随动模拟加载系统是半实物仿真的重要设备之一,可以在实验室条件下模拟炮控装置随动系统所受的载荷变化,对其性能进行测试,可有效减少随动系统的研制成本和周期。由于模拟加载系统存在的非线性和不确定性因素以及被加载对象的主动运动,产生的多余力矩严重影响了加载系统的加载精度。针对随动模拟加载系统存在的问题,本论文的主要研究工作如下:本文介绍了电动模拟加载系统的结构组成与原理,建立了电动模拟加载系统的数学模型,接着分析了电动模拟加载系统的多余力矩和不确定性因素,为系统辨识及控制策略的研究奠定了基础。采取了先离线训练,再在线调整的神经网络辨识方案。采用径向基函数(RBF)神经网络对系统离线辨识,对于RBF网络参数的确定问题,采用改进的遗传算法对RBF神经网络参数进行优化;将离线训练得到的优化参数作为在线辨识器的参数初始值,加快了神经网络的收敛速度。为抑制加载系统存在的多余力矩,设计了基于在线辨识器的RBF神经网络滑模控制器,利用RBF神经网络对滑模控制的切换增益进行动态调节,削弱滑模控制抖振现象,获得强鲁棒性;另外,在线辨识器为RBF神经网络调节增益提供梯度信息,加快RBF神经网络的学习速度。根据电动模拟加载系统的需求,设计了以DSP和FPGA为控制核心的伺服控制器硬件方案,以及相应的软件总体方案。最后搭建了半实物仿真实验平台,通过实验验证本文设计的控制策略和伺服控制器的有效性,实验结果表明:本文所设计的控制方案能够满足系统的性能指标,保证了系统加载时的控制精度。