[发明专利]基于BP神经网络的坦克垂向稳定器神经自适应控制方法

说明书

本发明公开了一种基于BP神经网络的坦克垂向稳定器神经自适应控制方法，包括如下步骤：建立具有集总不确定性的坦克垂向稳定器系统非线性数学模型；通过设计好的BP神经网络对坦克垂向稳定器系统的集总不确定性进行预测和补偿；基于建立的数学模型设计基于BP神经网络的神经自适应控制方程，通过设计好的神经自适应控制方程实现对于坦克垂向稳定器的神经自适应控制。本发明利用BP神经网络具有的以任意精度逼近任意非线性函数的特殊优点，设计了坦克垂直稳定器中不确定性因素的神经自适应策略，使得系统在同时存在车体基础振动及未建模动态等情况下，仍能保持较好的控制性能，可有效提高坦克垂向稳定器对坦克炮的指向控制精度。

技术领域

本发明涉及坦克火炮控制技术领域，具体涉及一种基于BP神经网络的坦克垂向稳定器神经自适应控制方法。

背景技术

为了减小坦克行进过程中，车体随地形起伏运动对坦克炮射击精度的不利影响，坦克稳定器通过一套电液伺服系统和电机伺服系统驱动炮管和炮塔围绕耳轴和炮塔的旋转轴旋转，实现对坦克炮的指向控制。传统的坦克稳定器控制器一般按照线性定常系统设计，无法有效补偿系统中各种非线性因素的影响，随着坦克机动性、射击精度等性能要求的不断提高，其已逐渐难以满足高机动条件下坦克炮的指向控制需求，亟需寻求新的能够补偿系统中非线性因素影响的坦克稳定器控制方法。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种基于BP神经网络的坦克垂向稳定器神经自适应控制方法，以解决现有按照线性定常系统设计的火炮稳定器控制器无法补偿系统中不确定性因素的问题，可有效提高不同行驶工况条件下坦克垂向稳定器对火炮指向的控制精度，从而可提高坦克行进间的射击精度。

技术方案：为实现上述目的，本发明提供一种基于BP神经网络的坦克垂向稳定器神经自适应控制方法，包括如下步骤：

S1：建立具有集总不确定性的坦克垂向稳定器系统非线性数学模型；

S2：通过设计好的BP神经网络对坦克垂向稳定器系统的集总不确定性进行预测和补偿；

S3：基于步骤S1建立的数学模型设计基于BP神经网络的神经自适应控制方程，通过设计好的神经自适应控制方程实现对于坦克垂向稳定器的神经自适应控制。

进一步地，所述步骤S1中坦克垂向稳定器系统非线性数学模型的建立方法为：

A1：根据坦克垂向稳定器电液伺服系统中液压缸的安装结构，确定液压杆的输出位移为：

式(1)中，θ_s、θ_g、θ_h分别为坦克瞄准角、火炮绕质心在高低方向的转角和车体绕坦克质心在高低方向的转角；l和Δl分别为液压缸的初始长度和伸缩长度。

A2：根据坦克垂向稳定器电液伺服系统的组成，其数学模型可表示为：

式(2)中，m为活塞以及负载所等效到活塞上的总质量；p₁、p₂分别为液压缸两腔的液压流量和压力，其受到油源压力p_s、回油压力p_r、控制输入信号u的影响；A₁、A₂为液压缸两腔的有效活塞面积；f_t为液压缸的外负载；B为有效粘性阻尼系数；d_n为未建模动态；β_e为液压油弹性模量；V₀₁、V₀₂为液压缸两腔的初始容积；C_t为执行器泄露系数；g为相对于控制输入的流量总增益；s(u)为符号函数；

A3：将垂直稳定器系统中存在的由坦克车体基础振动和模型不确定性引起的未知参数定义为：