针对连续回转马达高度非线性和摩擦、泄漏等不确定性,严重影响系统的跟踪性能,提出了一种基于BP神经网络预测的模糊控制策略。该控制策略采用了BP神经网络进行伺服系统的输出预测,并计算了预测输出与给定输入间的未来误差和误差变化率,根据专家经验编制电液伺服系统模糊控制规则,设计模糊控制器,从而调整电液伺服系统的控制量,实现对连续回转电液伺服马达位置状态的实时跟踪。通过Simulink仿真表明,基于BP神经网络预测的模糊控制和传统PID控制相比,有效的提高了电液位置伺服系统的位置跟踪精度和抗干扰能力,缩短了响应时间,拓宽了系统响应频带。

针对仿真转台用连续回转电液伺服马达,由系统的非线性和摩擦、泄漏等外界因素导致的不确定性,严重影响了连续回转电液伺服马达的控制精度,提出了一种模糊RBF神经网络控制策略。将RBF神经网络的学习能力引入模糊机制中,利用神经网络高效的非线性拟合能力以及基于专家经验的模糊规则,以避免RBF神经网络的权值更新陷入最优解,同时选择遗传算法优化模糊RBF神经网络的中心宽度、阈值和权值的初始值,以提高控制算法的收敛速度以及收敛精度;最后通过仿真对比说明,该控制算法较PID更能有效提高系统的低速稳定性,拓展系统的频响,实现伺服系统的精确控制。

为了降低摩擦对连续回转电液伺服马达低速性能的影响，根据马达定子及叶片的耐磨性要求，从多种常用于马达定子的材料中筛选出3种材料，采用正交实验设计思想，在不同硬度、表面粗糙度及不同压力的情况下，利用MPX200型盘销式摩擦试验机进行摩擦磨损实验，通过极差分析方法得到对摩擦系数影响最大的因素为定子内表面粗糙度；并利用Dimension 3100型原子力显微镜（AFM）观察分析了3种材料的磨损表面。结果表明，定子材料为Crl2MoV，叶片材料为W18Cr4V时，其摩擦系数及磨损量最小，Crl2MoV磨损表面呈轻微的犁沟现象，符合马达定子工况要求，为大排量超低速连续回转电液伺服马达的设计及加工提供了参考依据。

本文介绍了一种新型仿真转台用叶片式无脉动连续回转电液伺服马达的工作原理，并详细地说明了该马牵提高超低速、高频响、宽调带、高精度等性能指标方面所具有的优势。