大射电望远镜柔性平台动力学分析与精确控制研究

"这篇论文是关于大射电望远镜柔性Stewart平台的动力学分析与控制，发表于2006年的《机械科学与技术》期刊。研究建立了一个基于KED（动力学-静力学-弹性动力学）方法的柔性支腿Stewart平台的动态模型，并提出了一个结合干扰观测器和优化神经网络结构的PID控制器（PID-NNC）的控制策略，用于实现馈源的高精度轨迹跟踪。" 本文的核心内容主要围绕以下几个知识点展开： 1. **柔性Stewart平台**：Stewart平台是一种六自由度的运动平台，由多个可伸缩的支腿组成，能够提供复杂的运动能力。在本文中，平台的支腿被设计为柔性，这意味着它们在工作过程中存在变形，增加了系统的非线性和复杂性。 2. **KED方法**：这是一种综合考虑动力学、静力学和弹性动力学的建模方法，用于分析包含弹性效应的多体系统。在本研究中，KED方法用于构建柔性Stewart平台的详细动力学模型，这对于理解和控制平台的行为至关重要。 3. **非线性、强耦合、多输入多输出系统**：这些特性描述了大射电望远镜馈源跟踪系统的复杂性。非线性意味着系统的响应不与输入成比例，强耦合表示各部件之间的相互影响显著，多输入多输出则意味着系统有多个可以独立控制的输入和相应的输出。 4. **干扰观测器**：为了抵消来自环境或系统的不确定性和干扰，研究者引入了干扰观测器来实时监测和估计这些干扰，然后对这些干扰进行补偿，从而提高系统的稳定性和跟踪性能。 5. **PID-NNC控制算法**：PID-NNC是PID控制器与神经网络控制的结合。PID控制器以其简单有效而广泛应用于工业控制，但面对非线性和不确定性时可能表现不足。神经网络控制则能适应复杂的非线性关系，通过优化神经网络结构，可以增强PID控制器的鲁棒性和自适应能力。 6. **轨迹跟踪控制**：目标是使馈源（望远镜的接收部分）精确地跟随预设轨迹，对于大射电望远镜来说，这直接影响到天文观测的精度。 7. **鲁棒性**：控制算法的鲁棒性是指其在面对不确定性、噪声和模型误差时仍能保持稳定性能的能力。文中提到的控制算法在理论上和仿真中都显示出了良好的鲁棒性，这在实际应用中是非常重要的。 8. **仿真实验结果**：通过理论分析和仿真实验，验证了所提出的控制算法能够满足馈源高精度轨迹跟踪的要求，同时也证明了算法在应对系统干扰时的适应性和稳定性。 这篇论文贡献了一种创新的控制策略，解决了大射电望远镜馈源系统中的动态控制问题，对于提升天文学观测设备的性能有着重要价值。