● 摘要
转台是一种典型的机电一体化设备，被广泛应用在航天、航空、武器系统、舰船等运动体的仿真和惯性器件测试领域。由于转台存在着负载变化、摩擦等多种不确定因素，很难建立起转台的精确模型，若利用传统的基于精确模型的控制算法将无法获得良好的控制效果和精度。所以本文的主要工作就是在系统辨识的基础上设计出一种具有自适应能力的控制算法，提高转台的控制系统性能。本文首先介绍了转台系统的机械结构，以及控制系统的软硬件结构，并建立了转台系统的数学模型，然后根据转台的特点，分别采用了基于最小二乘法和BP神经网络的辨识方法对转台系统进行了仿真辨识实验。最小二乘法仿真实验的结果表明，该算法在理想条件下具有较高的精度和实时性。但是由于实际转台系统具有很强的非线性，最小二乘法对非线性系统的辨识存在局限性，而且它对输入信号的要求比较特殊，在实际系统中很难保证，所以最小二乘法用于转台系统的辨识研究还是有很大的困难；而基于BP神经网络的辨识仿真实验则对比了各种不同学习算法下的系统辨识情况，实验表明，基于Levenberg-Marquardt学习算法的BP神经网络辨识速度最快，效果最优。根据转台系统的特点，选择BP神经网络作为实验的理论基础，设计了神经网络自适应 PID( Proportional-Integral-Differential )控制器，其原理主要是采用神经网络辨识与自适应PID控制相结合的方法，通过对控制系统的在线辨识，实时调整PID控制器的参数，使控制系统对参数变化表现出良好的鲁棒性。 仿真实验证明，所设计PID控制器具有优良的自适应能力，参数能自动寻优，使系统具有良好的跟踪性能。最后，为了验证控制算法的效果，对转台控制系统进行了现场实验，结果表明所设计的转台控制系统软硬件工作正常，性能指标均达到或超过了设计要求，为高性能转台的研制提供了有益的尝试。