兵工学报
兵工學報
병공학보
ACTA ARMAMENTARII
2014年
12期
1959-1966
,共8页
王超%刘荣忠%侯远龙%高强%王力
王超%劉榮忠%侯遠龍%高彊%王力
왕초%류영충%후원룡%고강%왕력
兵器科学与技术%灰预测%粒子群优化算法%小波神经网络%变结构%Lyapunov稳定%半实物仿真
兵器科學與技術%灰預測%粒子群優化算法%小波神經網絡%變結構%Lyapunov穩定%半實物倣真
병기과학여기술%회예측%입자군우화산법%소파신경망락%변결구%Lyapunov은정%반실물방진
ordnance science and technology%grey prediction%particle swarm optimization algorithm%wavelet neural network%variable structure%Lyapunov stability%hardware-in-the-loop simulation
针对某火炮随动系统电动负载模拟器自身复杂的非线性以及多余力矩对系统加载性能的影响,提出了一种基于新型小波神经网络和灰预测的控制策略.该策略主要由变结构的粒子群小波神经网络(VSPSO-WNN)控制器和灰预测补偿器(GPC)构成,前者利用粒子群优化(PSO)算法小波神经网络(WNN)的权值等参数,加快了系统的收敛速度,并利用自学习算法动态改变隐含神经元数目,降低了系统的计算复杂度,提高了系统的动静态响应性能;后者在Lyapunov意义下系统稳定的基础上构造出灰预测补偿器,利用灰理论来预测输入力矩偏差,进一步提高了系统的稳定性和准确性.半实物台架仿真实验结果表明:该复合控制策略具有较强的鲁棒性和较高的控制精度,保证了系统动态加载时的稳定性和抗干扰能力.
針對某火砲隨動繫統電動負載模擬器自身複雜的非線性以及多餘力矩對繫統加載性能的影響,提齣瞭一種基于新型小波神經網絡和灰預測的控製策略.該策略主要由變結構的粒子群小波神經網絡(VSPSO-WNN)控製器和灰預測補償器(GPC)構成,前者利用粒子群優化(PSO)算法小波神經網絡(WNN)的權值等參數,加快瞭繫統的收斂速度,併利用自學習算法動態改變隱含神經元數目,降低瞭繫統的計算複雜度,提高瞭繫統的動靜態響應性能;後者在Lyapunov意義下繫統穩定的基礎上構造齣灰預測補償器,利用灰理論來預測輸入力矩偏差,進一步提高瞭繫統的穩定性和準確性.半實物檯架倣真實驗結果錶明:該複閤控製策略具有較彊的魯棒性和較高的控製精度,保證瞭繫統動態加載時的穩定性和抗榦擾能力.
침대모화포수동계통전동부재모의기자신복잡적비선성이급다여력구대계통가재성능적영향,제출료일충기우신형소파신경망락화회예측적공제책략.해책략주요유변결구적입자군소파신경망락(VSPSO-WNN)공제기화회예측보상기(GPC)구성,전자이용입자군우화(PSO)산법소파신경망락(WNN)적권치등삼수,가쾌료계통적수렴속도,병이용자학습산법동태개변은함신경원수목,강저료계통적계산복잡도,제고료계통적동정태향응성능;후자재Lyapunov의의하계통은정적기출상구조출회예측보상기,이용회이론래예측수입력구편차,진일보제고료계통적은정성화준학성.반실물태가방진실험결과표명:해복합공제책략구유교강적로봉성화교고적공제정도,보증료계통동태가재시적은정성화항간우능력.