飞行器电动舵机系统是一个高精度的位置伺服系统,是飞行器飞控系统的重要组成部分,其性能直接决定着飞行器飞行控制系统的控制效果。但受制造工艺、安装精度等影响,电动舵机系统中不可避免的存在较多的非线性环节,严重影响电动舵机系统的动静态性能,甚至影响飞行器整体性能。因此,研究摩擦、间隙等扰动对电动舵机系统动静态性能的影响,并采取相应的补偿方法来削弱或者补偿这些扰动的影响相当重要。本文以某型飞行器电动舵机为研究对象,对电动舵机系统中的扰动因素进行研究和分析,并采用基于PI(Proportion-Integral)的改进滑模控制方法和基于径向基神经网络的滑模控制方法,来消除或减小摩擦和间隙所带来的不利影响,以提高系统的跟踪精度。本论文的研究工作主要从以下几方面展开:(1)设计了电动舵机系统的总体方案,包括采用滚珠丝杠式的机械传动方案及速度位置双环控制方案。然后,对电动舵机系统的负载特性、负载匹配、机电时间常数、功率等进行了详细的分析,并对滚珠丝杠减速机构德尔减速比进行了分析设计。最后,对电动舵机系统的设计参数进行了负载及带宽能力的校核。(2)考虑到间隙、摩擦等扰动因素,论文对电动舵机系统的摩擦及间隙进行研究,建立摩擦及间隙模型,并结合实际测试数据分析摩擦及间隙对电动舵机系统性能的影响。(3)针对电动舵机系统的非线性、快时变、迟滞等特点,设计基于PI的改进滑模控制器,为提高舵机系统对扰动的抑制能力,对滑模控制器的趋近律进行改进设计,大幅缩减了控制延迟,同时针对滑模控制器自身的抖振问题,引入开关函数和饱和函数,实现分层控制。同时,为了降低系统对补偿值精度的要求,将滑模控制器产生的补偿值作为速度环输入量,参与到速度环的迭代计算中,降低了对补偿值精度的需求。最终实现了提高电动舵机系统动态性能的同时保证其稳态性能的目的。(4)针对基于PI的改进滑模控制算法抗扰动范围有限且需要精确数学模型的问题,论文提出了基于径向基神经网络的滑模控制算法,对系统确定部分采用滑模控制算法计算得到等效控制量,对系统不确定部分采用径向基神经网络进行逼近得到切换函数控制量,既提高电动舵机系统的抗扰动性能,又削弱了滑模控制的抖振。(5)针对径向基网络的权值需在线学习,不易于工程实践,且存在“维度灾难”的问题,提出了基于最小参数法的径向基滑模控制方法,采用最小参数学习法代替网络权值学习算法,将网络权值转化为单参数进行调整,大幅简化控制算法,并在李亚普诺夫意义上证明其稳定性。(6)最后,基于DSP28335搭建了电动舵机系统实验平台,分别采用Proportion-Integral-Derivative(PID)控制器、基于PI的改进滑模控制器、基于最小参数法的径向基滑模控制器对电动舵机系统进行控制,验证控制策略的可行性。由实验结果可知,在1°以上大角度情况下,上述三种控制算法均能较好的控制电动舵机跟随舵偏指令,但在0.1°小角度情况下,PID控制算法存在较大的位置跟踪误差、位置跟踪平顶及速度死区现象,同时存在0.079°、14.7Hz弹道极限环震荡。而采用基于PI的改进滑模算法和基于最小参数法的径向基滑模控制算法分别将位置平顶时间从64ms降低至12ms和9ms,位置跟踪误差从0.123°降低至0.029°和0.04°,大幅提高位置跟踪精度,同时,弹道抖动频率及幅值分别降低至0.028°、10.4Hz和0.034°、6.8Hz,且无极限环震荡现象。研究表明,所提出的电动舵机系统及控制方案可行,能较好抑制扰动影响,提高电动舵机系统的跟踪精度,抑制弹道极限环震荡。论文研究成果对今后的电动舵机系统的研究和研制工作都具有一定的参考及借鉴作用,对今后的进一步研究也具有一定的参考价值。