基于LMI涡扇发动机混合加权灵敏度H_∞动态输出反馈控制

利用回路整形和内模原理方法,选取合理频率域加权函数,结合实际被控对象状态空间模型,得到某广义被控对象状态空间模型,将原控制要求问题转化为标准H∞控制问题。基于LMI(LinearMatrixInequality)方法,对此广义对象进行最优H∞动态输出反馈控制器设计,进而求得原被控对象的控制器。以某型涡扇发动机为被控对象,进行混合加权灵敏度H∞动态输出反馈控制器设计,并在飞行包线范围内,进行了发动机控制系统非线性仿真验证。结果表明,此控制器满足抗干扰性、跟踪性要求,并具有一定鲁棒性。      

非线性系统的BP神经网络在线建模及故障检测

回顾了非线性系统建模、故障检测与诊断（ＦＤＤ）及ＢＰ神经网络应用中存在的问题。提出了一种ＢＰ网络在线阶段自学习方式及应用该方式对非线性系统进行在线建模和故障检测的方法。仿真结果表明,本文提出的方式和方法是可行的     

微机化自动动态增量非线性分析有限元程序系统简介

本文各部分介绍了微机化自动动态增量非线性分析（ＡＤＩＮＡ）有限元程序和后处理程序（ＡＤＰＯＳＴ）系统的结构、功能、单元类型、材料模式、分析类型以及系统的运行环境。     

一种实时图象处理系统

本文介绍的实时图象处理系统，主要采用高速数字信号处理器ＴＭＳ３２０Ｃ３０（ＤＳＰ）和准双口存储器ＶＲＡＭ。具有较好地实时性和通用性，可用于图象跟踪和图象分析。为提高系统可靠性，减小系统体积，用一片大规模可编程逻辑器件ＥＰＬＤ（ＰＭ５１２８）来实现Ｃ３０和ＶＲＡＭ的接口，并完成图象的采集及ＶＲＡＭ的动态刷新。     

基于神经网络的自适应状态观测器

利用ＢＰ神经网络动态系统对一类非线性时变系统的状态进行了估计。利用神经网络的“学习－遗忘”特性,提出了非线性时变系统的自适应状态观测器,对其结构及特性进行了讨论。仿真结果表明这种自适应状态观测器能跟踪系统参数及状态的变化。     

H∞控制在飞行/推进综合控制系统中的应用

研究了多变量控制技术应用于飞行/推进一体化控制器的设计问题。对于耦合的飞行子系统和推进子系统,建立了飞行/推进综合模型,分析了对模型输出端乘性不确定性和对跟踪误差性能不确定性的飞行/推进综合多变量反馈控制系统转化为混合灵敏度函数整形问题设计的途径,提出了一种按时间加权的误差平方积分(ITAE)准则选择加权灵敏度函数的方法,应用混合加权灵敏度H∞控制器的设计方法对飞行/推进一体化模型进行了设计,并对所求的最优控制器进行了控制系统性能仿真验证。     

液压飞行仿真转台复合控制(英文)

针对液压飞行仿真转台伺服系统具有高度非线性动态、大的参数时变和严重的通道间负载耦合,提出了一种复合控制设计。该复合控制由一个鲁棒反馈控制器和一个前馈补偿器组成。设计目标是,即使存在相当大的不确定性、外部扰动和通道间负载耦合,也要实现高的跟踪性能。为了达到这个目标,用μ综合最优化技术设计反馈控制器以抑制摄动和扰动,用基于零相位误差跟踪的基本思想建立前馈补偿器以补偿系统的动态时滞。为了验证所提出的控制策略,进行了仿真和试验,结果表明,所设计的系统对模型摄动具有非常强的鲁棒性,并具有优越的抑制负载耦合和改善跟踪性能的能力。     

不完全量测下一类非线性光电跟踪系统滤波器设计

 随着不完全量测条件下探测概率的下降,传统光电跟踪系统的跟踪性能显著降低。为此,本文考虑将俯仰和偏航两个方向的角速度量测引入传统光电跟踪系统,并设计了不完全量测下基于置信度融合的目标跟踪滤波器。首先针对这类新型的光电跟踪系统建立了系统的量测模型,利用嵌套条件方法推导了转换量测误差前两阶矩的一致性估计;然后针对位置探测通道与角速度探测通道的4种数据探测情形设计了4个子滤波器,并根据探测通道的探测情况计算出各子滤波器的置信度,进而对各子滤波器的输出按置信度进行加权融合,得到了跟踪滤波器的全局输出;最后给出了非线性跟踪系统统计意义下的Cramer-Rao下界(CRLB)。Monte-Carlo仿真表明：在不完全量测下,相比传统光电跟踪系统,附加角速度量测的光电跟踪系统的跟踪性能有了显著提高,并且滤波器估计误差均方差(RMSE)已逼近非线性跟踪系统统计意义下的CRLB。     

微米光栅加速度计力反馈系统设计

针对高分辨率微米光栅加速度计中存在的输出非线性和动态范围小的问题,提出了一种基于静电驱动的静电力反馈方法.该方法一方面将质量块位移锁定在最佳工作点,提高加速度计的线性度;同时利用静电力反馈实现微米光栅加速度计的力反馈控制,提高它的动态范围.给出了微米光栅加速度计的力反馈检测原理,建立了静电力反馈控制模型和基于力反馈的微米光栅加速度计系统的数学模型,在此基础上优化了PI控制单元,搭建了微米光栅加速度计力反馈系统,实现了力反馈控制.实验结果显示:当质量块位移锁定在最佳工作点处时,微米光栅加速度计的量程比未加力反馈时增大了33.4倍,非线性度抑制了6.4倍.     

柔性航天器大角度操纵的直接输出反馈控制

 本文研究了柔性航天器大角度操纵的控制问题,提出了直接输出反馈控制方法。证明了通过输出的线性反馈,用少量的控制器可以达到柔性航天器的渐近稳定调节。同时给出了所需控制器数目及其设置条件,并给出了直接输出反馈控制所对应的最优指标,从而实现了利用少量控制器控制高维非线性系统。     

Robust wavelet neuro control for linear brushless motors

Design, simulation and experimental implementation of a wavelet basis function network learning controller for linear brushless dc motors (LBDCM) are considered. Stability robustness with position tracking is the primary concern. The proposed controller deals mainly with external disturbances, e.g. nonlinear friction force and payload variation in motion control of linear motors. It consists of two parts, one is a state feedback component, and the other one is a learning feedback component. The state feedback controller is designed on the basis of a simple linear model, and the learning feedback component is a wavelet neural controller. The attenuation effect of wavelet neural networks on friction force is first verified by the numerical method. The learning effect of wavelet neural networks on friction force is also shown in the numerical results. Then, a wavelet neural network is applied on a real LBDCM to on-line suppress the friction force, which may be variable due to the different lubrication. The effectiveness of the proposed control schemes is demonstrated by simulated and experimental results.     

空空导弹跟踪控制器设计的理论分析与仿真

简要介绍了运用逆系统方法设计空空导弹跟踪控制器的原理,分析了系统设计的反馈线性化控制律和状态反馈解耦条件,并建立了控制器的Simulink仿真模型.仿真结果表明,通过对弹道坐标系下导弹的纵向和法向过载实施控制,可使导弹的速度、偏航角和俯仰角输出信息以较高的精度快速跟踪预期指令,所设计的控制器具有一定的抗干扰能力,从而验证了控制器设计的合理性和有效性.     

基于自适应神经网络的非线性飞行控制

结合反馈线性化和神经网络提出了一种新的飞行控制系统设计方法,通过反馈线性化将非线性耦合系统等效转换为线性解耦系统,利用具有在线学习能力的神经网络补偿反馈线性化的误差,建立了基于自适应神经网络的控制结构,并利用李亚普诺夫函数导出了网络权值的自适应调整规则。在巡航弹地形跟踪应用中的结果表明,该控制系统不仅具有精确的跟踪性能而且具有良好的鲁棒性。     

无速度反馈的航天器姿轨耦合跟踪控制

提出了一种无速度反馈的航天器姿轨耦合跟踪控制算法。首先建立起基于对偶四元数的带扰动和参数不确定性的航天器姿轨耦合动力学模型。然后基于浸入与不变流形理论设计了速度观测器,通过增益注入对非线性项抑制,从而同时估计角速度和线速度。利用李雅普诺夫函数分析了观测器状态量的收敛性以及注入增益的有界性,证明了该观测器的指数稳定性。最后设计了一个比例-微分（PD）位置与姿态跟踪控制器,该控制器可以实现航天器的任意姿态与位置跟踪,分析了这种观测-控制结构的闭环系统渐近稳定性。仿真验证了该速度观测器和控制器的有效性以及对于参数不确定性和测量噪声具有较好的鲁棒性。     

基于CMAC的伺服系统控制研究

针对高精度伺服系统中存在的非线性和各种不确定性因素,提出了基于小脑模型神经网络的复合控制方法,控制器由前馈控制器、比例微分控制器(PD)和小脑模型神经网络控制器(CMAC)构成,该方法在传统的PD+前馈控制方法上加入了CMAC神经网络算法的快速学习,精确逼近的优点,既保证了快速实时跟踪,又进一步提高了跟踪精度。实验结果证明,用CMAC控制方法后系统的跟踪精度比PD＋前馈控制方法提高近一个数量级,同时该方法对摩擦引起的波形畸变有很好的抑制作用,仿真和实验研究表明了该方法的可行性和有效性,并能满足实时性要求,对提高伺服系统的高精度动态跟踪性能有很好的工程参考价值。     

Neural network modeling of flight control system

Modeling of angle tracking systems in the presence of actuator non-linearity such as angle, position and rate limits is a very significant and difficult task in the design and implementation of aircraft, target-tracking, and missile guided systems. A new recurrent neural network with time-delayed inputs and output feedback is used for the modeling of angle tracking systems, with emphasis on the neural network architecture, principles and algorithms. The neural network controller with modeling units for angle tracking is designed by using TMS320C25 processors. For time and size requirements, limited precision technology and look-up table technology are used in the design of the hardware and software systems. Given a set of input commands, the network is trained to control the system within the constraints imposed by actuators. The results show that the proposed networks are able to model the angle tracking system through learning without separate consideration of the non-linearity of actuators     

非线性PD控制在自动地形跟随系统中的应用

提出了一种非线性PD控制方法，并将其应用在自动地形跟随系统飞行控制律的设计中。对采用常规PI控制与非线性PD控制的飞行控制系统进行了鲁棒性仿真比较以及典型地形跟随误差仿真比较。结果表明，采用非线性PD控制方法设计的控制律具有良好的鲁棒性与跟随性能。     

非线性预测控制在巡航导弹地形跟踪中的应用

建立了巡航导弹的非线性动力学模型,针对该模型的非线性连续预测控制方法,提出了预测跟踪误差和跟踪误差线性组合的性能指标,通过使性能指标最小,产生了巡航导弹地形跟踪的最优非线性反馈控制器,通过对虚拟地形的跟踪验证了控制器的性能,结果表明,该控制器不仅具有精确的跟踪性能而且具有良好的鲁棒性。     

NONLINEAR PREDICTIVE CONTROL FOR TERRAIN FOLLOWING

ＮＯＮＬＩＮＥＡＲＰＲＥＤＩＣＴＩＶＥＣＯＮＴＲＯＬＦＯＲＴＥＲＲＡＩＮＦＯＬＬＯＷＩＮＧＣｕｉＨｕｔａｏ（崔祜涛），ＧｅｎｇＹｕｎｈａｉ（耿云海），ＹａｎｇＤｉ（杨涤）（ＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｐ．Ｏ．Ｂｏｘ１３７，...     

机械手的神经网络自适应滑动模控制器设计

 针对多关节机械手的鲁棒跟随控制器设计问题，提出了一种新的机械手神经网络自适应滑动模控制器设计方法，机械手的动力学非线性假设是完全未知的。在提出的控制结构中，高斯径向基函数神经网络用于在线补偿机械手的动力学非线性，参数学习律由稳定性理论得到。给出了系统稳定性和参数收敛性的证明。最后提出方法的可行性通过仿真得到验证。