论文部分内容阅读
智能控制理论与轨迹跟踪技术相结合是一个新兴的研究方向,本文正是在这样的背景下做了新的尝试。本研究课题是在前人研究的基础上,将智能控制理论中的相对成熟的BP神经网络应用于空间目标轨迹跟踪系统,实现对该系统的控制。文章首先介绍了空间目标轨迹跟踪系统是将空间目标轨迹分解成三条相互垂直的坐标系上的目标轨迹来实现,从而使问题简单明了。它运用可进行二次算法设计的UMAC控制器来控制伺服电机,再依靠三部伺服电机驱动分别代表三维空间坐标轴的滚珠丝杆机构实验台来具体实现目标轨迹跟踪。由于本系统实验平台伺服放大器工作在力矩模式下,即其数学模型的空间状态方程输入量为转矩值,而UMAC控制器采用的是脉冲加方向输出,它不能使伺服放大器直接获得转矩输入,所以实验中不可以直接控制转矩,但可以控制速度。因此,利用BP神经网络建立一个转矩与速度之间的数据拟合,对其进行学习和训练。以3层的BP网络通过数据拟合得到一个近似的函数关系,为后面实验提供重要依据。其次,介绍了用MATLAB的COM生成器将训练神经网络的M函数做成COM组件,它作为VB的上层服务器供VB调用。MATLAB作为工程计算的核心以实现数据分析和仿真,通过COM组件将两种语言扬长避短结合起来,实现MATLAB与VB应用程序的无缝集成;利用VB开发了初始化模块、轨迹实时运动与显示模块和数据存储与分析模块组成的上位管理软件;利用UMAC的开发环境开发了插补模块、伺服驱动模块、程序解释模块、数据高速采集模块组成的下位实时控制模块;上、下位机之间的通讯是通过UMAC自带的动态链接库PCOMM 32.DLL实现的。最后,根据实验原理,对实验中运动模式的选择、参数的设定和数据的采集给出了具体的步骤;编制了实验程序进行试验,采集实验数据,并对实验数据进行具体分析,阐述了误差产生的原因,提出了提高系统的精度方法。本系统实现了完备的软、硬件控制功能,具备较强的实时性和联动性。此外,由于该系统具有高度的开放性,使得系统的通用性和可移植性大大增强,也有利于该系统的功能扩展和升级完善。