机电伺服系统存在未建模动态及不可避免的未知扰动,会严重影响系统的伺服性能。针对未知扰动下机电伺服系统惯性负载的角位移跟踪控制问题,考虑未建模动态对系统的影响,提出一种基于有限时间的模糊自适应指令滤波反步控制方法,能有效补偿系统中的未知扰动和未建模动态,具有良好的惯性负载角位移跟踪控制效果。针对系统中存在的未知外部扰动及未建模动态,结合滤波反步法和模糊控制理论,使用模糊逻辑系统逼近未知非线性动态同时构造自适应控制器。考虑到微分计算带来的计算爆炸问题,构建有限时间指令滤波器,降低了系统的计算复杂度,并通过设计滤波误差补偿机制,对滤波误差项进行补偿,保证滤波信号的逼近能力,提升系统跟踪控制性能。通过稳定性分析,证明所设计的控制器能够保证系统的跟踪误差在有限时间内收敛。最后通过仿真实...

伺服系统在控制飞行姿态过程中发挥着“操纵方向盘”的作用,是飞行控制执行技术的重要组成部分。机电伺服系统具有小型化、轻质化、集成化、易维护的特点,与传统伺服系统相比,其工作时间和动态性能具有明显提升。伺服系统的“全电化”是指箭上各级推力矢量控制(或空气动力控制)全部采用机电伺服系统方案,替换原有的燃气液压或电动液压伺服系统方案.

机电伺服系统存在较多不确定性,制约了系统性能提升。已有非线性控制方法虽可处理系统不确定性,但往往不能满足系统高频跟踪要求,而传统线性频宽控制方法又往往缺乏主动补偿不确定性的手段。针对机电系统参数未知又受时变干扰的情形,设计了一种L1自适应非线性控制策略,不仅有效补偿了系统不确定性,而且实现了非线性控制器与线性频宽参数的一体化设计。鉴于L1自适应控制策略依赖全状态反馈,又对测量噪声敏感,进一步搭建了跟踪微分器,快速跟踪速度信号动态特性的同时抑制了噪声,针对机电伺服系统的特点实现了跟踪微分器与L1自适应控制的有效融合。最后,对比仿真结果验证了算法的有效性。

针对含有模型不确定性的机电伺服系统,设计一种基于多层神经网络干扰补偿的控制策略。通过多层神经网络对与状态有关的干扰进行在线估计,以提高基于模型前馈控制输入的补偿精度,然后结合误差符号积分鲁棒(RISE)反馈控制方法,通过RISE的鲁棒增益处理神经网络逼近误差与未估计干扰,从而抑制干扰对伺服性能的不利影响。基于Lya⁃punov稳定性理论,证明了所提出控制器的闭环系统半全局渐近稳定,且系统所有信号有界。仿真结果表明:所提出的控制策略具有很好的干扰抑制能力,可显著提高机电伺服系统的跟踪精度。

针对机电伺服系统在低频模态负载状态发生极限环结构谐振现象进行机理分析,辨识负载效应模型,针对性进行避免极限环结构谐振的试验,并对试验效果进行分析。仿真和试验结果表明,该方法能使系统负载谐振频率得到提高,极限环结构谐振现象消失,显著改善伺服系统的动态性能。