针对气动肌肉运动过程中产生的迟滞现象,采用神经网络方法对其位移/气压迟滞开展了建模比较研究。首先组建了气动肌肉的迟滞特性测试实验平台,采集其位移/气压迟滞实验数据;然后基于BP神经网络和RBF神经网络分别进行了迟滞环的整体和分段建模,并与经典PI模型的建模效果进行了对比。研究表明,PI模型的建模精度比神经网络差,但计算时间短;神经网络整体建模时存在过拟合现象,而分段建模则可有效避免过拟合现象;BP神经网络的建模与预测精度均优于RBF神经网络;对于BP神经网络,分段建模的平均误差、均方差和最大误差相较于整体建模分别减小了9.07%、14.54%和24.68%,而采用RBF神经网络,其误差分别减小了8.89%、13.03%和19.49%,可见分段建模的预测精度优于整体建模。

介绍了起落架支柱加载系统的工作原理描述了电液伺服加载系统工作特点对加载过程中产生的多余力进行了分析与分类。针对多种形态的多余力提出了复合补偿控制方法即速度补偿控制和端端补偿控制并将补偿控制方法应用于加载控制系统控制律中对采用复合补偿控制方法的前后进行了试验数据对比。试验结果表明采用复合补偿控制方法能明显消减起落架收放过程中(特别是起动和到位时)产生的多余力大幅提高了对气动力载荷的跟踪精度取得了良好的工程应用效果具有很好的推广应用价值。