本發(fā)明屬于控制裝置技術(shù)領(lǐng)域，具體涉及一種被動式負載模擬器及多余力矩抑制方法。

背景技術(shù)：

在負載模擬器研制過程中，使用電動加載方式能夠有效復(fù)現(xiàn)電動舵機實際工況下所受的各種載荷，能夠在實驗室環(huán)境下對舵機系統(tǒng)的技術(shù)性能指標進行預(yù)測性自動測試，可以節(jié)約開發(fā)經(jīng)費，縮短研制周期，同時有效提高其可靠性和成功率。

一般情況下，負載模擬器與舵機軸固連在一起，舵機的運動對負載模擬器產(chǎn)生干擾力成為多余力。對舵機而言，加載力矩對舵機控制系統(tǒng)產(chǎn)生外界的干擾，這種干擾是負載模擬器模擬舵機在實際飛行中受到氣動力矩，該力矩會影響舵機位移輸出精度；而對于加載系統(tǒng)而言，舵機的運動對加載系統(tǒng)產(chǎn)生干擾即為多余力，嚴重的影響加載系統(tǒng)的控制精度。

抑制多余力是負載模擬器的需要解決主要問題，如何抑制多余力的問題國內(nèi)外相關(guān)學者開展了廣泛的研究，通過控制策略抑制系統(tǒng)的多余力是現(xiàn)在研究的主要方法?！敖Y(jié)構(gòu)不變性理論”方法，利用舵機系統(tǒng)的速度反饋信號進行前饋補償，其研究揭示了舵機速度是影響多余力的主要原因；焦宗夏等學者提出了速度同步控制算法，其通過采用舵機的閥信號來實現(xiàn)速度同步，在工程中得到了大量應(yīng)用；姚建勇等學者提出了一種自適應(yīng)非線性最優(yōu)補償控制方法，通過對伺服閥的流量系數(shù)和流量壓力系數(shù)等非線性參數(shù)進行在線估計，實時更新速度同步參數(shù)，該方法對系統(tǒng)非線性成分進行在線辨識，通過實時調(diào)整速度同步參數(shù)抑制多余力，但只能補償速度同步信號的幅值引起的多余力，不能補償同步信號的相位引起的多余力；汪成文等學者提出自適應(yīng)速度同步補償控制，主要應(yīng)用模型參考自適應(yīng)的方法，以舵機控制系統(tǒng)為參考模型，調(diào)節(jié)速度同步參數(shù)控制加載系統(tǒng)的速度與舵機的運動速度相一致，以此來抑制多余力；如果加載系統(tǒng)在做常值0nm力矩加載時，加載系統(tǒng)的與舵機的運動相等，該方法以舵機控制系統(tǒng)為參考模型，控制加載系統(tǒng)的運動與舵機運動保持一致，如果加載不是做常值0nm力矩加載，加載系統(tǒng)的與舵機的運動不完全相等，該方法控制加載系統(tǒng)的運動與舵機運動仍需要保持一致，影響加載精度；韓松杉提出了舵機指令前饋補償?shù)碾娨贺撦d模擬器同步控制，舵機無法提供速度同步信號時，利用舵機速度指令信號和負載模擬器實現(xiàn)精確的同步補償，但沒有明確的給出補償環(huán)節(jié)，且未表明在舵機不同頻率運動時對多余力的抑制能力，特別是在舵機與加載系統(tǒng)動態(tài)特性不一致的情況下；在消除多余力矩的技術(shù)中，因為系統(tǒng)中非線性因素的存在和舵機運動角速度和角加速度無法測量，采用傳統(tǒng)的前饋補償控制方法及常規(guī)單一的pid控制難以實現(xiàn)預(yù)期目標。隨著智能控制理論的發(fā)展，使用神經(jīng)網(wǎng)絡(luò)進行非線性函數(shù)的逼近取得了較好的效果。相比于bp、rbf等常規(guī)前饋網(wǎng)絡(luò)，小腦模型關(guān)聯(lián)控制器(cmac)克服了它們學習速度慢、實時性差的缺點，同時，還具有結(jié)構(gòu)簡單、局部泛化能力強的優(yōu)點，更加適合對電機進行實時控制。

但是在實踐中發(fā)現(xiàn)，被動式負載模擬器傳統(tǒng)的電流環(huán)、位置環(huán)及力矩環(huán)的三閉環(huán)復(fù)合控制結(jié)構(gòu)對控制系統(tǒng)數(shù)學模型的精確性要求較高，難以應(yīng)用到精準數(shù)學模型未知的非線性控制系統(tǒng)中，因此，對于被動式負載模擬器這類非線性控制系統(tǒng)，單純的三閉環(huán)控制效果會相對較差，系統(tǒng)的穩(wěn)定性和控制精度難以保證；且cmac方法雖然能有效改善控制效果，但是因為理論指導(dǎo)較少，cmac網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計和推廣尚存在較大難度。當前主要使用cmac和pd算法相結(jié)合的前饋控制方法，cmac實現(xiàn)前饋補償，pd完成反饋控制。在cmac訓練初期由pd算法的輸出起主要控制作用，隨著cmac的網(wǎng)絡(luò)訓練逐漸完成，cmac的輸出成為主要影響因素，實現(xiàn)對系統(tǒng)的智能控制。但是傳統(tǒng)cmac控制器在跟蹤連續(xù)變化的信號時會產(chǎn)生累積誤差，讓cmac網(wǎng)絡(luò)產(chǎn)生過學習，嚴重影響系統(tǒng)的穩(wěn)定性。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種被動式負載模擬器及多余力矩抑制方法。

實現(xiàn)本發(fā)明目的的技術(shù)解決方案為：一種被動式負載模擬器，包括加載電機、加載電機軸端鍵、第一聯(lián)軸器、轉(zhuǎn)矩轉(zhuǎn)速傳感器、第二聯(lián)軸器、電動舵機軸端鍵、電動舵機、支撐平臺、加載電機驅(qū)動器、電動舵機驅(qū)動器、控制器及上位機；控制器用于控制加載電機驅(qū)動器和電動舵機驅(qū)動器，并采集轉(zhuǎn)矩轉(zhuǎn)速傳感器傳感器信號實現(xiàn)加載閉環(huán)控制，上位機用于實現(xiàn)人機交互功能；

其中，加載電機、轉(zhuǎn)矩轉(zhuǎn)速傳感器及電動舵機設(shè)置在支撐平臺上，加載電機和電動舵機位于支撐平臺的兩側(cè)，轉(zhuǎn)矩轉(zhuǎn)速傳感器位于加載電機和電動舵機之間；

加載電機通過加載電機軸端鍵與第一聯(lián)軸器一端緊固連接，第一聯(lián)軸器另一端與轉(zhuǎn)矩轉(zhuǎn)速傳感器一端連接，轉(zhuǎn)矩轉(zhuǎn)速傳感器另一端與第二聯(lián)軸器一端連接，第二聯(lián)軸器另一端通過電動舵機軸端鍵與電動舵機連接。

一種基于上述被動式負載模擬器的多余力矩抑制方法，包括以下步驟：

步驟1、對電動舵機建模，建立其開環(huán)傳遞函數(shù)；

步驟2、分析電動舵機所受干擾力矩，求電動舵機所受加載力矩到其角位移輸出的系統(tǒng)傳遞函數(shù)，并設(shè)置控制器，求得電動舵機角位移輸出；

步驟3、對加載電機建模，得到加載電機的電壓平衡方程和轉(zhuǎn)矩平衡方程；

步驟4、將第一聯(lián)軸器、轉(zhuǎn)矩轉(zhuǎn)速傳感器及第二聯(lián)軸器視為中間比例環(huán)節(jié)，求加載電機輸出轉(zhuǎn)矩方程；

步驟5、由電動舵機和加載電機機理模型，構(gòu)建被動式負載模擬器數(shù)學模型；

步驟6、對步驟4中所構(gòu)建的數(shù)學模型進行不確定性分析；引入stribeck摩擦模型；

步驟7、設(shè)置復(fù)合控制結(jié)構(gòu)，設(shè)置控制結(jié)構(gòu)中控制器控制方法；

步驟8、設(shè)置電動舵機、加載電機通訊指令，設(shè)置上位機加載模式；

步驟9、根據(jù)轉(zhuǎn)矩轉(zhuǎn)速傳感器所采集實時信號、上位機所設(shè)定指令信號，繪制多余力矩抑制曲線。

本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點為：1)本發(fā)明的控制方法中的電流環(huán)giq(s)復(fù)矢量pi控制能夠使實際電流快速準確地跟蹤設(shè)定電流，從而有效提高加載精度；所采用的電流內(nèi)環(huán)giq(s)、位置外環(huán)gp(s)及力外環(huán)gf(s)有效地抑制了被動式負載模擬器所產(chǎn)生的多余力矩，所引入的外加干擾stribeck摩擦模型有效模擬了負載模擬器系統(tǒng)中的實際摩擦；2)本發(fā)明的力矩環(huán)gt(s)采用應(yīng)用高斯權(quán)重非均勻量化的新型小腦模型關(guān)聯(lián)控制器(cmac)和比例微分控制器(pd)結(jié)合的控制方法，其中，非均勻量化適應(yīng)輸入樣本分布采用量化距離與高斯權(quán)重來優(yōu)化權(quán)值動態(tài)分配過程，同時提高了權(quán)值空間利用率，提高了系統(tǒng)的魯棒性和跟蹤精度，有效彌補了傳統(tǒng)cmac神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)原理的不足。

附圖說明

圖1是本發(fā)明被動式負載模擬器多余力矩抑制方法的裝置示意圖。

圖2是本發(fā)明被動式負載模擬器多余力矩抑制方法的控制結(jié)構(gòu)示意圖。

圖3是本發(fā)明被動式負載模擬器多余力矩抑制方法中的新型cmac控制結(jié)構(gòu)框圖。

圖4是本發(fā)明用于對比的結(jié)構(gòu)不變性原理的控制框圖。

圖5是基于結(jié)構(gòu)不變性原理的多余力矩曲線。

圖6是本發(fā)明被動式負載模擬器多余力矩抑制方法的多余力矩曲線。

圖7是本發(fā)明被動式負載模擬器多余力矩抑制方法的流程圖。

圖中編號所代表的含義為：

1-加載電機2-加載電機軸端鍵3-第一聯(lián)軸器4-轉(zhuǎn)矩轉(zhuǎn)速傳感器5-第二聯(lián)軸器6-電動舵機軸端鍵7-電動舵機8-支撐平臺

具體實施方式

結(jié)合附圖，本發(fā)明的一種被動式負載模擬器多余力矩抑制方法，包括加載電機1、加載電機軸端鍵2、第一聯(lián)軸器3、轉(zhuǎn)矩轉(zhuǎn)速傳感器4、第二聯(lián)軸器5、電動舵機軸端鍵6、電動舵機7、支撐平臺8、加載電機驅(qū)動器、電動舵機驅(qū)動器、控制器及上位機；控制器用于控制加載電機驅(qū)動器和電動舵機驅(qū)動器，并采集轉(zhuǎn)矩轉(zhuǎn)速傳感器4傳感器信號實現(xiàn)加載閉環(huán)控制，上位機用于實現(xiàn)人機交互功能；

其中，加載電機1、轉(zhuǎn)矩轉(zhuǎn)速傳感器4及電動舵機7設(shè)置在支撐平臺8上，加載電機1和電動舵機7位于支撐平臺8的兩側(cè)，轉(zhuǎn)矩轉(zhuǎn)速傳感器4位于加載電機1和電動舵機7之間；

加載電機1通過加載電機軸端鍵2與第一聯(lián)軸器3一端緊固連接，第一聯(lián)軸器3另一端與轉(zhuǎn)矩轉(zhuǎn)速傳感器4一端連接，轉(zhuǎn)矩轉(zhuǎn)速傳感器4另一端與第二聯(lián)軸器5一端連接，第二聯(lián)軸器5另一端通過電動舵機軸端鍵6與電動舵機7連接。

一種基于上述被動式負載模擬器的多余力矩抑制方法，包括以下步驟：

步驟1、對電動舵機7建模，建立其開環(huán)傳遞函數(shù)；電動舵機7一般采用高減速比的間接驅(qū)動方案，所采用電機為高速小慣量直流電機，故舵機從輸入u到輸出θl的開環(huán)傳遞函數(shù)為:

式中，θl為電動舵機7驅(qū)動電機經(jīng)減速器的角位移輸出；u為電動舵機7驅(qū)動電機的輸入電壓；kdm為力矩系數(shù)；kd0為功放系數(shù)；kj為減速比；ld為電樞電感；jd為電機負載轉(zhuǎn)動慣量；rd為電樞電阻；kde為反電勢系數(shù)。

步驟2、分析電動舵機7所受干擾力矩，電動舵機7所受干擾力矩為：

tl＝tl1+tl2

式中，tl為電動舵機7所受干擾力矩；tl1為電動舵機7運作過程中自身所受到的多余力矩，如摩擦等；tl2為加載系統(tǒng)通過減速器作用于電動舵機7驅(qū)動電機的干擾力矩；

而實際試驗中，tl2＞＞tl1，故有：

tl≈tl2＝tfkj

式中，tf為加載系統(tǒng)輸出的加載力矩；

求電動舵機7所受加載系統(tǒng)輸出的加載力矩tf到電動舵機7角位移輸出θl的系統(tǒng)傳遞函數(shù)：

步驟2中，設(shè)置電動舵機7控制器kd(s)為比例控制器，即kd(s)＝kd，則可求得電動舵機7角位移輸出θl為：

θl＝gd1(s)θi+gd2(s)tf

其中，

式中，θi為電動舵機7轉(zhuǎn)角輸入指令。

步驟3、對加載電機1建模，加載電機1為面貼式隱極永磁同步電機，得到加載電機1的電壓平衡方程和轉(zhuǎn)矩平衡方程；

加載電機1的電壓平衡方程為：

式中，uq、iq分別為加載電機1定子在q軸上的電壓和電流；lm為等效電感；rm為定子繞組電阻；ke為反電動勢常數(shù)；ωm為加載電機1轉(zhuǎn)子機械角速度；

加載電機1的轉(zhuǎn)矩平衡方程為：

式中，tm為加載電機1電機電磁轉(zhuǎn)矩；jm為電機轉(zhuǎn)動慣量；bm為電機阻尼系數(shù)；tf為加載電機1輸出轉(zhuǎn)矩。

步驟4、將第一聯(lián)軸器3、轉(zhuǎn)矩轉(zhuǎn)速傳感器4及第二聯(lián)軸器5是連接加載電機1與電動舵機7的部件，其本身的慣量和摩擦非常小，在允許扭轉(zhuǎn)范圍內(nèi)，視其為中間比例環(huán)節(jié)，求加載電機1輸出轉(zhuǎn)矩方程：

tf＝klδθ＝kl(θf-θl)

式中，kl為等效扭轉(zhuǎn)剛度系數(shù)；δθ為轉(zhuǎn)矩轉(zhuǎn)速傳感器4兩端的形變角度差；θf為加載電機1角位移；θl為電動舵機7角位移。

步驟5、由電動舵機7和加載電機1機理模型，在考慮舵機特性情況下，構(gòu)建被動式負載模擬器數(shù)學模型：

tf＝g1uq-g2θl

其中：

式中，g1表示被動式負載模擬器不受被測電動舵機7擾動的前向通道特性；g2表示擾動通道特性。

步驟6、對步驟4中所構(gòu)建的數(shù)學模型進行不確定性分析；引入stribeck摩擦模型；

建立被動式負載模擬器數(shù)學模型后，需對系統(tǒng)模型進行不確定性分析，從加載電機和被測電動舵機兩方面分析，故步驟5中負載模擬器數(shù)學模型對應(yīng)的標稱模型為：

tf＝p0(s)uq-l0(s)θl

式中，p0(s)為uq對應(yīng)的標稱函數(shù)；l0(s)為θl對應(yīng)的標稱函數(shù)；

加載電機為極為復(fù)雜的非線性系統(tǒng)，建模時作了d軸電流id為零的假設(shè)，另外系統(tǒng)反電動勢也不是常數(shù)，含有諧波成分，但加載電機運動轉(zhuǎn)速遠低于電機額定轉(zhuǎn)速，故反電動勢可視為常數(shù)；還包括電機力矩波動和模型擾動力矩造成的模型不確定性，當電機由于旋轉(zhuǎn)磁場的空間特性，當電機做勻速圓周轉(zhuǎn)動時，其力矩波動表現(xiàn)出周期性，波動的頻率取決于電機的轉(zhuǎn)速和極對數(shù)，若電機極對數(shù)為p，則力矩波動主要含有p、2p、6p次諧波成分，力矩波動可表示為：

δmc＝mc1sin(pωmt)+mc2sin(2pωmt)+mc3sin(6pωmt)

式中，mc1、mc2、mc3分別為對應(yīng)諧波的力矩波動幅值；

所述步驟6中stribeck摩擦模型方程為：

當|ωm|＜α時，靜摩擦為：

式中，f1(t)＝j(luò)mα(t)；

當|ωm|＞α時，動摩擦為：

式中：f1(t)為驅(qū)動力；fm為最大靜摩擦力；fc為庫侖摩擦力；kv為黏性摩擦力矩比例系數(shù)；α(t)為伺服電機1角加速度；α和α1為非常小的正數(shù)。

步驟7、設(shè)置復(fù)合控制結(jié)構(gòu)，設(shè)置控制結(jié)構(gòu)中控制器控制方法；

針對被動式負載模擬器的結(jié)構(gòu)變化形式，被動式負載模擬器多余力矩抑制方法包括電流環(huán)、位置環(huán)及力矩環(huán)的三閉環(huán)復(fù)合控制結(jié)構(gòu)，復(fù)合控制結(jié)構(gòu)包括電流內(nèi)環(huán)giq(s)、位置外環(huán)gp(s)及力矩外環(huán)gt(s)，并采用角速度前饋補償控制器gω(s)；

所述控制結(jié)構(gòu)中控制器控制方法為：

電流環(huán)giq(s)采用復(fù)矢量pi控制，用于使加載電機1電流準確快速地跟蹤指令信號，其傳遞函數(shù)為：

式中：為d-q軸系電流；為d-q軸系電流設(shè)定值；kcp、kci相應(yīng)為pi控制器的比例和積分常數(shù)；p為加載電機1極對數(shù)；

力矩環(huán)gt(s)采用高斯權(quán)重非均勻量化的新型小腦模型關(guān)聯(lián)控制器(cmac)和比例微分控制器(pd)結(jié)合的控制方法；位置環(huán)gp(s)、角速度前饋補償控制器gω(s)采用pid控制，其控制算法為：

式中，u(t)為系統(tǒng)的被控制量；e(t)為誤差值；kp1、ki1、kd1分別為比例系數(shù)、積分常數(shù)和微分常數(shù)；

步驟8、設(shè)置電動舵機7、加載電機1通訊指令，設(shè)置上位機加載模式；根據(jù)被測電動舵機7通訊協(xié)議，系統(tǒng)設(shè)置通訊波特率，設(shè)置舵機啟動、偏移、反饋及零位調(diào)整指令，并調(diào)用相應(yīng)rs422串口驅(qū)動程序發(fā)送和接收系統(tǒng)指令；其中，所有指令字為16進制格式，高8位在后，低8位在前；上位機設(shè)定加載模式，加載模式有階躍信號加載和正弦信號加載，并將控制指令通過tcp/ip通信協(xié)議發(fā)送給實時控制器，實時控制器對指令進行處理后發(fā)送給加載電機驅(qū)動器，由加載電機驅(qū)動器驅(qū)動加載電機1完成加載任務(wù)；其中正弦信號表達式為：

式中：n為振幅，t為周期，t為時間；

步驟9、轉(zhuǎn)矩轉(zhuǎn)速傳感器4采集實時數(shù)據(jù)并反饋給實時控制器進行閉環(huán)控制，實時控制器將數(shù)據(jù)發(fā)送給上位機進行顯示和存儲，根據(jù)所發(fā)送和接收的數(shù)據(jù)，完成指令信號、反饋信號和誤差信號的曲線繪制，繪制多余力矩抑制曲線，并與“結(jié)構(gòu)不變性理論”方法進行多余力矩抑制效果對比；

其中，力矩環(huán)gt(s)采用小腦模型關(guān)聯(lián)控制器(cmac)和比例微分控制器(pd)結(jié)合的控制方法，其具體實施步驟為：

步驟a：將負載模擬器的指令信號和輸出信號作為cmac網(wǎng)絡(luò)的激勵信號，并利用二維輸入信號分布密度曲線，對二維空間節(jié)點進行非均勻量化，得到每一維輸入的量化向量；其中，非均勻量化中使用的密度分布曲線是輸入向量以零點為中心，以正負峰值2倍為邊界的概率密度曲線；其中，對第k個量化點的量化方法為：

若第k個量化點位于量化中心左側(cè)，則：

id＝smin+(k-1/2)sp

其中，sp表示采樣步距；id為此采樣點的位置顯示；qi,k為二維激勵信號的量化值；smid為量化中心點；smin為量化極小值；μ為非均勻量化率，值越大表示非均勻越明顯，通常取0.5-2之間；

若第k個量化點位于量化中心右側(cè)，則：

id＝smid+(k-ni/2-1/2)sp

其中，smin為量化極大值；

步驟b：引入量化距離的概念，使用高斯函數(shù)作為量化距離的數(shù)學表征，再根據(jù)輸入向量中各維采樣點與其對應(yīng)量化點間的距離求得量化點的量化距離值，根據(jù)預(yù)設(shè)的門限值判定激活區(qū)域的范圍；量化距離可表示為：

其中，disi,k表示第i維第k個激勵信號的量化激活距離；ui為i維輸入信號；h為高斯函數(shù)寬度的常數(shù)；

步驟c：利用各維度的量化距離值計算概念空間中激活的量化點所對應(yīng)的高斯權(quán)重

步驟d：使用求余法將概念空間的高斯權(quán)重壓縮映射到節(jié)點數(shù)目更少的物理空間，得到每個存儲單元的權(quán)值gapi＝gacjmodnp(i＝1,2,...,np；j＝1,2,...,m)；

其中，gapi表示物理存儲空間中的第i個高斯權(quán)重；np表示物理存儲空間的實際大小；m代表虛擬聯(lián)想空間的大小；

步驟e：該新型cmac算法的輸出為每個存儲單元權(quán)值的高斯權(quán)重求和，而加載控制器的輸出則為cmac算法加上pd控制器的總輸出；故其第i次迭代后的輸出為：

其中，為經(jīng)過i次迭代后的第k個儲存節(jié)點的網(wǎng)絡(luò)權(quán)值；

步驟f：對誤差進行梯度下降計算，對cmac網(wǎng)絡(luò)權(quán)值進行學習修正，權(quán)值學習修正中將誤差劃分為cmac輸出誤差和系統(tǒng)輸出誤差兩部分，選擇兩個學習速率參數(shù)分別根據(jù)兩種誤差量值動態(tài)切換，前者保證cmac跟隨指令信號，后者保證控制誤差，確保系統(tǒng)快速性的同時抑制cmac過學習現(xiàn)象。

本發(fā)明的被動式負載模擬器多余力矩抑制方法，其中電流環(huán)giq(s)采用復(fù)矢量pi控制，位置環(huán)gp(s)、角速度前饋補償控制器gω(s)采用pid控制，并引入了stribeck摩擦模型，力矩環(huán)gt(s)采用小腦模型關(guān)聯(lián)控制器(cmac)和比例微分控制器(pd)結(jié)合的控制方法，并提出一種新型高斯權(quán)重非均勻量化cmac控制方法，該方法在傳統(tǒng)方法基礎(chǔ)上根據(jù)輸入信號特征優(yōu)化了非均勻量化方法，引入量化距離的概念確定高斯權(quán)重和cmac激活區(qū)域，動態(tài)調(diào)整cmac泛化性能，使用求余法將概念空間的權(quán)值映射到物理空間，減少儲存空間浪費同時加快學習效率，能夠有效地降低負載模擬器的多余力矩。

下面結(jié)合實施例進行更詳細的描述。

實施例

為驗證本發(fā)明，實施例所選定加載電機1為kollmorgen的akm53h-320vdc，轉(zhuǎn)矩轉(zhuǎn)速傳感器4為interfacet330nm，電動舵機7為kzz-83,控制器為nipxie-8840rt實時控制器；

為對比驗證多余力矩抑制效果，采用本方法與常用的基于結(jié)構(gòu)不變性原理的擾動前饋補償方法進行對比，其中，結(jié)構(gòu)不變性原理控制框圖如圖4所示，圖4中，tr^*(s)為系統(tǒng)的輸入，tl(s)為輸出，前向通道由g1(s)、g2(s)、g3(s)組成，gc(s)是前饋補償控制器；設(shè)置電流環(huán)giq(s)控制器參數(shù)為：kcp＝3.6，kci＝320，kcω＝1000；設(shè)置位置環(huán)gp(s)控制器參數(shù)為：p1＝1.62，i1＝0.13，d1＝0.009；設(shè)置力矩環(huán)gt(s)控制器參數(shù)為：n1＝n2＝100，非均勻量化參數(shù)μ＝1.25，激活閾值區(qū)間[0.951,1]，高斯函數(shù)寬度h＝15，學習率η1＝η2＝0.2；gc(s)參數(shù)為：p2＝1.38，i2＝0.89，d2＝1.01。

基于labview圖形化編程和matlab編程，編寫了測控軟件，并進行多余力矩抑制實驗，多余力矩抑制曲線如圖5、6所示。被測電動舵機7設(shè)置幅值為2nm、頻率為2hz的正弦信號為驅(qū)動指令信號，加載電機1設(shè)置幅值為5nm、頻率與擾動信號相同的正弦信號為加載指令信號。圖5是基于結(jié)構(gòu)不變性原理的多余力矩曲線；圖6是本發(fā)明被動式負載模擬器多余力矩抑制方法的多余力矩曲線；由圖5得，當被測電動舵機7輸出頻率為2hz時，測得多余力矩曲線正峰值為1.31nm，反峰值為-1.29nm，由圖6得，當被測電動舵機7輸出頻率為2hz時，測得多余力矩曲線正峰值為0.33nm，反峰值為-0.34nm，定義本方法多余力矩峰值與對比方法多余力矩峰值的比為多余力矩抑制比，則多余力矩抑制比為74.8％，證明了本方法的有效性。