静电悬浮位置控制系统设计与实现

静电悬浮位置控制技术是静电悬浮材料实验装置中的关键技术. 以静电悬浮位置控制系统为研究对象, 分析了稳定悬浮样品的基本条件, 并以两组不同波段正交平行光作为光源, 位置测量传感器(PSD)作为位置信号接收器来组成样品的三维位置测量装置. 将PSD的位置输出信号作为输入、模拟电压信号作为输出构建PID位置反馈控制系统, 再利用PID反馈控制系统的输出来驱动高压放大器, 从而按照样品的实时位置变化调整电场强度. 通过选择合理的PID参数, 最终很好地实现了静电悬浮系统中样品位置的稳定控制.     

静电悬浮加速度计伺服控制分析

根据广义相对论原理选定的坐标系参照物为理想情况下在轨道上自由飘浮的卫星, 据此讨论静电悬浮加速度计检验质量块的运动和电极笼的运动, 得到检验质量在电极内运动的动力学方程, 证明以往相关文献提供的公式存在明显缺陷; 在此基础上分析了伺服控制电路, 给出了电阻尼系数、闭环自然谐振的角频率(或称为加速度计的基础角频率)、受静电负刚度等非受控刚度制约的角频率、来自于静电悬浮的加速度、检验质量的相对位移等一系列表达式, 从而提出必须有足够的增益以提供适度的闭环自然谐振角频率. 给出了位置噪声引起的加速度噪声表达式, 证明当伺服回路的增益足够大时, 在悬浮频带内检验质量的相对位移几乎为零.     

静电悬浮加速度计地面高压悬浮原理与应用

静电悬浮加速度计是进行空间飞行器准稳态非重力精密测量的设备。静电悬浮加速度计研制中,需要借助高压悬浮来完成其功能和部分性能评价的相关工作。文章就地面静电悬浮加速度计检验质量高压悬浮中涉及的相关问题进行了理论分析,给出了地面悬浮原理、高压电路实现形式、工作点选取、稳定性控制、高压静电力作用分析等,给出了实际试验结果,表明地面上系统在0.1Hz附近具有10^-8g_n/Hz^1/2左右的分辨率,并可在悬浮状态下,完成功能及相关性能测试,获得静电悬浮加速度计地面直接性能评价受限的主要因素,同时就存在的问题进行了讨论。     

静电悬浮加速度计噪声测试数据的频谱分析方法

分析了不同系数的离散傅里叶变换公式的含意,并从中筛选出符合工程分析要求的正确公式。为使用快速傅里叶变换可采用多种方式使数据符合2的整数次幂,分析了各种方法的优缺点;分析了各种频谱的应用对象,得出静电悬浮加速度计噪声适宜采用功率谱密度,且在窗函数应用上宜选择与之符合的系数;给出了使用OriginLab公司Origin5.0/7.0软件计算功率谱密度时所必须采取的纠正措施,提出地面测试静电悬浮加速度计噪声需采用差分方法以仰制环境噪声,具体操作方法是,将两台加速度计已扣除平均值的时域噪声值相减后除以平方根2。     

基于RBF神经网络的自适应PID星钟热控制

星钟的频率稳定性决定了星钟提供时间信息的精度,而频率稳定性取决于星钟物理核心温度的稳定程度.基于RBF神经网络逼近星钟热模型,设计自适应PID控制方法实现星钟物理核心的温度控制.仿真验证了算法的有效性.     

基于ADRC和RBF神经网络的MSCSG控制系统设计

为了克服外部扰动突变对磁悬浮转子悬浮稳定度和磁悬浮控制敏感陀螺（MSCSG）输出力矩精度的影响,提出了一种基于自抗扰控制器（ADRC）和径向基函数（RBF）神经网络相结合的MSCSG径向偏转控制方法。阐明了ADRC参数对MSCSG控制效果的影响,通过优化设计ADRC,并将RBF神经网络和ADRC结合运用,实现对控制器参数的实时调试,从而克服外界扰动突变的影响。仿真证明所提方法相较于单ADRC控制,不仅改善了解耦控制精度,而且提高了系统对外部扰动和参数变化的响应速度和鲁棒性,可应用于MSCSG的高精度、快响应、强鲁棒控制。      

出气与辐射计效应对静电悬浮加速度计的影响

静电悬浮加速度计的真空室内存在温度梯度噪声,会引起与之相关的辐射计效应和出气效应。运用气体分子运动论和统计理论对两种效应进行了分析,结果表明相同条件下出气效应引起的加速度噪声比辐射计效应引起加速度噪声大几十倍,对静电悬浮加速度计分辨率的影响更大。所以,静电悬浮加速度计的设计应将出气效应作为一项重要参考。     

基于RBF神经网络的控制电器元件故障诊断

针对控制电器元件故障征兆与故障类型之间的非线性映射关系,提出了基于径向基函数神经网络RBFNN(Radial Basis Function Neural Network)的控制电器元件故障诊断方法.在分析控制电器元件故障机理和失效形式的基础上,提取出描述故障类型的典型故障特征矢量.给出在获得足够多故障信息的情况下,运用RBFNN进行故障诊断的模型及整个故障诊断算法的实现过程.为了验证故障诊断模型的有效性和合理性,利用训练好的RBFNN对故障特征矢量进行识别.仿真结果表明,RBFNN能克服诊断过程中容易陷入局部极小的缺点,并能满足故障诊断的快速性和准确性要求.      

基于神经网络自适应稳定PID控制方法的研究

经典的基于对象精确数学模型的PID控制方法的自适应性较差,难以适应具有非线性、时变不确定性的被控对象.神经网络控制算法的稳定性又受到迭代初值的影响,且算法复杂.为此提出了一种基于RBF神经网络的、结构简单的、稳定的PID直接自适应控制方法.讨论了控制器参数迭代初值选取的基本原则,并给出了在保证系统稳定性前提下参数的迭代算法.仿真研究结果表明,该方法的鲁棒性和跟踪性能均优于经典PID方法.      

漂浮基姿态受控空间机械臂关节运动的自适应神经网络控制

讨论了载体位置无控、姿态受控情况下,空间机械臂姿态及关节协调运动的自适应神经网络控制问题.由拉格朗日第二类方法及系统动量守恒关系,建立了漂浮基空间机械臂的系统动力学方程.以此为基础,借助于RBF神经网络技术和GL矩阵及乘积算子定义,对空间机械臂系统进行了神经网络系统建模;之后针对空间机械臂所有惯性参数未知的情况,设计了空间机械臂载体姿态与机械臂各关节协调运动的自适应神经网络控制方案.提出的控制方案不要求系统动力学方程具有关于惯性参数的线性性质,且无需预知系统惯性参数的任何信息,也无需对神经网络进行离线训练和学习,因此更适于实时应用.通过对一个平面两杆自由漂浮空间机械臂系统的数值仿真,证实了方法的有效性.     

基于多层感知器神经元的空间柔性机器人位置跟踪控制

针对基体位置及姿态均不受控的自由漂浮柔性空间机器人轨迹跟踪问题,提出了一种前馈多层感知器(MLP)神经网络控制策略.建立了末端柔性的自由漂浮基机器人的耦合动力学模型,再利用MLP神经网络良好的逼近能力来自适应补偿非线性柔性臂的逆动力学模型,其误差代价函数由PID控制器提供,权重及阀值的调整采用改进的BP反传算法.最后通过仿真比较详细分析了所提方案的工作机理及对非线性强耦合系统控制的有效性.     

BP神经网络用于传感器故障诊断的仿真研究

在标准逆传播神经网络的基础上 ,提出了一种全新的改进逆传播神经网络 ,用来消除标准逆传播神经网络收敛速度慢和易陷入局部最小点的缺陷 ;并且设计了一个主神经网络和三个分布神经网络的结构 ,通过神经网络的在线学习 ,得到需要的参数估计。用它与传感器测得的实际值比较 ,可判断出故障 ,并且给出了仿真实例。     

基于SCSO-BP神经网络的卫星姿态控制系统故障预测

近年来,随着人工智能的迅速发展,基于人工神经网络的卫星姿态控制系统故障预测方法得到了越来越多的重视。在反向传播(Back Propagation ,BP)神经网络中,权重和偏置是重要的可调节参数,与神经网络的预测性能密切相关。BP神经网络的初始权重和偏置为随机生成,设置不当容易导致网络在训练过程中陷入局部极值,进而影响预测性能。为了提高BP神经网络的预测性能,提出了一种将沙猫群优化(Sand Cat Swarm Optimization ,SCSO)算法与BP神经网络相结合的预测方法。在训练过程中,首先通过SCSO 算法对BP神经网络权重和偏置进行预训练,在此基础上,利用精调后的BP神经网络对卫星姿态控制系统周期渐变故障数据的未来趋势进行预测。实验结果表明,与原始BP神经网络预测方法相比,SCSO-BP预测方法能够有效减小预测误差,具有更好的预测精度。     

平流层飞艇巡航姿态自适应神经网络补偿控制

 研究了一种基于自适应神经网络补偿的平流层飞艇前向速度与姿态控制系统设计方法。针对近似模型进行常规线性动态补偿器设计,并引入自适应径向基函数(Radial Basis Function, RBF)神经网络对模型误差进行补偿。根据Lyapunov方法得到神经网络权值自适应律,保证了闭环系统误差信号一致最终有界。该控制器设计对模型参数信息仅有较少的要求。仿真结果表明对于两类不同的飞艇模型,所设计的控制器在响应性及对未知环境风速作用的鲁棒性方面均具有良好的效果。     

基于神经网络动态逆的动力伞飞行控制方案

动力伞飞行控制系统为复杂的非线性系统,通过对神经网络逼近逆系统的原理分析,提出一种由静态神经网络和积分器组成的动态神经网络,设计了基于神经网络动态逆方法的飞行控制方案,进行了飞行仿真验证,结果表明该方法完全满足系统控制的稳定性和鲁棒性要求,并具有良好的抗干扰能力．     

基于神经网络的自由漂浮空间机械臂 自适应鲁棒控制

针对自由漂浮空间机械臂动力学模型难以精确获得,且无法表达为关于未知参数的线性形式问题,提出基于自适应神经网络的鲁棒控制方法.对于不确定性空间机械臂系统模型中存在的未知不确定部分,利用神经网络的万能逼近特性,设计神经网络控制器来补偿未知模型,避免传统控制中的保守上界估计;采用泰勒线性化技术将神经网络隐含层中的高斯函数线性化,设计包括网络权值、高斯中心及宽度在内的网络全参数自适应学习律,实现在线实时调整,提高控制精度;设计鲁棒自适应控制器来抑制外界扰动,并补偿逼近误差,提高系统鲁棒性;基于Lyapunov理论证明闭环系统的一致最终有界（UUB）.仿真试验表明所提控制方法能够获得较好控制效果,对空间机械臂控制具有一定工程应用价值.     

机械臂的改进区间二型模糊神经网络控制

针对具有不确定性模型参数的双关节机械臂系统,提出基于改进区间二型模糊神经网络逼近器的自适应反演控制算法.相比于一型模糊系统,区间二型模糊系统由于自身的区间前件和隶属函数,更有效地处理高度非线性系统.然而现有的二型模糊寻找上下输出的交叉点过程中KM迭代算法计算量大、耗时高,使得传统的二型模糊系统不适用于实际控制应用.利用...