数不确定性的存在使得等效控制律无法直接获得的问题。采用扩展卡尔曼滤波器与最小二乘法相结合的混合学习方法对模型结构和参数进行训练。基于Lyapunov函数，给出了在线调节参数的自适应率，并证明了系统的稳定性。仿真结果表明，所提控制方案在提高了火箭炮伺服系统跟踪精度的同时又对系统参数摄动具有很强的鲁棒性。 (5)完成了以STM32F107为核心的系统硬件电路设计及控制软件编写，并以舰载火箭炮半实物模拟试验台为基础，对系统在不同信号下，自适应模糊小波滑模控制策略的效果进行了试验研究。结果表明，系统设计方案正确、控制算法有效，为进一步研制系统样机提供了理论指导。