● 摘要
直接驱动阀（DDV）能够克服电液伺服阀（EHV）的固有缺陷，具有单级结构、抗污染能力强、可靠性高等突出优点，并且采用电动机直接驱动阀芯的结构易于实现系统的数字化控制和余度管理，因而用DDV取代传统的EHV必将对电液伺服作动系统的发展起到非常积极的作用。对高性能冗余DDV伺服系统的研究已经成为飞机研制中的重要课题。本论文研究的就是一种由三余度无刷直流力矩电机、三余度电机控制器、三余度角位移传感器RVDT以及转阀等构成的新型冗余DDV伺服系统。主要研究内容及工作成果体现在以下几个方面：(1) 设计了一种具备二次故障-工作（FO/FO）能力的新型DDV伺服系统，克服了EHV的固有缺陷，简化了系统结构，同时采用带自监控的三余度结构以及基于交叉通道数据链（CCDL）的余度管理策略，有效地提高了系统的可靠性。(2) 提出了一种三余度无刷直流力矩电机的结构方案。通过合理的选择电机的齿极数，有效地减少了有限转角范围内电机的换相次数；通过采用同轴串联式三余度结构，实现三段电机直接通过转轴的力矩综合；通过放置隔磁板避免三段电机端部之间的电磁耦合；三段转子采用恰当的错极结构，有效地削弱了三余度电机总的齿槽转矩。(3) 在建立三余度无刷直流力矩电机和转阀阀芯数学模型的基础上提出了一种采用位置环和电流环构成的双闭环系统控制结构。同时针对传统PID控制方法难以克服饱和非线性、液动力负载扰动影响的缺陷，提出一种新型变结构PID控制策略，通过对积分项进行动态自适应补偿，使冗余DDV伺服系统具有良好的动静态特性。实验结果表明了该控制方案的有效性。(4) 针对冗余DDV伺服系统中由于参数变化、齿槽效应、未知的液动力负载扰动以及余度降级所造成的性能降低问题，提出了两种基于神经网络的复合控制方法，即神经网络与PD的复合控制、神经网络自适应滑模控制。在神经网络与PD的复合控制策略中，利用PD控制方法来控制系统的线性部分；利用径向基函数神经网络（RBFNN）在线学习功能，对系统的非线性和不确定性因素进行自适应补偿。在神经网络自适应滑模控制方案中，采用RBFNN取代滑模切换控制部分，利用其在线学习功能，对系统的不确定因素进行自适应补偿，以消除滑模面附近的高频抖振，既保证了很强的鲁棒性，又提高了跟踪精度；并通过与PD的并行控制，改善神经网络参数的收敛，增强系统的稳定性。同时给出了这两种复合控制策略的Lyapunov稳定性分析。仿真研究表明这两种方法都能使系统具有良好的动、静态性能和稳定性，极大地提高了系统的稳态精度和鲁棒性。(5) 成功研制了三余度无刷直流力矩电机以及基于数字信号处理器（DSP）、控制器局域网（CAN）总线技术的三余度电机控制器原理样机，完成了对冗余DDV伺服系统的相关实验研究。