电动加载系统是用于在实验室条件下模拟飞行器飞行过程中作用在舵系统上的铰链力矩的半实物仿真设备,用以考核舵系统的实际工作性能。它以加载电机作用在舵机轴上的加载转矩模拟导弹发射后舵系统所受到的铰链力矩,由于加载电机需在被动跟随舵机运动的同时对其进行加载,因此不可避免的存在被动式系统所共有的多余力矩问题。多余力矩作为一种强干扰,其存在严重影响了系统的加载精度及动态响应性能,传统的基于精确数学模型的控制策略在控制精度和抗干扰能力方面都很难满足要求。论文针对电动加载系统的多余力矩问题,提出一种基于RBF神经网络的逆模型控制策略,利用RBF网络极强的非线性逼近能力,实时辨识系统逆模型,并将其拷贝作为逆模型前馈补偿控制器串入系统的前向通道,在理想情况下,系统前向通道传递函数近似为1,可实现转矩输出精确跟踪给定。论文首先建立电动加载系统的数学模型,通过仿真,分析了多余力矩的产生机理及其对系统性能的影响。随后,论文结合电动加载系统的实际运行特点,提出一种改进的RBF网络构建算法,采用离线构建,在线调整策略,在充分利用已有先验知识的同时,实现了网络局部在线优化,有效的控制了运算量及网络规模。论文利用Matlab/Simulink仿真环境,对本文提出的逆模型控制策略进行仿真验证,结果表明该控制策略在不同的加载频率和加载梯度下均能有效的抑制多余力矩,同时提高了系统的动态特性及加载精度。论文最后设计了基于DSP和FPGA的控制电路核心板及接口板,完成系统硬件部分的设计工作。