贾东旭，刘 梁，徐照平

（南京理工大学 机械工程学院，江苏 南京 210094）

0 引言

电动负载模拟器是一种在实验室条件下，能模拟舵机承受空气铰链力矩的半实物装置［1］。它的作用是在实验室条件下，实时给舵机施加载荷，模拟舵面受力情况，测试舵机系统的性能。电动负载模拟器的结构简单，维护方便，加载精度高，所以近年来得到了大量的研究。

目前，抑制多余力矩［2］与提高系统控制精度是电动负载模拟器研究的主要问题。虽然传统的控制策略对多余力矩有一定抑制能力，但由于电动负载模拟器系统中存在不确定因素，导致对多余力矩的抑制效果不理想，进而影响到系统的控制精度，而智能控制策略则可解决这个问题。

文献［3］在PID 反馈控制中引入迭代学习算法，以克制系统中非线性因素的影响，抑制多余力矩，提高系统精度。文献［4］设计了自适应滑膜控制，以消除系统中未知的不确定性对滑模变结构控制性能的影响，提高系统的动态特性。针对传统PID 控制器自适应性差的问题，文献［5-6］提出了模糊PID 控制。文献［7］提出了自适应模糊控制，以保证瞬态跟踪性能和最终跟踪精度。文献［8］提出了一种基于半模糊小脑神经网络（Cerebellar Model Articulation Controller，CMAC）的比例-微 分（Proportional-Derivative，PD）混合控制方法，解决不确定因素导致常规基于CMAC 的PD 混合控制方法的不稳定问题，抑制系统的多余力矩。

针对电动负载模拟器系统中的多余力矩抑制问题，文献［9］提出了径向基函数（Radial Basis Function，RBF）神经网络和重复控制PID 相结合的复合控制方法，以提高系统的抗干扰、自适应能力和跟踪性能。……