题目：基于CMAC的高性能仿真转台控制方法研究

本论文研究基于小脑模型（CMAC）神经网络的高性能仿真转台的自适应控制方法。首先分析了转台伺服系统中存在的不确定因素，研究了基于系统频率特性获取近似数学模型的方法，并把不确定性因素归结为一个不确定项。然后，深入研究了CMAC神经网络的结构、工作原理。引入了输入量化归一化方法，设计了概念映射地址映射函数，简化了CMAC网络参数的选取规则，减小了传统CMAC算法物理地址空间，避免了杂散编码带来的映射冲突现象。在此基础上，深入研究了神经网络模型参考自适应控制方法，设计了三种基于神经网络的自适应控制方案。在转台系统速度环加入基于CMAC的自适应补偿控制器，神经网络控制器的输出抵消了系统模型的不确定项，将系统对象近似为一阶线性环节。速度环性能的提高为位置环使用各种先进的控制算法打下了基础。仿真结果证明了这种控制方案对提高转台系统性能的有效性。将基于CMAC的模型参考自适应控制方案应用于两自由度平台系统，完全满足系统性能指标要求。实验表明，本课题设计的控制方案结构简单，调试方便，具有较高的静态位置精度和良好的动态跟踪能力，有效拓宽了系统频带。为将基于CMAC的模型参考自适应控制方案在转台等伺服系统中应用打下了良好的基础。