排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
飞行模拟转台高精度数字重复控制器的设计 总被引:3,自引:1,他引:3
从工程的角度讨论了离散重复控制系统的设计,所提出的重复控制方法可保证速度跟踪误差快速收敛为零。在重复控制器中采用了高阶低通滤波器和动态补偿器,改善了跟踪精度,保证了系统的稳定性,减少了周期性扰动误差。将所提出的方法应用于飞行模拟转台伺服系统的速度控制中,仿真结果表明,针对周期指令信号和周期干扰信号可保证较高的跟踪精度和较强的稳定性和鲁棒性。 相似文献
2.
基于自适应反推滑模控制的虚拟转台样机研究 总被引:2,自引:0,他引:2
针对传统转台串行设计模式存在的缺陷,基于虚拟样机技术、自适应滑模控制器与有限元等技术作为支持,提出了虚拟仿真转台的系统构想。其中针对实际转台系统的未知非线性、外界干扰和参数摄动等不确定因素的影响,设计并实现一类自适应滑模控制器进行虚拟转台系统的实时控制。同时,通过ADAMS软件平台实现了虚拟转台样机系统及其功能,并将自适应滑模控制器调入虚拟转台样机,最终实现机械模型和控制方法进行联合仿真分析,获得最终虚拟转台的特性。仿真结果表明,虚拟转台样机的设计与实现大大提高了转台的设计效率,为后续转台的控制系统渊试提供强大的技术支持。 相似文献
3.
基于定量反馈理论的飞行仿真转台鲁棒控制 总被引:4,自引:2,他引:4
采用定量反馈理论,可以设计具有参数不确定性的飞行仿真转台的鲁棒控制系统.分析和总结了定量反馈理论的基本原理和设计过程.采用QFT设计了某型飞行仿真转台的反馈控制器和前置滤波器,组成了转台的控制系统.实验结果表明,当转台的负载发生变化时,系统仍然能够保持良好的跟踪性能.这证明了系统的鲁棒性.此外,与PID控制的对比表明,QFT控制能够克服摩擦非线性,具有良好的抗干扰性能.QFT在飞行仿真转台上的成功应用说明了该方法具有工程实用价值. 相似文献
4.
基于感应同步器的高速高精度位置测量技术 总被引:7,自引:0,他引:7
现有的基于感应同步器的鉴幅、鉴相位置测量法,由于其原理缺陷,不适合高速高精度的测量场合.为解决高速高精度位置测量问题,给出一种新型的基于感应同步器的位置测量方法--幅度细分法.感应同步器输出的感应信号是调幅信号且幅度很低,为采用幅度细分技术,需对其输出的感应信号无失真的放大.在阐述系统工作原理的基础上,给出了系统的结构,并对关键功能电路进行了实验及仿真研究.结果表明,此法从原理上克服了感应信号中动态分量对测量结果的影响,克服了现有测量法不适合高速高精度测量的缺点,具有测量精度高、时间间隔固定、适合高速度运动场合下的位置测量等优点. 相似文献
5.
三轴虚拟转台的智能仿真模型库研究 总被引:2,自引:0,他引:2
针对三轴虚拟转台系统中的智能模型库单元,采用遗传算法、参数化设计和虚拟现实等技术,实现转台仿真模型库的智能设计和快速性.通过Pro/Toolkit软件接口和参数化方法建立起转台仿真模型库软件系统,采用遗传算法实现模型库的智能优化设计,同时实现模型库的自动装配和实时仿真,并最终形成通用的转台智能仿真模型库软件平台.实际仿真结果表明,智能模型库的实现除了具有智能参数化模型库设计功能外,还具有优秀的开放接口,如果进一步完善接口的通用性,将减少智能仿真模型库应用的局限性,应用更加广泛. 相似文献
6.
对于用圆感应同步器做位置传感器的采样伺服系统,由于测量延迟的存在,导致采样时刻较大的测量误差.为解决上述问题,提出一种动态补偿方法,采用线性外推方法,对圆感应同步器数显表的测量输出进行动态修正,以减小由于测量延迟产生的测量误差,从而提高系统的动态跟踪精度.通过理论分析,给出了修正后测量误差的界.仿真和针对三轴转台系统的实验结果都表明了该方法的有效性. 相似文献
7.
本文描述了用模型参考自适应控制的方法来克服伺服系统中摩擦力矩和对象参数变化的不良影响。数模混合仿真表明系统的性能有相当大的提高。 相似文献
8.
介绍了非线性变结构控制系统的基本原理,论述了二阶阻尼系统的离散变结构的处理方法。着重分析研究了伪滑动模态产生的必要和充分条件及使用的范围。最后通过数字仿真结果,验证了伪滑动模态离散变结构控制系统的正确性和可行性。 相似文献
9.
双机状态半实物仿真系统时间延迟及其补偿研究 总被引:1,自引:0,他引:1
介绍了双机状态半实物仿真系统的组成及功用 ,分析了仿真系统中的各种时钟源 ,并提出了基于同步启动策略的时钟推进数据传输方式。分析了该种传输方式下时间延迟的产生机理 ,并建立数学模型。然后根据时间延迟的机理 ,提出了补偿措施 ,并建立了补偿模型。将该补偿模型应用到某型号半实物仿真试验中 ,经过试验验证该补偿措施正确 ,大大提高了仿真精度 ,而且可推广到多机系统的时间延迟补偿 ,达到在局域网分布仿真系统中补偿时间延迟 ,提高仿真精度的目的 相似文献
10.
针对非线性动态系统特点,提出了一种基于TSK(Takagi-Sugeno-Kang)模糊模型的动态回归模糊神经网络DRFNN(Dynamic Recurrent Fuzzy Neural Network),该模糊神经网络由静态网络和动态网络两部分组成,其中静态网络用来实现规则的条件部分和解模糊部分的计算,由FIR动态滤波器实现的内反馈回归网络用来实现规则的结论部分,为了加快网络收敛速度,给出了基于约束优化算法的网络参数迭代算法,把网络结构优化和参数学习作为一个约束优化问题来解决.应用于非线性系统的辨识和控制仿真试验说明了DRFNN网络及其算法对解决非线性系统问题的有效性. 相似文献