基于DSP的一体化交流伺服系统研究和实现

针对当前伺服系统采用的角度传感器进行AD采样和换算后得到电机速度,无法很好满足速度实时性要求.同时位置反馈元件线性度低、反馈信号易受干扰,因此导致伺服系统稳定性很难保证。结合目前伺服系统存在速度闭环差、结构转换效率低、抗干扰能力弱等问题,提出一种伺服电机与减速机构、旋转变压器一体化设计的方案。通过试验证明,该伺服系统具有控制精度高(最高可达16bit精度)、抗干扰能力强等特点,符合未来电动伺服系统发展的研究方向。     

基于遗传算法优化小波网络的柔性喷管力矩特性辨识方法

为准确辨识负载力矩并提高主动加载负载模拟的真实度，使用了一种基于遗传算法优化的神经网络辨识方法。使用小波分析方法对测试信号进行预处理，将消噪与分解后得到的信息作为神经网络训练的扩充样本，提高了辨识精度。使用遗传算法选择最优输入信息、网络结构和隐含层规模，加快网络收敛速度并简化计算过程，实现对柔性喷管力矩的快速准确辨识。仿真结果表明该辨识方法可以准确地描述柔性喷管在典型测试信号激励下的力矩特性，平均辨识误差为2%，对于实现精确主动加载控制和验证伺服控制性能具有重要意义。     

叶片马达式伺服系统建模与仿真研究

新型飞机需要连续旋转型伺服作动系统,选用了叶片式马达作为执行部件,但叶片马达式伺服系统在飞机上还没有广泛成熟的经验可以借鉴,所以研发初期需要开展建模仿真研究,为产品研制提供技术支撑。根据设计参数,在AMESim软件平台中对叶片马达式伺服系统进行了正向建模,并进行了模型校验。之后依托建好的系统模型进行了系统功能与性能分析,根据仿真结果,对现有设计方案提出减小间隙、改善密封的优化建议。     

交流伺服系统控制器在线参数自整定方法

伺服系统转动惯量的变化会影响伺服控制性能。为提高伺服性能需要对转动惯量进行在线辨识,实现伺服控制器参数的在线自整定。详细介绍了基于模型参考自适应的转动惯量在线辨识方法,提出了动态调整自适应增益和滤波器时间的方法,有效解决了自适应算法辨识速度和辨识精度的矛盾。根据转动惯量的辨识结果,利用对称优化法则,实时调整伺服控制器参数,以保证控制器动态性能的一致性和鲁棒性。仿真和试验验证了方法的有效性。