【摘 要】
:
转台是一种复杂的集光学、机械学、电机学等多学科于一体的现代化军事设备,在航天航空领域、雷达通信、模拟飞行器运动系统、制导系统中都发挥了极其重要的作用。转台系统的伺服控制性能对上述设备性能有主要的影响,为此,研究高精度的转台系统伺服控制技术对我国军工业的发展具有重大意义。目前,我国的陆地边防监控设备布控还不够完善,伺服跟踪转台产品需求量大,传统以人工手段的边防监控无法满足现实需求,亟需研制新一代高精
论文部分内容阅读
转台是一种复杂的集光学、机械学、电机学等多学科于一体的现代化军事设备,在航天航空领域、雷达通信、模拟飞行器运动系统、制导系统中都发挥了极其重要的作用。转台系统的伺服控制性能对上述设备性能有主要的影响,为此,研究高精度的转台系统伺服控制技术对我国军工业的发展具有重大意义。目前,我国的陆地边防监控设备布控还不够完善,伺服跟踪转台产品需求量大,传统以人工手段的边防监控无法满足现实需求,亟需研制新一代高精度边防光电监控系统,有效提高边防管控能力。本论文针对成都零启动自动控制技术有限公司某一型号边防监控用单轴转台,以无刷直流力矩电机为驱动电机,开展高性能伺服跟踪转台控制算法的研究,解决其转台控制系统中存在的控制精度不高、响应速度慢等问题。本论文主要围绕转台控制系统数学模型的建立、转台控制系统控制算法的研究、转台实物平台的设计及实验等,开展如下工作:1.首先讨论了转台系统的发展历史以及国内外的研究现状,阐述了本课题的意义;介绍了转台控制系统的结构组成。随后以无刷直流力矩电机为控制对象,根据机理分析法建立了转台的数学模型,并分析了转台控制系统的摩擦特性,建立了基于Stribeck效应的摩擦模型。2.提出了一种改进滑模控制算法,以提高转台控制系统的响应速度、跟踪精度和抗干扰能力。首先,以指数趋近律为参考对象,针对传统滑模控制存在的不足,提出了一种新型趋近律,通过分析其滑模特性验证了稳定性。其次,基于此趋近律设计了滑模控制器。再此基础上,搭建了转台改进滑模控制系统的仿真模型,通过输入不同的位置信号,测试转台控制系统对参考位置的跟踪性能。仿真结果显示,所提出算法不仅提高了控制性能,还在一定程度上抑制了抖振。3.将模糊控制引入进滑模控制系统中,设计了单轴转台模糊滑模控制器。首先,简要介绍了模糊控制原理和模糊控制器的组成。其次,将模糊控制与滑模控制相结合,设计了模糊滑模控制器,通过理论分析了其稳定性。搭建了转台模糊滑模控制仿真模型,通过对比传统滑模控制算法,验证了该算法不但可以提高控制精度和响应速度,而且也能对滑模控制产生的抖振产生抑制效果。4.开展了转台控制系统的实现与实验分析。设计了转台系统硬件部分,完成了转台控制器的设计,搭建了转台控制系统平台,实现了对转台实物的有效控制。通过上位机绘制的曲线分析了所提出控制算法的控制性能,结果显示所提出算法均能实现转台对参考位置信号的有效跟踪,误差控制在±5mrad以内,满足控制要求。
其他文献
随着深度学习方法在图像去运动模糊领域的不断发展,现有算法的主要思路是通过设计不同的网络模型或者加深网络来提高算法去运动模糊的效果,但是却忽略了图像的实际退化过程,在模型设计时没有考虑噪声的影响,且模型复杂,计算开销大,以致于去运动模糊效果在主客观评价指标上都有待提高。因此,实现更好的去运动模糊效果和简化网络模型是十分重要的。在此背景下,论文主要围绕运动模糊图像的去模糊问题展开研究,工作总结如下:(
心血管疾病和呼吸系统疾病的发病率呈上升趋势,危害着人民健康。心音信号与肺音信号中包含了大量的心血管系统和呼吸系统的病理信息,能有效辅助医护人员进行诊断。听诊是常见的获取心音信号和肺音信号的手段,但采集的往往是心音信号和肺音信号互相混叠和干扰的心肺音信号。针对这一问题,本文进行了以下研究:1)提出了用于实现单通道心肺音信号分离的一种多重约束的非负矩阵分解算法(MCNMF)。本文研究了非负矩阵分解(N
近年来随着社会发展以及人们对生活和艺术的追求,音乐创作的需求量大幅增加,其生产、传播和消费途径均发生了较大的变化,这给传统的音乐创作带来了挑战,如何快速创作出一首满足特定需求的音乐,成为了近年来自动音乐生成的研究重点之一。本文以MIDI音乐为基础,设计了一种音乐数据的文本化表示方法,并将大型自然语言生成模型迁移到音乐生成中来,实现音乐的快速生成,最后设计出了一种融合数理统计和乐理知识的音乐评价模型
随着无人驾驶技术飞速发展,无人驾驶汽车需要感知行驶环境完成自主驾驶,实现全面数字化。对此,本文提出基于交警姿态估计下的8个交通信号手势的识别。目的是发生道路堵塞、信号灯损坏时,无人驾驶汽车可识别交警信号手势做出相应措施。文中先对斑马线进行语义分割、二值化处理,通过统计连通区域个数(设定区域数大于1为交叉路口)判断当前路口是否为交叉路口。接着对交警站立朝向识别:其先利用Faster R-CNN识别交
机器人应用在人们生产生活的各个领域,代替人进行一些复杂和危险的任务。因此,机器人的位置跟踪控制需要较高的精度。但是,由于机器人系统是一个非线性、强耦合的系统,受到各种不确定性的影响,如未建模动力学、测量噪声、负载变化、外部干扰、非线性摩擦、输入死区等。因此,需要一种结构简单同时又能确保跟踪性能良好的控制方法来控制机器人。时延控制以其结构简单、不依赖于系统模型的优点可以估计复杂未知动力学及难处理的非
叠加信道估计方法由于具有高的频谱效率,得到了世界范围内专家学者的广泛关注。然而,训练序列与数据序列的叠加不可避免地引起叠加干扰,大大降低信道估计与数据检测的准确性。为消除叠加干扰,数据依赖叠加训练(Data-Dependent Superimposed Training,DDST)和数据空叠加导引(Data-NullingSuperimposed Pilot,DNSP)方法相继被提出,这些叠加方法
自然图像的识别和处理在视觉语义分析领域有十分重要的意义,目标检测是自然图像识别和处理最关键的技术之一。现有自然图像目标检测方法主要建立在深度学习算法基础上,围绕更快、更新的深度模型训练展开研究。但是以效率网络为代表的现阶段深度学习检测模型在拓展模型深度和精度的同时,忽视了对模型结构和参数的优化,且未对不同检测对象的特点展开分析,存在检测不规则目标时精度低的问题。因此,有必要对现有效率网络检测自然图
氢气作为一种清洁、高效且储量丰富的新型能源,因其可以解决化石燃料储量告急、气候变化和环境污染等问题受到了人们的广泛研究。截止目前,氢能广泛地使用在航空航天、汽车交通、化工生产等领域。氢气具有低的密度(0.0899 kg/m~3)和沸点(20.4 K),与空气混合时容易发生爆炸,其爆炸浓度范围为4~75 vt.%,并且扩散速率非常快。在开发使用氢气的过程中,必须对其浓度进行实时监测,以确保生产、储存
随着现代无线电通信技术的发展与应用、无线电信号特征与电磁环境变得更加复杂,这给调制识别技术带来了许多新的技术难题。深度学习在语音、图像等领域展现了优异的特征提取能力,并且有很强的泛化能力和鲁棒性。将深度学习强大的特征提取能力应用到通信信号的调制识别中,无疑能更好地应对日益复杂的电磁环境带来的问题和挑战。近年来,深度学习已经在调制识别领域取得了较好的识别效果,本文将继续研究深度学习在信号调制类型识别
机器人系统是一个具有多变量、高度非线性和强耦合等特点的复杂非线性系统,目前机器人系统已经广泛应用到各个场景,包括航天航空、工业生产、医疗以及日常生活。但由于工作环境的复杂性和多变性,机器人系统容易出现执行器故障,这会导致生产效率和产品质量降低。为了解决这一问题,容错控制技术已经被广泛运用来提高机器人系统的稳定性和可靠性。本文主要针对受执行器故障情形下的机器人系统,研究几种不同的容错控制方法去补偿执