介绍了气动系统模型的辨识过程以及LabVIEW在系统辨识上的应用,并利用其辨识工具箱对气动比例阀控系统进行辨识。仿真和实验结果表明,建立的数学模型能够反映实际系统的动态特征,所提出的建模方法是可行的。

分别采用基于传递函数模型、ARX模型及T-S模糊模型对由泵站及比例减压阀组成的线控制动系统进行辨识,辨识出通过PWM指令使比例减压阀输出轮缸压力的阀控系统,并对辨识结果进行模型验证。最后,比较了3种不同方案的系统辨识效果。研究结果对线控制动系统的建模和控制具有一定的实用价值。

针对固定翼飞行器无法在复杂多变飞行环境中始终处于最优气动构型的缺陷,提出能够根据飞行环境参数自适应变形的机翼设计理念。设计了一款通过刚性翼盒偏转实现变形功能的机翼,通过面元法耦合XFOIL黏性修正器进行气动模型仿真计算,对该机翼的气动特性进行分析;并在此基础上设计变形机翼舵机风洞试验平台,搭建测试采集系统,对航模舵机驱动变形的气动伺服系统进行低速风洞试验,通过子空间辨识法获得了气动伺服系统的数学模型,并通过比例积分微分(PID)控制结合Smith预估控制算法的方式进行舵机补偿控制。最后根据得到的变形机翼气动数据和舵机频响特性,以优化气动性能为目标设计了一款基于舵机补偿的自适应变形机翼反馈控制系统,可以实现在复杂环境中的舵机补偿和自适应变形,对后续变形机翼的设计提供了参考。

比例压力控制系统是某一测控系统中的重要组成部分,通过系统辨识,建立该比例控制的数学模型,为制定测控系统的控制方案提供了重要的依据。

为研究气动比例控制系统的动态特性,针对该系统的非线性特性,对系统进行了机理建模研究。为便于进行定性分析,对该数学模型进行了线性化处理。通过系统辨识,消除了在机理建模中因泄漏、气体压缩及压力损失等引起的误差,证明了所建模型的正确性。

本文论述了比例减压阀数学模型辨识的试验设计与辨识方法 ,该方法具有较高的工程应用价值。

针对扑翼飞行器面向控制建模时无法直接测量气动参数并精确建立气动模型的问题,传统BP网络辨识法依据扑翼飞行器试飞数据,使用BP网络计算当前气动参数,再结合扑翼飞行器动力学模型计算其飞行状态,与试飞数据比较后,将误差经扑翼飞行器动力学模型反向传播至BP网络来更新网络参数。实验表明传统方法计算精度较低,且动力学模型复杂度高,存在梯度消失问题,为此提出一种基于双BP神经网络的气动参数辨识方法。该方法首先采用一个BP网络对扑翼飞行器动力学模型进行逆向辨识,为后续气动参数辨识提供理想网络计算模型,再结合批量随机梯度下降法用另一BP网络将扑翼飞行器柔性等非线性因素综合到待辨识气动模型中,实现扑翼飞行器气动参数辨识。实验结果表明所提双BP神经网络法在辨识精度、模型复杂度和模型训练时间等方面均优于传统BP网络法...

桥式起重机吊运过程中所产生的游摆,是吊运过程中必须克服的。从桥式起重机的模型辨识试验出发,通过试验法获得桥式起重机的动力学模型。在防摆控制器设计方面,提出利用广义预测控制整定PID参数的方法,使得传统的PID控制器能够有效地抑制和消除起重机吊钩的游摆。仿真和试验结果均表明:这种PID控制器的设计方法是正确而有效的,对于实现起重机无人值守的自动控制具有重要意义。

为了确保比例伺服系统性能可靠必须监测电液比例伺服系统的临界参数以判断故障是否会出现。利用最大似然估计方法对系统进行参数估计获得临界参数的概率分布从而提高了整个系统的动、静态特性。

针对电液伺服系统非线性建模问题，研究了电液位置伺服系统神经网络辨识模型的基本结构。分析伺服系统动态模型的输入、输出关系，依据遗传算法优化神经网络权值和阈值，建立神经网络辨识模型的基本结构。利用xPC技术建立阀控缸实时电液伺服实验台，以实验台的阶跃输出信号作为改进BP神经网络系统辨识信号，以实验台正弦输出信号作为验证信号。结果表明：该神经网络辨识模型的基本结构可达到较高的辨识精度，其可信性得以验证，适用于非线性系统模型辨识。