针对炮控系统随动模拟加载系统存在的摩擦、间隙、耦合等复杂非线性和参数时变等不确定性特征, 提出了一种自适应神经滑模控制策略。对于系统中存在参数时变等不确定性, 利用RBF神经网络自适应逼近不确定部分; 另外, 利用RBF神经网络动态调节切换函数的切换增益, 改善系统的动态品质。采用Lyapunov理论推导出自适应律, 在线估计神经网络权值和未知函数, 并证明了系统稳定性。仿真表明, 该控制策略能够较好地抑制干扰力矩, 响应快, 保证了系统静、动态的加载控制精度和鲁棒性。
随动模拟加载系统 滑模控制 RBF神经网络 自适应律 干扰力矩 servo simulated loading system sliding mode control RBF neural network adaptive law disturbance torque
1 重庆大学电气工程学院, 四川 重庆 400044
2 国电南京自动化股份有限公司， 江苏 南京 211153
3 武汉理工大学物理系， 湖北 武汉 430070
4 无锡出入境检验检疫局， 江苏 无锡 214001
5 武汉华工先舰电气股份有限公司， 湖北 武汉 430205
在光声光谱测量中，常用光学斩波器对光源输出信号进行频率调制，但光学斩波器的使用会不可避免地增加系统噪声及系统成本。基于分布反馈激光器的可调谐特性，提出激光器双波长调制方法。利用光声光谱实验平台，结合光学斩波器调制激光系统进行检测甲烷气体灵敏度的实验。结果表明，光学斩波器对甲烷气体的检测灵敏度为52.3×10-6，而双波长调制激光系统的检测灵敏度可达40.2×10-6，该调制方法避免了光学斩波器的使用，减小了系统噪声，提高了系统灵敏度。
激光器 光声光谱 分布反馈激光器 气体检测 双波长调制 激光与光电子学进展
2017, 54(11): 111404
