由大跨度柔性悬索拖动馈源舱运动来实现其精确定位的新型大射电望远镜(LT)具有变结构、非线性、大滞后、多输入多输出的特点,传统的建模方法已很难建立起其精确的数学模型,这里提出了采用BP神经网络进行辨识建模的思想,考虑到基于标准BP算法的神经网络收敛速度慢、易于陷入局部极小值的不足,提出了基于数值优化的L-M(Levenberg-Marquardt)训练算法.应用Matlab6.x中的神经网络工具箱实现了系统的仿真,实验结果表明,采用这种方法可成功地建立舱索系统模型,无论其学习能力还是泛化能力都得到了很好的效果,且其收敛速度大大提高.

安装在大型射电望远镜(LT)悬挂馈源舱中的精调Stewart平台子系统与舱索粗调子系统之间存在动力学耦合,通过在LT原六索设计方案中增加下拉主动索系构成八索方案可以提高舱索系统的刚度,降低两级调整系统之间的耦合.在两级调整系统耦合动力学模型的基础上,针对LT50m模型的六索和八索设计方案进行了刚柔混合多体系统动力学仿真.结果表明,八索设计方案能够显著地降低二者之间的耦合,是系统解耦的一种有效途径.