航空发动机多变量神经网络自适应控制仿真研究

针对航空发动机是一个具有强非线性、时变不确定性的被控对象,提出了一种基于RBF网络的航空发动机多变量神经网络自适应控制方法,该方法采用RBF网络对发动机非线性模型进行实时辨识,并将系统的灵敏度信息反馈给神经网络控制器,保证了控制器对被控对象的准确控制.通过某涡扇发动机在飞行包线内的数字仿真,结果表明该方法不依赖被控对象的精确模型,有效地实现了对发动机的多变量自适应控制,而且具有较好的动静态性能.     

非线性黄金分割自适应控制

针对参数未知，高阶定常线性系统和一类复杂的非线性系统，为设计低阶控制器，并能满足不同系统的过渡过程要求。在线性黄金分割自适应控制方法的基础上，本文提出了一种新的非线性黄金分割自适应控制方法。文章首先简单介绍了被控对象的特征模型，接着重点介绍了这种控制方法的设计原理和特点。当系统能用二阶幔时变差分方程形式的简化特征模型描述时，可以证明由非线性黄金分割自适应控制器组成的闭环系统是稳定的。最后通过典型实例的仿真验证了非线性黄金自适应控制方法的有效性和优越性。     

基于直接自适应控制的挠性航天器高精度姿态控制

研究了挠性航天器高精度姿态控制问题.考虑被控对象的非线性、外部干扰以及挠性结构和惯量参数不确定性,设计了直接自适应姿态控制律.通过对经典直接自适应控制中参数自适应律的改进,进一步提高了姿态控制系统性能.该控制系统不仅考虑了挠性结构和惯量参数不确定性,同时考虑了系统非线性特性及外部干扰,且参考模型阶数小于实际被控对象阶数...     

基于特征建模的模型恢复抗饱和控制

针对基于特征模型的黄金分割控制器所控制的对象模型执行器存在饱和约束的情况,提出将模型恢复抗饱和(Model Recovery Anti-Windup,MRAW)策略和基于特征建模的黄金分割控制相结合的抗饱和控制方法。首先根据特征建模理论建立被控对象特征模型,设计可使闭环系统稳定且满足控制要求的自适应黄金分割控制器;然后考虑执行器存在饱和约束,用二阶差分形式的特征模型取代原被控对象来设计MRAW抗饱和补偿器,这种低阶特征模型与原被控对象输出是等价的,可以简化一类高阶被控对象或者非线性对象的MRAW抗饱和补偿器求解。数值仿真验证了所设计抗饱和补偿器可以很好地恢复饱和时的跟踪性能。     

磁悬浮控制力矩陀螺框架伺服系统扰动力矩分析与抑制

对磁悬浮控制力矩陀螺框架伺服系统，提出了一种基于自适应逆扰动消除控制的设计方法。该控制器采用将被控对象动态控制和对象扰动控制分离处理的方法研究了控制力矩陀螺框架伺服系统的非线性摩擦干扰力矩、陀螺房内部高速磁悬浮转子系统因框架变速转动对框架伺服系统产生的耦合力矩以及航天器姿态改变导致框架伺服系统本身的参数大范围变化等问题。设计的自适应逆扰动消除器大大改善了框架伺服系统的控制性能、提高了系统的速率输出精度。仿真结果表明，提出的扰动力矩抑制方法是可行的，具有很强的鲁棒性。     

一种基于神经网络的快速回馈递推自适应控制

针对不确定严格反馈块控非线性系统,提出了一种快速回馈递推自适应控制方法。系 统的不确定性及外界干扰由RBF神经网络在线逼近,利用动态面控制技术简化回馈递推方法 的控制律,同时改进参数自适应律,使在线调整自适应参数显著减少,提高了控制算法的计 算效率。基于Lyapunov方法证明了闭环系统所有信号有界,跟踪误差指数收敛到有界紧集内 。最后进行了空天飞行器飞行控制系统设计,并在高超声速的条件下对其进行了仿真验证, 结果表明了该方法的有效性。     

自适应接收机增益控制系统

介绍了一种自适应接收机增益控制系统。该系统可以实时检测雷达回波信号的大小，动态调整接收机增益系统参数，降低系统动态范围，降低A／D变换器的饱和噪声和量化噪声。该系统由时间灵敏度控制和自动增益控制两部分组成。时间灵敏度控制实时产生一个可变增益来补偿每个回波的幅度特性。自动增益控制产生一个附加增益用于调整时间灵敏度控制的最优工作点。     

基于变结构控制理论的BTT导弹自动驾驶仪的三通道独立设计

对于倾斜转变导弹而言，现有的自动驾驶仪三通道独立设计方法都是在忽略通道间耦合关系前提下根据经曲控制理论的单变量频域方法设计的。本文基于变结构自适应控制理论。提出一种新的ＢＴＴ导弹自动驾驶仪三通道独立设计方法，该方法不仅在其设计过程中保留了通道间的全部耦合因素，而且控制律完全基于被控对象参数变化的上下界，无需对系统进行在线参数辨识，从而提高了设计的准确性，增强了系统的适应性和鲁棒性。运用所提出的方法     

不确定混沌系统的变论域直接自适应模糊滑模控制

提出了一种用于不确定混沌系统的变论域自学习模糊滑模控制方法.引入变论域自适应模糊控制器逼近滑模控制的等效控制,消除因系统不确定性及干扰导致的等效控制无法准确确定,同时使控制器设计不依赖被控对象的精确数学模型.基于李雅普诺夫函数给出规则参数调整的自适应率,并确定滑模切换控制项以保证闭环控制系统的稳定性.根据滑模控制原理给出4条模糊规则以平滑不连续控制,实现高烦抖振削弱.某Lorenz混沌系统控制仿真结果表明:该法对系统参数突变和外部干扰具强鲁棒性,同时削弱了抖振.     

模态密集空间结构的振幅优化鲁棒自适应控制

针对可控性差且具有参数不确定性的模态密集空间结构，提出一种基于振幅优化的鲁棒自适应控制方法，通过减小可控性差模态的振幅来改进控制性能。首先对结构的标称模型进行振幅优化设计，然后以之为参考模型对实际结构进行自适应控制设计。理论上证明了，对于一定范围的参数时变不确定性，该方法能保证被控结构的渐近稳定。仿真结果表明，该方法也具有良好的动态性能。     

基于Zernike拟合的三反射面天线赋形设计

多反射面天线系统受空间、位置和尺寸等因素的影响,其主反射面口面存在相位差,从而导致天线辐射性能下降,文章提出了一种利用Zernike多项式赋形多个反射面的方法,通过对副反射面赋形,在主反射面口面得到期望的幅度相位分布。该方法利用Zernike拟合来处理反射面间的光程差,并将主反射面作为固定面,根据几何光学法和光程条件,在Matlab中建立副反射镜初始模型,通过遗传算法优化Zernike系数调整光程差,对副反射镜面形进行优化设计,避免了复杂的微分计算。使用Grasp仿真软件对设计的三反射面天线系统进行了分析,计算表明,与未赋形的三反射面天线相比,赋形反射面天线系统主波束效率提升了10.67%,达到95%以上,验证了该赋形方法的可行性及对天线系统性能提升的有效性。     

自适应融合滤波算法及其在INS/GPS组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM\|AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage\|Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM\|AFF算法兼具Sage\|Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM\|AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM\|AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位 精度 。
     

自适应融合IMM的自主无线电载波跟踪算法

针对深空自主无线电接收技术中信噪比(SNR)未知的载波跟踪问题,提出了一种自适应融合的交互式多模型(IMM)算法,可以根据实际环境的信噪比自适应地调节IMM估计器的噪声方差,以实现对未知SNR信号的正常跟踪,并保证频率跟踪精度几乎不受初始噪声方差的影响。在分析系统收敛性的基础上,该算法采用模型概率自适应调整策略,根据系统收敛判断条件自适应地调整IMM模型集中各模型的概率,保证了系统的收敛性,提高了跟踪精度,与广泛使用的Sage-Husa自适应滤波算法相比,收敛时间缩短了一倍左右。     

保护映射理论在火星无人机鲁棒自适应控制的应用

针对具有模型不确定性特点的火星无人机控制问题,本文基于保护映射理论提出一种飞行控制的鲁棒自适应调参数方法,通过建立控制系统未知参数与闭环系统极点间的约束关系,在飞行高度和速度变化的情况下,利用对系统极点的配置,保证火星无人机的稳定飞行要求。此外,设计过程中控制器结构固定,只需给定一个初始增益,即可实现系统的鲁棒自适应调参。仿真研究表明获取的增益能使控制作用满足火星无人机在高度和速度变化情况下的稳定飞行要求。     

无速度测量下的航天器安全接近位姿一体化控制

针对考虑位姿耦合的非合作航天器交会对接场景,在没有速度测量情况下为了同时解决安全约束、模型不确定性、执行器故障和输入饱和问题,提出一种基于容积卡尔曼滤波算法(CKF)的自主安全接近方法。首先基于容积卡尔曼滤波器和扩张状态观测器(ESO)分别估计目标航天器的位姿信息和相对速度信息;然后通过将一种新颖的安全包络与人工势函数(APF)结合设计自适应滑模控制器,并设计非奇异辅助系统对执行器故障和输入饱和带来的影响进行集中处理。提出的控制策略在不违反安全约束情况下,能在固定时间内实现位置接近和姿态同步。通过李雅普诺夫方法可以保证闭环系统固定时间稳定。仿真结果表明,所提控制方法具有较高的精度和良好干扰抑制能力。     

一种多模型自适应联邦滤波器及其在INS/CNS/GPS组合导航系统中的应用

本文介绍一种基于多模自适应估计的联邦滤波器的原理和特点。设计了INS/CNS/GPS组合导航系统的联邦滤波算法 ,并首次将多模自适应估计方法运用到联邦卡尔曼滤波器中。此外 ,联邦滤波器算法中采用自适应调整信息分配系数的方法。仿真结果表明 ,与采用单一模型的联邦滤波算法相比 ,多模自适应方法与联邦滤波方法结合使用能大大提高导航系统的精度和可靠性。     

基于神经网络的不确定性空间机器人自适应控制方法研究

提出了一种针对自由漂浮状态的空间机器人模型不确定性的神经网络自适应控制 方法。通过RBF神经网络逼近模型的非线性函数和不确定性上界,无需预先估计系统的不 确 定性程度和外部干扰,提出的自适应控制律保证了权值的有界性,解决了神经网络权值的UU B（Unknown Upper Bound）问题,即未知上界有界问题,完成了笛卡尔空间内空间机器人轨 迹规划任务。证明了所提出的控制方法的稳定性,仿真结果表明控制方法避免了对空间 机器人动力学模型的参数线性化要求降低了计算量,能够满足实际任务中的实时性要求。
     

自适应解耦理论及其在导弹设计中的应用

本文研究的内容属于多变量自适应控制技术范畴。从内部耦合结构出发,应用模型匹配方法和自适应技术,实现了线性时变强耦合对象的解耦控制,并证明了系统的稳定性和输出一致收敛性。具体设计了某型导弹的控制系统,进行了数字仿真和混合仿真。     

基于变步长LMS算法的IMU信号降噪研究

针对遥测系统小型化惯性测量单元惯性敏感元件精度较低,随机噪声较大的情况,研究基于变步长LMS自适应滤波技术的IMU信号实时降噪问题。算法通过实时递推得到失调误差和输入信号的互相关系数估值,利用估值实现算法的变步长控制,克服了固定步长NLMS滤波在收敛速度、跟踪能力和稳态精度之间的矛盾,具有收敛速度快、稳态精度高、动态信号随机噪声抑制能力强的优点。实验表明,变步长LMS自适应滤波技术可有效降低IMU信号的随机噪声,为遥测系统测量精度的提高提供技术支撑。