基于BP神经网络的飞行器参数辨识与自适应控制

针对跨域空间飞行器气动参数非线性严重和具有大不确定性等特点,提出一种基于BP神经网络的飞行器离线参数辨识与在线自适应控制的方法.首先,临近空间飞行器进行风洞试验吹风得到的气动参数是典型的输入输出非线性系统,运用BP神经网络算法进行离线训练建立气动数据的辨识模型;其次,根据气动数据的辨识模型计算实时舵效变化参数,飞行器控制的增益根据舵效变化完成在线自适应调节,实现飞行器的自适应姿态控制;最后,进行数学仿真验证,结果表明,将BP神经网络应用于飞行器姿态控制中,能够实现控制参数的自适应调整,说明BP神经网络具有优良的逼近性能,最终提升了飞行器姿态控制系统的性能,提高了智能化设计水平.     

飞行器气动参数智能在线辨识技术研究

气动参数辨识对于大气层内飞行器来说至关重要,通过在线气动参数辨识可规划更准确的飞行轨迹,并对控制参数进行自适应调整。传统辨识方法的模型较为复杂,运算量大,无法满足飞行器在线辨识的要求。而基于神经网络的智能参数辨识方法,不仅可以离线对网络模型进行训练,并利用历史飞行数据进行模型修正,也可在线时直接利用训练好的网络对参数进行快速调整,在保证参数估计精度的同时,保障参数估计的快速性。提出了一种基于支撑向量机(SVM)的样本扩充和神经网络参数在线快速修正方法。通过仿真和统计,证明了基于SVM的神经网络方法对飞行器气动参数进行在线快速智能辨识的可行性。     

高超声速飞行器自适应神经网络控制

针对一类高超声速飞行器,在充分考虑其非线性模型包含未建模动态、气动参数变化、弹性形变等产生的未知非线性不确定函数以及外界扰动的情况下,设计了一种基于自适应神经网络的非线性逆控制器。首先,将系统的动态特性分为标称部分和不确定部分,采用非线性逆的思想设计标称部分的控制器,利用神经网络逼近不确定部分,将神经网络的最优权值采用自适应律进行调节,提高神经网络的在线逼近能力。利用改进的变结构控制来消除神经网络逼近误差的影响,最终使跟踪误差收敛为零,并保证闭环系统的信号有界。通过仿真验证了设计方法的正确性。     

铝合金焊缝成形的神经网络建模

利用神经网络对LF6铝合金的焊缝成形进行了建模，同时运用模糊推理的方法对神经网络的预测功能进行了扩展。首先根据实际确定焊缝的成形参数为正面熔宽、正面熔高、背面熔宽、背面熔高，焊缝成形的控制参数为对接间隙、送丝速度、焊接速度、焊接电流；采用正交试验设计的方法设计试验，使用较少的试验数据来获取焊缝成形信息。然后，进行试验，利用试验数据来对神经网络进行训练。采用BP算法对焊缝成形控制参数空间和焊缝成形参数空间进行了函数逼近，建立了BP网络模型。此模型能够对位于焊缝成形控制参数空间内的输入参数进行高精度的预测，对焊接参数进行修正以获得良好的焊缝成形，并可减少焊接试验次数。     

高超声速滑翔飞行器再入气动系数改进拟合模型

为提升高超声速滑翔飞行器再入气动系数的刻画精度,基于公开的CAV-H气动系数数据,本文提出了一种改进的高超声速滑翔飞行器再入气动系数拟合模型。首先,建立攻角二次项和马赫数负指数幂项相结合的气动系数拟合模型。其次,利用多元非线性最小二乘法对模型进行参数辨识,并采用拟合优度评价了该模型对气动系数数据的解释程度。然后,依据该模型从升阻比角度分析了气动模型飞行特点。最后,对本文改进模型进行数据拟合仿真,分析升阻比特性,并进行再入轨迹优化任务仿真。气动数据拟合实验表明,与现有典型模型相比,改进模型拟合误差降低,拟合优度进一步提高。不同定升阻比的飞行仿真实验表明,应用改进模型可全面刻画再入滑翔飞行特性。再入滑翔飞行任务仿真结果表明,相较于对比模型,改进模型得到的再入轨迹更为平稳。     

火星进入段自适应预测校正制导方法

针对火星进入段预测制导收敛性和可解性问题,给出基于一阶特征模型的全系数自适应预测校正制导律。该方法首先通过时变动态增益变换技术大幅度降低预测误差与制导修正量之间的时变动态增益;然后对变换后的系统建立修正量与广义航程误差间的一阶特征模型,应用全系数自适应方法估计一阶特征模型系数并求取制导修正量;再由标称制导剖面和制导修正量确定纵向制导输出,横向制导采用传统的漏斗边界制导方法。本文方法每个制导周期仅执行一次预测制导,依靠自适应控制的逐次逼近实现制导的收敛性,避免了基于迭代的传统预测校正制导方法的收敛性问题。针对预测校正制导收敛性这一国际上的难题,本文首次证明了全系数自适应预测校正制导律的收敛性。最后针对火星进入点多种初始误差的组合,以及火星大气密度和探测器气动参数的偏差,进行了多条轨迹的仿真。结果表明,全系数自适应预测校正制导具有较高的精度,在计算时间上也要优于基于迭代的预测校正制导方案,更加适合在工程上的应用。     

基于BP神经网络的模型参考自适应姿态控制

采用模型参考自适应控制的基本设计框架,并通过BP神经网络对PID控制参数进行自主调节,实现飞行器的自适应姿态控制。利用参考模型输出、实际对象输出等信号作为训练信号,对所构建的三层BP神经网络进行权重更新。仿真结果表明,将BP神经网络应用于飞行器的自适应姿态控制中,能够实现PID控制器参数的自主调整,表明了BP神经网络优良的逼近性能。同时,该控制方案确保了飞行器姿态控制系统的性能指标,并且提高了工程设计的智能化水平。     

对失控翻滚目标逼近的神经网络自适应滑模控制

针对失控航天器在空间中自由翻滚的情况,研究追踪器对失控翻滚目标逼近的位置和姿态六自由度耦合控制问题。建立追踪器与目标器相对运动的姿轨一体化动力学模型,设计追踪器逼近过程的标称轨迹和标称姿态。综合考虑系统不确定性和外部干扰,设计无抖振的神经网络自适应滑模控制器。将滑模控制与神经网络逼近相结合,采用径向基函数(RBF)神经网络对系统未知部分进行自适应逼近。由Lyapunov方法导出神经网络自适应律,通过自适应权重的调节保证整个闭环系统的稳定性。数值模拟实例说明了所设计的标称轨迹和标称姿态的合理性,同时验证了神经网络自适应滑模控制器的有效性。     

基于模态参数和加速度频响函数的综合模型修正方法研究

文章提出了一种基于模态参数和加速度频响函数的综合动力学模型修正方法.该方法先是利用试验测量所得的模态数据来修正动力学模型的固有频率和振型,然后利用试验测量所得的加速度频响函数对动力学模型进行二次修正,使得修正后模型的固有频率和加速度频响函数与试验测量所得值相一致.该方法综合了模态法和频响函数法,数值算例表明,修正后结果比较理想.     

舱外航天服红外笼标定试验及其修正计算

文章对舱外航天服的红外笼标定试验的情况进行了介绍,并根据试验数据对试验模型进行了修正计算,得到了红外笼的相关计算参数,同时给出了标定试验与计算模型的偏差,利用标定试验数据对试验模型进行了修正计算,并对修正计算后的结果和试验数据进行了比对,比对结果表明,计算模型计算值与试验值偏差较小,修正后的计算模型可以用于舱外航天服热平衡试验施加外热流功率的计算,并为舱外航天服的热平衡试验中外热流的施加提供参数依据。     

基于递归模糊神经网络的鲁棒BP算法研究

讨论了一种基于递归模糊神经网络的鲁棒BP算法的实现。该算法采用极大似然法修正传统BP算法的指标函数 ,利用M估计器和自举算法在线估计样本的误差分布 ,适合于动态非线性系统的辨识 ,逼近精度高 ,收敛速度快 ,在小噪声扰动时处于稳定 ,对过失误差有很强的鲁棒性。仿真结果证明了该算法的有效性     

改进布谷鸟搜索算法优化支持向量机的MEMS陀螺温度零偏补偿

针对微机械陀螺零偏受温度影响较大的问题,提出一种改进布谷鸟搜索算法(CS)和支持向量机(SVM)相结合的陀螺零偏温度补偿方法。首先,将平滑处理后的陀螺数据作为样本点,采用基于径向基核函数的支持向量机方法构建漂移模型,把数据从低维空间映射到高维空间进行线性拟合。然后,利用改进布谷鸟算法对支持向量机的惩罚参数、核函数参数以及不敏感系数进行优化,避免了人为选择参数的盲目性且提高了建立模型的精度。实验结果表明：经CS调节支持向量机算法补偿后,陀螺输出精度更高。与最小二乘分段拟合方法、BP神经网络方法相比,陀螺输出数据方差分别平均减小了63.2%、43.4%,最大误差分别平均减小71.63%、48.3%。     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。     

基于神经网络的非线性结构有限元模型修正研究

现有的动态有限元模型修正方法几乎都是建立在线性假设基础之上，修正中利用固有频率等线性系统特征量。工程中，真实的结构振动系统都是非线性的。虽然在许多情况下，线性化假设获得的结果能够较为准确地反映真实系统的特性。但是，在结构的非线性特征较为明显时，必须考虑非线性因素，这时，现有的模型修正方法将不再适用。现以非线性梁为研究对象，采用基于神经网络的修正方法探索了非线性结构的有限元模型修正问题。仿真研究中利用有限元分析的响应数据训练神经网络。修正结果表明，包括非线性弹簧刚度系数在内的三个设计参数修正后误差均在1％以内。说明基于神经网络的有限元模型修正方法适用于解决非线性结构的有限元模型修正问题。     

任务空间内空间机器人鲁棒智能控制器设计

研究了基于神经网络的自由漂浮空间机器人在任务空间内的轨迹跟踪问题。首先利用RBF神经网络来逼近自由漂浮空间机器人高度非线性的动力学模型，然后设计了鲁棒控制器对逼近误差和外部干扰进行抑制。利用Lyapunov直接方法建立的新的神经网络参数和连接权值的在线学习算法，以及利用耗散理论设计的鲁棒控制器保证了系统的稳定性，并能够使系统L2增益小于给定的指标。利用该控制器对平面二连杆空间机器人进行了仿真研究，表明该智能控制方案是有效的。     

半球谐振陀螺仪寿命的一种长周期预测方法

为了缩短半球谐振陀螺仪寿命实验周期,降低实验成本,提出了一种针对漂移数据的残差修正ARGM(1,1)(Autoregressive GM(1,1))寿命预测方法。该方法利用神经网络与支持向量机中的自回归方式改进灰色模型,提高了模型的自适应能力,增强了模型的学习能力与预测能力,降低了模型回归学习的时间消耗和数据量要求,提高了预测效率。采用小波包络分析预处理某型号半球谐振陀螺仪的漂移数据,利用提出的预测方法对处理后的数据进行长周期预测,并结合灰色关联分析方法,分析失效阶段并最终预测出半球谐振陀螺仪的寿命。实验表明,残差修正ARGM(1,1)模型对半球谐振陀螺仪漂移数据的长期预测精度高于传统GM(1,1)模型、BP神经网络与支持向量机,结果也表明了研究方法的正确性和有效性。     

基于BP神经网络组合导航融合算法

文章针对卡尔曼滤波算法的缺陷,建立了组合导航系统模型,提出了基于BP神经网络修正卡尔曼量噪权值的自适应卡尔曼滤波法,对量测噪声统计特性进行了自适应调整,并与传统卡尔曼算法进行计算机仿真比较。结果表明,基于BP神经网络的卡尔曼滤波器在一定程度上抑制了数据的发散,提高了导航精度。     

利用热平衡试验稳态数据修正对接机构热模型

根据热平衡试验数据与计算结果的比较,分析两者存在差异的原因,用热平衡试验稳态工况数据修正对接机构热模型中的单元划分和热网络方程。研究了对热网络方程修正的方法,基于参数化和节点群概念改进参数化节点群整合方法,以明显减少需修正系数的数量,并与分级修正和局部修正综合,提高热网络修正方法的实用性。算例表明：通过热模型修正使温度计算值与试验值的偏差达到允许的要求,表明该热模型修正方法有效。     

空间机器人的智能控制器设计

自由漂浮空间机器人动力学方程不能被参数线性化并且存在模型不确定性，使得基于数学模型的控制问题变得十分复杂。本文研究了自由漂浮空间机器人的智能控制方法，提出了一个鲁棒的模糊神经网络控制器。首先利用模糊神经网络控制器来逼近理想控制器，然后利用鲁棒控制器对逼近误差进行估计和抑制。根据Lyapunov函数建立的新的网络学习算法保证了系统的稳定性。最后利用该控制器对平面二连杆空间机器人进行了研究。仿真结果表明该智能控制方案是有效的。     

结构动力学快速再分析及模型修正

叙述了适用于大型宇航结构动力学再分析和动力学模型修正的方法。采用试验模态数据，应用灵敏度分析技术直接修正结构参数。利用矩阵摄动法计算灵敏度矩阵，用模态变换法进行结构参数修正的叠代计算，大大减少了动力学模型修正的计算量，同时又保证修正后的动力学模型具有明确的物理意义。采用最优化整体拟合法扩充测试模型，可以有效地抑制试验随机误差。计算机仿真算例和Ｈ梁应用实例证实了本文提出的方法具有良好的工程应用价值。