《基于cmac与pid并行控制某火工伺服系统研究》由会员分享，可在线阅读，更多相关《基于cmac与pid并行控制某火工伺服系统研究（46页珍藏版）》请在金锄头文库上搜索。
1、塑主堡苎苎竺! 竺兰兰! 里茎堡丝型苤坐三塑堡墨丝翌塞A b s t r a c tS u p e r - S h o r t - R a n g ei n t e r c e p t i o nc a l l e di n i t i a t i v ed e f e n s ei sc r u c i a la n dc d f i c a li nt h em i s s i l e d e f e n s es y s t e m sa si ti st h el a s tb a r r i e ro fi m p o r t a n tt a r g e t s T h i sp
2、a p e rp r o p o s e sam e t h o dt oa p p l yn e u r a ln e t w o r kc o n t r o lt oS u p e r - S h o r t - R a n g em i s s i l ed e f e n s es y s t e m s S i n c et h eS e r V Os y s t e mo ft h em i s s i l ed e f e n s ep r o g r a mi su n d e rd e v e l o p i n ga n dc o n s u l l c t i n g
3、，t h i sp a p e rs u b s t i t u t e sad i g i t a lS e r V Os y s t e mf o rar e a ls y s t e mt oa c h i e v eC M A C P I DP a r a l l e lC o n t r 0 1 F i r s tw ei d e n t i f yt h eS e l N Os y s t e ms i m u l a t i o nt a b l e s t a n dm a k i n gu S ep s e u d o r a n d o mb i n a r ys e q
4、u e n c e ( P R B S l 船i n p u ts i g n a l T h r o u g ht r 痂i n gt h en e u r a ln e t w o r k ，w eo b t a i n 锄i d e n t i f i c a t i o nm o d e l ，t a k i n gi n t oa c c o u n to ft h ei n f o r m a t i o np r o v i d e db yi n p u t - o u t p u ts a m p l e s T h e nt h em e t h o ds i m u l
5、a t e su S i n gC M A C - P I DP a r a l l e lC o n t r o lA l g o r i t h m s T h es i m u l a t i o nr e s u l t ss h o wt h a tt h es y s t e mi n c o r p o r a t e dw i t hC M A Cn e u r a ln e t w o r kp e r f o r m sb e t t e rt h a nc o n v e n t i o n a lP I Dc o n t r o lw i t hs h o r t e
6、no v e r s h o o ta n dh i g hs p e e do f r e s p o n s e K e y w o r d s ：s e r v os y s t e m ，C M A C ，P I Dc o n t r o l ，s y s t e mi d e n t i f i c a t i o n ，M A T L A Bs i m u l 缸i o nI I声明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同
7、工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。研究生签名：塞边纠年7 月步日学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的全部或部分内容，可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的全部或部分内客。对于保密论文，按保密的有关规定和程序处理。研究生签名：生丝弘砷年) 月矽日硕士论文基于C M A C 与P I D 并行控制某火工伺服系统研究1 绪论1 1 论文研究的意义2 0 世纪7 0 年代以来发生的几场局部战争，作战方式与以往相比发生了较大变化，空中力量已成为攻击各种目标的主要作战手段。特别是进入9 0 年
8、代以后，直接通过空中打击达成战略、战役目的，己成为现代局部战争的一个显著特点。目前，以美国为代表的西方军事强国，通过多年的理论研究和实战检验，已逐渐形成了以各种导弹、制导炸弹为主要手段实施空中远程精确打击的基本作战方式，与以往大机群、地毯式大规模空中轰炸相比，打击的效率提高了几十倍甚至上百倍，对我重要军事目标的战时生存能力构成了重大现实威胁。因此对我军重要军事目标，要考虑多种防御防护体系，既要考虑高空远程、中空中程和低空近程的防御拦截，又要考虑超低空超近程的防护拦截。超近程拦截技术是对来袭弹药进行探测、识别、跟踪、定位并利用特种战斗部装药爆炸将其在防护目标超近区域内引爆或击毁的技术系统，一般由
9、雷达探测控制系统和随动火力反击系统两大部分组成。该系统的工作原理是：当来袭导弹进入目标监测区域时，雷达探测系统获取目标信息，并进行轨迹的跟踪和拟合，雷达将跟踪和拟合的轨迹实时传递给随动系统，随动系统引导火力反击系统跟踪、瞄准目标。当来袭目标进入适当位置，雷达探测系统向火力反击系统发出起爆指令，火力反击系统迅速起爆，拦截来袭目标。图1 1 1 超近程拦截技术示意图然而，防护的目标即使为点目标，在不知道来袭导弹方向的情况下，要对付3 6 0。方向上的多弹同时打击和重复打击，必然要在防护目标的周围布置大量火力反击单元，这样的设置不但花费高，且有可能暴露防护目标，显然是不可取的；进一步说，当防护目标扩
10、展到桥梁、大坝、高楼等立体目标时，全盘布设根本就不现实，硕士论文基于C M A C 与P I D 并行控制某火工伺服系统研究因此必须研制与火力反击单元配套的随动系统，在适当的位置布设有限的火力反击单元，在控制中心的指导下，随动快速跟踪来袭目标，实现3 6 0 。防护。1 2 神经网络简介圆1 2 1 人工神经网络研究的起源人工神经网络研究的先锋M c C u U o e h 和P i t t s 曾经于1 9 4 3 年提出一种叫1 6 殳“似脑机器”( M i n d l i k eM a c h i n e ) 的思想，这种机器可由基于生物神经元特性的互联模型来制造；这就是神经学网络的概念
11、。他们构造了一个表示大脑基本组成部分的神经元模型，对逻辑操作系统表现出通用性。随着大脑和计算机研究的进展，研究目标已从“似脑机器”变为“学习机器”，为此一直关心神经系统适应律的H e b b 提出了学习模型。R o s e n b l a t t 命名感知器，并设计一个引人注目的结构。到2 0 世纪6 0年代初期，关于学习系统的专用设计指南由W i d r o w 等提出的A d a l i n e ( A d a p t i v eL i n e a rE l e m e n t ，即自适应线性元) 以及S t e i n b u c h 等提出的学习矩阵。由于感知器的概念简单，因而在开始介
12、绍似对其寄托很大希望了。然而不久以后，M i n s k y 和P a p e r t 从数学上证明了感知器不能实现复杂逻辑功能。到了2 0 世纪7 0 年代，C r r o s s b e r g 和K o h o n e n 对神经网络研究作出重要贡献。以生物学和心理学证据为基础，G r o s s b e r g 提出几种具有新颖特性的非线性动态系统结构。该系统的网络动力学由一阶微分方程建模，而网络结构为模式聚集算法的自组织神经实现。基于神经元组织自己来调整各种各样的模式的思想，K o h o n e n 发展了他在自组织映射方面的研究工作。W e r b o s 在2 0 世纪7 0
13、年代开发出一种反相传播网络。H o p f i e l d 在神经元交互作用的基础上引入一种递归型神经网络，这种网络就是有名的H o p f i e l d 网络。在2 0 世纪8 0 年代中期，作为一种前馈神经网络的学习算法，P a r k e r 和R u m e l h a r t 等重新发现了反回传播算法。近年来神经网络已在从家用电器到工业对象的广泛领域找到其用武之地。1 2 2 人工神经网络的特性人工神经网络的下列特性对控制是至关重要的。( 1 ) 并行分布处理。神经网络具有高度的并行结构和并行实现能力，因而能够有较好的耐故障能力和较快的总体处理能力。这特别适于实时控制和动态控制。(
14、 2 ) 非线性映射。神经网络具有固有的非线性特性，这源于其近似任意非线性映射( 变换) 的能力。这一特性给非线性控制问题带来新的希望。( 3 ) 通过训练进行学习。神经网络是通过所研究系统过去的数据记录进行训练的。一个经过适当训练的神经网络具有归纳全部数据的能力。因此，神经网络能够解决那些由数学模型或描述规则难以处理的控制过程问题。2硕士论文基于C M A C 与P I D 并行控制某火工伺服系统研究( 4 ) 适应与集成。神经网络能够适应在线运行，并能同时进行定性和定量操作。神经网络的强适应性和信息融合能力使得网络过程可以同时输入大量不同的控制信号，解决输入信息间的互补和冗余问题，并实现信
15、息集成和融合处理。这些特性特别适于复杂、大规模和多变量系统的控制。( 5 ) 硬件实现。神经网络不仅能够通过软件而且可借助硬件实现并行处理。近年来，一些超大规模集成电路实现硬件已经问世，而且可从市场上购买到。这使得神经网络具有快速和大规模处理能力得以实现。很显然，神经网络由于其学习和适应、自组织、函数逼近和大规模并行处理等能力，因而具有用于智能控制系统的潜力。神经网络在模式识别、信号处理、系统辨识和优化等方面的应用已有广泛的研究。人们在控制领域已经作出许多努力，把神经网络用于控制系统，处理控制系统的非线性和不确定性即逼近系统的辨识函数等。1 2 3 人工神经网络的典型模型迄今为止，有3 0 多
16、种人工神经网络模型被开发和应用。下面是他们之中有代表性的一些模型。( 1 ) 自适应谐振理论( A R T ) 。由G r o s s b e r g 提出，是一个根据可选参数对输 入数据进行粗略分类的网络。A R 卜1 用于二值输入，而A R T - - 2 用于连续值输入。A R T 的不足之处在于过分敏感，输入有小的变化，输出变化很大。( 2 ) 双向联想存储器( B A M ) 。由K o s k o 开发，是一种单状态互联网络，具有学习能力。B A M 的缺点为存储密度较低，且易于振荡。( 3 ) B o l t z m a n n 机( B M ) 。由H i n t o n 等提出，是建立在H o p f i e l d 网络基础上的，具有学习能力，能够通过一个模拟退火过程寻求解答。不过其训练时间比B P网络要长。( 4 ) 反向传播( B P ) 网络。最初由W e r b o s 开发，方向传播训练算法是一种迭代梯度算法，用于求解前馈网络的实际输出与期望输出间的最小均方差值。B P 网是一种反向传递荠能修正误差的多层映射网
