随着国防科技的发展,对火箭炮武器系统的自动化水平和跟踪精度的要求也越来越高,位置随动系统是组成火箭炮整个系统的必要环节,为了得到良好的控制性能,我们必须对位置随动系统提出更高要求。火箭炮在发射时,系统的质心位置、刚度、阻尼和转动惯量均发生很大变化,系统参数具有不确定性,且火箭炮在发射状态时受连续燃气流冲击导致定向器产生振动,使得后续发射在此发射环境下命中精度降低。因此,如何克服这些扰动及系统不确定性对其影响,提高火箭炮位置随动系统的跟踪精度和抗干扰能力,是现阶段需要研究的问题。本文以某型多管火箭炮的位置随动系统为研究对象,介绍了多管火箭炮的机械结构以及随动系统的组成及工作原理,建立交流伺服电机的数学模型以及多管火箭炮的交流伺服系统的仿真数学模型,分析了位置随动系统的负载扰动,为辨识以及控制策略研究奠定了基础。采取了离线训练与在线调整的辨识策略。首先采用径向基函数(Radial Basis Function,RBF)神经网络对系统进行离线辨识,针对传统RBF神经网络参数确定问题,利用改进粒子群算法优化RBF神经网络的中心,宽度及权值,离线训练得出的参数作为在线辨识器参数初始值,避免了振荡现象,加快了神经网络的收敛速度。为抑制位置随动系统的负载扰动,减少对位置随动系统的干扰。本文设计了基于RBF神经网络的单神经元自抗扰控制器,利用自抗扰控制器中的改进fal函数的扩张观测器将系统发射时的燃气流冲击等扰动归于扩张状态。并考虑到传统自抗扰控制器的参数多,难确定的问题,本文利用单神经元控制器(Single Neuron Controller,SNC)来代替非线性状态误差反馈器(Nonlinear state error feedback control,NLSEF),其权值利用 RBF 神经网络在线辨识器的辨识信息来在线自动调整。结合国家973项目进行了实验,将所设计的控制策略在实验上进行验证,实验结果表明:该控制策略能够有效抑制负载扰动,具有较强的抗干扰能力。