论文部分内容阅读
在航空领域中,舵机是飞机组成的重要部分,而负载模拟器是为了模拟飞行器在实际的飞行过程中所受到的气动载荷,以此来检验飞行器的控制性能是否达标的设备。由于负载模拟器是被动式的伺服控制系统,舵机的主动运动会导致系统产生力误差,而力误差的存在会严重影响系统的控制性能。因此研究适合该系统的控制方法,抑制系统的力误差在飞行领域具有重要的研究意义。本文以电动负载模拟器为研究对象,为了解决系统力误差的关键问题,满足加载系统的控制精度,提出了一种基于改进BP神经网络PID控制的策略,实现了系统动态高精度的控制。本文研究内容如下:(1)系统方案设计及数学建模。结合负载模拟器的国内外研究现状,对比分析了电动式,电液式,机械式三种加载方式的优缺点。针对直升机舵机装置具有加载精度较高,加载力小的特点,确定了电动式伺服加载的方案。并且分析了系统的组成以及工作原理,分别对系统的加载机构,负载机构以及传感器建立了数学模型。(2)基于位移前馈补偿的复合方法研究。首先对系统的特性进行了研究,为提高加载系统的控制精度,提出了基于传统PID控制的4闭环控制方案;然后分析了系统力误差产生的机理以及特性。由于前馈补偿算法能够对干扰项提前进行补偿从而达到提高系统控制精度的效果,因此针对系统力误差的抑制,在传统PID闭环控制的基础上提出了前馈位移补偿算法。并利用Matlab/Simuink软件对上述控制方案进行仿真,得到该方案力误差的抑制率达到91.4%。然后进一步分析了加载系统的非线性因素对系统的影响。(3)基于非线性预测模型的BP-PID控制方法研究。通过仿真分析,经典控制理论已经不能解决非线性因素对系统的影响。因此依据BP神经网络具有良好的自学习和非线性逼近的能力,在前馈补偿原理的基础上,提出了一种基于BP神经网络复合控制方法,利用BP神经网络对PID的参数进行在线调整,从而提高系统的加载精度。为进一步降低系统参数摄动对加载精度的影响,提出了利用非线性预测模型对BP神经网络的权值计算公式进行了改进,仿真结果表明,该方法对系统能够有效的抑制力误差,提高系统的动态加载精度,其动态的加载精度为99.2%,满足舵机装置的技术指标要求。(4)系统平台搭建及实验验证。根据技术指标对系统的元器件完成了选型,并搭建了三通道的负载模拟器平台,利用Labview完成了该系统的软件设计,实现了负载模拟器系统的上位机的控制功能。并且在此平台上进行了三种加载方式的加载实验,实验结果表明该负载模拟器具有良好的控制性能。