随着国防科技的发展,炮控装置的自动化水平和精度的要求也越来越高。随动系统作为炮控装置中一个重要组成部分,其性能指标直接影响整个炮控装置的性能,因此,在炮控装置的研制过程中,必须测试随动系统的性能。本文研究的某炮控装置负载模拟器通过对炮控装置的负载环境进行模拟,达到测试随动系统性能的目的,通过分析电动负载模拟器存在的多余力矩和非线性特点对辨识和控制策略进行了研究。本文首先介绍了电动负载模拟器的组成与工作原理,建立了永磁同步电机、扭矩传感器、转动惯量盘和系统的数学模型,并对电动加载系统的多余力矩和不确定性及非线性因素进行了详细分析,为系统辨识及控制策略研究奠定了基础。采取了离线训练与在线调整的辨识策略。首先采用RBF神经网络对系统进行离线辨识,针对传统RBF神经网络参数确定问题,利用改进遗传算法优化RBF神经网络的中心及宽度,并通过最小二乘法计算得出权值；其次取离线训练得出的权值参数作为在线辨识器参数初始值,避免了振荡现象,加快了神经网络的收敛速度。为抑制电动负载模拟器存在的多余力矩,利用结构不变性原理设计了前馈补偿控制器,仿真分析得出基于精确模型的前馈补偿控制器的不足；提出了一种基于改进遗传算法和RBF神经网络的自适应PID控制器,将改进遗传算法和神经网络同PID控制策略有机结合起来,充分地发挥了各种算法的优势。搭建了半实物仿真实验平台,并将所提的控制策略在实验平台上进行验证,实验结果表明：该控制策略能够有效抑制多余力矩,保证了系统加载时的控制精度,具有较好的鲁棒性。