介绍电液力伺服系统的结构及原理,针对系统建模中参数时变和非线性问题,采用BP神经网络进行系统辨识建模;利用遗传算法优化BP神经网络,克服单纯BP算法容易局部收敛、训练速度慢的问题;借助MATLAB神经网络工具箱、全局优化工具箱编写系统辨识算法,建立系统的神经网络辨识模型。分析神经网络模型辨识结果,将其与ARMAX线性参数模型的辨识结果作对比,验证遗传优化BP神经网络系统辨识建模的高效性和适用性。

针对飞机结构强度试验中常用的电液力伺服系统,讨论了系统组成和数学模型。利用MATLAB设计参数自整定模糊PID控制器以克服系统非线性和负载扰动的影响;通过系统辨识建模的方法,采用预报误差法得到系统ARMAX参数模型辨识结果;以辨识结果为对象对设计的参数自整定模糊PID控制器进行Simulink仿真。结果表明:相比常规PID控制器,采用参数自整定模糊PID控制器进行控制,系统具有更好的稳态精度、快速性和鲁棒性。

气压伺服系统控制器的优化设计依赖于准确的系统模型。针对系统的非线性问题,研究采用神经网络进行系统辨识的原理和结构;考虑传统BP算法存在局部收敛、学习速度慢的问题,采用遗传算法对神经网络的初值和权值进行优化,并采用LM算法进行网络学习,最终建立系统的神经网络辨识模型。通过仿真对比神经网络辨识结果与传统线性模型辨识结果,结果表明:基于GA-BP神经网络的辨识模型精度较高,适用于非线性系统辨识。