随着现代军事能力的不断提高,火炮朝着高精度、远射程、数字化和快速反应的方向发展。火炮伺服系统是提高火炮精度和提升射程的重要因素,针对火炮伺服系统存在非线性、耦合、时变以及负载扰动和惯量变化等问题,传统的控制策略已经无法满足火炮伺服系统控制的精度和稳定性要求。本文拟通过研究先进的建模方法和控制策略,以提高火炮系统的控制性能。论文的主要工作包括以下几个方面:(1)首先搭建了火炮交流伺服系统的半实物仿真实验台,对该系统的结构和原理进行介绍,采用矢量控制方法对交流伺服电机进行解耦,并对电流环和速度环进行了简化处理,推导得出完整的交流伺服系统的数学模型,为下一步采用先进的控制策略和实验分析奠定了实物基础。(2)针对火炮交流伺服系统存在时变和耦合等非线性因素,难以建立其精确的数学模型。而RBF神经网络具有良好的逼近能力,本文采用RBF神经网络对系统进行结构辨识。由于RBF神经网络自学习能力较差且参数固定的缺点,引入差分进化算法对其进行优化,最后通过离线训练和验证表明基于差分进化算法优化的RBF神经网络辨识精度高。(3)鉴于滑模变结构控制对于外部扰动不敏感的特点,本文采用滑模变结构控制策略对火炮交流伺服系统进行控制。针对滑模变结构存在抖振问题,引入RBF神经网络对滑模控制器的切换增益进行实时调节。考虑到RBF神经网络自学习能力差、参数固定,无法及时、准确的对切换增益进行调节,故引入模糊控制对其结构参数进行修正,以提高其对切换增益的调节能力。仿真验证结果表明:本文设计的模糊RBF神经网络滑模变结构的控制策略具有控制精度高和鲁棒性好等优点,满足系统控制要求。(4)基于搭建的系统仿真实验平台,对上述算法进行实验验证,分析实验结果,最后得出模糊神经网络滑模变结构控制拥有很好的动静态性能,满足指标要求。