1 / 62
文档名称:

电液伺服系统建模与控制策略研究.pdf

格式:pdf   页数:62
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

电液伺服系统建模与控制策略研究.pdf

上传人:minzo 2014/4/18 文件大小:0 KB

下载得到文件列表

电液伺服系统建模与控制策略研究.pdf

文档介绍

文档介绍:研究生签名:昱螽当声学位论文使用授权声明明上网公布本学位论文的部分或全部内容,可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密本学位论文是我在导师的指导下取得的研究成果,尽我所知,在本学位论文中,除了加以标注和致谢的部分外,不包含其他人已经发表或公布过的研究成果,也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。旯耤南京理工大学有权保存本学位论文的电子和纸质文档,可以借阅或论文,按保密的有关规定和程序处理。研究生签名:多口年乡月’
摘要关键词:电液伺服系统,自适应控制,窬纾悄芸刂疲珹电液伺服系统是一种典型的非线性时变系统,在控制精度要求高、干扰较多的场合,使用传统的控制方法难以获得满意的控制效果。自适应控制能够根据系统运行状态自动调整控制参数,保证良好的控制效果,具有很强的鲁棒性;神经网络对于非线性函数具有良好的映射能力和自学习能力。神经网络自适应控制是将两者的优点相结合,用神经网络结构充当自适应控制中的辨识器和控制调节器,可以方便快速调节控制器参数,因此,在对非线性系统控制中往往能取得较好的控制效果。本文以某武器系统扫雷犁电液伺服系统作为研究对象,对电液伺服系统的智能控制策略进行探究。首先在分析系统工作原理及性能的基础上,采用径向基,网络对系统进行辨识产生神经网络模型,在此基础上,设计神经网络自校正控制系统,并在与/联合仿真平台上验证控制系统的性能。仿真结果表明该控制策略能够降低系统定深误差,对扰动具有一定的自适应和抗干扰能力,达到系统的控制要求。/,联合仿真硕士论文
琣,—珹,/,甆,./..:猦—.、衍.,瑃瑂,琑硕士论文’Ⅱ
录目ɡ桌绲缫核欧低匙凼觥贏牡缫核欧低辰!摘要....。..⋯................。.。...。..................。..........⋯...。.........。.。...⋯.....。...。....录..................................................⋯.......................................................纝论⋯⋯⋯⋯.。..⋯⋯⋯。⋯⋯⋯⋯⋯⋯.⋯.。⋯⋯⋯.⋯⋯..。⋯⋯⋯...⋯⋯⋯.。⋯⋯⋯。⋯⋯.斯ど窬缂蚪椤课题背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。国内外研究现状及趋势⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⒄辜肮谕庀肿础本文主要研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯系统描述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。扫雷犁系统硬件构成⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一电液伺服系统的组成及工作原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯建模数据的采集⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.软件简介及联合仿真技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.软件简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯与/联合仿真技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯与/联合仿真注意事项⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯基于软件扫雷犁电液伺服系统建模⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。.低衬P突得鳌.⑾低衬P汀本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。人工神经网络概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...................................................................................⋯..........................:夕’
窬缱允视刂破魃杓啤论。..。.。。..。。.。.....。.......。。.....。........。.。。....。......。.。.......。。........。。....。.。谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。ɡ桌绲缫核欧低潮媸丁结致附录。.......。。.。....。......。.。.......。......。......。.。....。...。.....。...。.。.。。.....。...。...。基于窬绲牡缫核欧低潮媸丁神经网络控制器设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯